背景介绍
最近几年大热的编程语言非 Python 莫属, 很多职场人借助它来数据分析,高效办公。虽然 Python 学习门槛不高,但知识点零散、枯燥,不仅记忆困难,更是难以学以致用。现实中,很多 Python 学习者,最终都未能有效使用 Python,将它变为职场利器。
所以,到底如何学习 Python 最有效?如何应用 Python 才能高效处理、分析数据,提升工作效率?
课程解读
学习 Python,最快、最有效果的方式就是多多动手。
所以,课程依据 Python 语言基础、数据集获取、数据加载及处理、数据预测、数据的可视化呈现,这 5 个功能关卡,带你掌握 Python 做数据分析关键流程,在此基础上,融入了 9 大实战项目,以练带学,帮你做到真正会应用。
① 第一模块,Python 语言基础。
这一模块重点讲述后续课程中需要用到的 Python 语言基础,比如理解程序是如何运行的,学习 Python 的常用指令……即使你 0 编程基础,也能迅速上手,为后面的应用知识打好基础。
② 第二模块,获取数据集。
这一模块我会着重介绍用 Python 获取、筛选、保存网页上数据的技巧和方法。学完之后,你就可以构建任意工作领域的数据集。
③ 第三模块,加载、查看与数据处理。
这一模块会将上一步我们构建的数据集加载到 Python 中,查看、修改,以及清洗掉一些冗余的脏数据。这样你在实际工作中,就能从多种类型的数据文件中加载数据、查看数据、清洗数据,使数据标准化。
④ 第四模块,深挖数字背后的逻辑。
这一模块我会介绍如何操作数值列,轻松完成统计分析常用的矩阵计算、回归分析等任务。这样你才能在数据中发现“金子”,助力业务,比如预测未来业务数据的趋势等。
⑤ 第五模块,可视化你的分析思路。
这一模块会将之前的数据通过各种形式的图表呈现出来(散点图、直方图、线图、饼图、图例、注解等),你还可以绘制可交互的图表,让你的方案汇报更加清晰、有亮点。
⑥ 第六模块,综合项目实战篇。
这一部分会通过多个实际、高级、综合的数据分析任务,比如全球新冠肺炎区域确诊病例趋势分析、电影票房预测模型、用户流失预测与分析等。让你融会贯通所学技巧,同时学会数据分析的基本套路与方法。
课程大纲
开篇词:学会python数据分析,用数据赋能职业成长
- 课前基础:计算机运行一个程序的过程;
- 课前准备:搭建一个高效的python开发环境;
模块一 千里之行始于足下:python语言基础
- python常用的变量和数据类型
- 流程控制:如何控制代码执行的顺序
- 函数:快速实现代码的复用
- 类与对象:更好的组织你的代码
- 案例实战:日程管理小工具
模块二 兵马未动粮草先行:获取用于数据分析的数据集
- 爬虫基础:个人获取数据集的正确姿势
- 下载网页:如何使用模拟请求下载真实的网页?
- 提取数据:如何从网页中提取感兴趣的内容?
- 保存数据:如何将爬取的数据保存成csv格式
- 实战:手把手教你构建国产电视剧评分数据集
模块三 数据处理的银弹:加载、浏览和修改数据
- 课前准备:安装Pandas工具包
- 文件处理:如何读取多种文件的数据?
- DataFrame:如何以表格形式查看和操作数据?
- 高级索引:过滤和查看表格中的局部数据
- 数据清洗:表格数据缺失值与异常值的处理
- 时间序列:时间数据的解析与应用
- 案例实战:如何用python分析电商用户行为?
模块四 深挖数字背后的逻辑:进行统计、预测分析
- 课前准备:安装NumPy工具包
- 如何快速实现数据的批量计算
- 基础统计:如何统计数据的均值、方差等特征
- 回归分析:如何预测未来数据趋势?
- 案例实战:电商用户对商品喜好的预测
模块五 可视化你的分析思路:用各类图表展示你的数据
- 课前准备:安装Matplotlib和Seaborn工具包
- 绘图基础:如何将表中的数据特征画成图?
- 散点图与线图:如何展示不同特征之间的相关性?
- 直方图、条形图和饼图:如何分析数据分布与占比?
- 图像的脊柱、注解和图例:如何画出更专业的图表?
- Seaborn:实现用户可交互的图标
- 案例实战:用图例可视化用户行为分析和喜好预测过程
模块六 项目综合实战篇
- 初识 EDA:全球新冠肺炎确诊病例趋势分析
- AI 落地实战:训练通用电影票房预测模型
- 综合实战:网络服务用户流失预测与分析
- 综合实战:国产电视剧评分预测与分析
- 结束语 | 构建数据分析的技能树
请登录后发表评论
注册