博学网课 Python3Python3数据科学入门与实战
Python3数据科学入门与实战
这是一个数据驱动的时代。没有数据跟踪，我们就无法从事机器学习、人工智能、数据挖掘等前沿技术。本课程通过Numpy进行、通过Seabornnnndas进行数据科学计算、 Matplotlib图形显示数据；从实战的角度来看，让你在数据科学领域迈出重要一步，开启Data。 Science职业之旅！
第1章 构建实验环境
本章主要介绍Anaconda和Jupyter Notebook。包括如何在windows，Mac，Anaconda安装在linux等平台上，Jupyter 使用Notebook的基本启动方法。
1-1 导学视频
1-2 Anaconda和Jupyter noteboook介绍
1-3 Anaconda在Mac上的安装演示
1-4 Anaconda在windows上安装演示
1-5 安装演示Anaconda在Linux上的安装
1-6 Jupyter-使用notebook演示
第2章 Numpy入门
本章将介绍Python数据科学领域最基本的库——Numpy，回顾矩阵运算的基础，介绍最重要的数据结构Array以及如何通过Numpy进行数组和矩阵运算。
2-1 Python库是数据科学领域5个常用的
2-2 数学基础回顾矩阵运算
2-3 创建和访问Array
2-4 数组和矩阵运算
2-5 input和Arrayoutput
第3章 Pandas入门
本章将介绍Python数据科学领域最重要的数据分析库——Pandas。我们将从Series和DataFrame这两个最重要的数据结构开始，介绍其创建和基本操作，并通过实际操作了解Series和DataFrame之间的关系。
3-1 Pandas Series
3-2 Pandas DataFrame
3-3 对Series和Dataframe的深入理解
3-4 Pandas-Dataframe-IO操作
3-5 Selecting和DataFrameindexing
3-6 Series和DataframeReindexing
3-7 谈NaN
3-8 多级Index
3-9 Mapping和Replace
第4章 Pandas玩数据
本章是Pandas的进步。我们将使用Pandas进行先进的数据分析操作，包括如何进行数据清洗、预处理和排序、数据分箱技术、分组技术、聚合技术和透视表。
4-1 简单的数学计算DataFrame
4-2 对Series和DataFrame进行排序
4-3 重命名Dataframe的index
4-4 merge操作DataFrame
4-5 concatenate和Combine
4-6 数据预处理通过apply进行
4-7 数据清洗通过去重进行
4-8 时间序列操作基础
4-9 采样和绘图时间序列数据
4-10 Binnningning数据分箱技术
4-11 GroupBy数据分组技术
4-12 Aggregation数据聚合技术
4-13 透视表
4-14 实战分组和透视功能
4-15 Streaming DataFrame
第5章 Matplotlibib绘图和可视化
数据可视化是数据分析领域非常重要的内容。本章将学习Matplotlib的基本使用，包括如何绘制Series和Pandas中的Dataframe， 以及图形样式和显示模式的设置。
5-1 Matplotlib介绍
5-2 plotttlib简单绘图matplotlib
5-3 subplottlib简单绘图matplotlib
5-4 Seriess，Pandas绘图
5-5 DataFramee
5-6 直方图和密度图
第6章 Seaborn绘图和可视化
Seaborn是Matplotlib的进一步包装。其强大的配色功能和内置的各种绘图模式使其成为目前最流行的数据科学绘图工具。本章将介绍Seaborn的基本用途以及与matplotlib的功能对比。
6-1 seaborn介绍
6-2 seaborn实现直方图和密度图
6-3 seaborn实现柱状图和热力图
6-4 seaborn图形显示效果的设置
6-5 seaborn强大的调色功能
第7章 实战数据分析项目
通过对前六章的研究，我们基本上掌握了数据分析领域主要工具的使用。本章将通过对股票市场实际作战项目的分析，与您一起分析数据，然后获得有用的信息。
7-1 实战准备
7-2 股市分析实战数据获取
7-3 股市分析实战历史趋势分析
7-4 股票市场分析实战风险分析
第8章 课程总结
本章的总结不是对前八章内容的总结，而是为您指明了继续学习和锻炼的道路。我希望你能坚持练习，尽快取得积极的结果。
8-1 总结
[我要扒资料]
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
