|
数据分析与建模 第一章 数据分析与大数据平台 1.大数据相关概念 2.大数据特征 3.大数据平台简介 第二章 数据分析流程 1.数据分析 2.数据分析工具 3.数据分析流程 4.典型模型场景 第三章 重要的python库 1.NumPy 2. pandas 3.matplotlib 4.IPython与Jupyter 5.SciPy 6.scikit-learn 7 statsmodels 第4章 NumPy基础:数组与向量化计算 1. NumPy ndarray:多维数组对象 2.通用函数:快速的逐元素数组函数 3.使用数组进行面向数组编程 4.使用数组进行文件输入和输出 5.线性代数 6.伪随机数生成 7.示例与练习 第5章 pandas入门 1.pandas数据结构介绍 2.基本功能 3.描述性统计的概述与计算 4.示例与练习 第6章 数据载入、存储及文件格式 1.文本格式数据的读写 2.二进制格式 3.与Web API交互 4.与数据库交互 5.示例与练习 第7章 数据清洗与准备 1.处理缺失值 2..数据转换 3.字符串操作 4.示例与练习 第8章 数据规整:连接、联合与重塑 1.分层索引 2.联合与合并数据集 3.重塑和透视 4.示例与练习 第9章 绘图与可视化 1.简明matplotlib API入门 2.使用pandas和seaborn绘图 3.其他Python可视化工具 4.示例与练习 第10章 数据聚合与分组操作 1.GroupBy机制 2.数据聚合 3.应用:通用拆分-应用-联合 4.数据透视表与交叉表 5.示例与练习 第11章 时间序列 1.日期和时间数据的类型及工具 2.时间序列基础 3.日期范围、频率和移位 4.时区处理 5.时间区间和区间算术 6.重新采样与频率转换 7.移动窗口函数 8.示例与练习 第12章 高阶pandas 1.分类数据 2.高阶GroupBy应用 3.方法链技术 4.示例与练习 第13章 Python建模库介绍 1.pandas与建模代码的结合 2.使用Patsy创建模型描述 3.statsmodels介绍 4.scikit-learn介绍 5.示例与练习
|
