深度學習、機器學習和數(shù)據(jù)分析必須用Pandas。Pandas是在Python最直接最流行的數(shù)據(jù)處理框架。這門課程目標是，高效快速的讓大家在最短的時間內(nèi)掌握好pandas這個在python數(shù)據(jù)分析中不可缺少的數(shù)據(jù)分析框架，可以這么說，如果你不會使用pandas，那你就談不上會用python做數(shù)據(jù)分析。
適用人群
有志于學習技術的所有人
課程簡介
注意：實驗數(shù)據(jù)在第二講中下載。
本課程會使用奧林匹克一個真實的數(shù)據(jù)作為實驗數(shù)據(jù)，從零基礎到各種pandas的常用操作，到常用的數(shù)據(jù)可視化，讓你在最短的時間內(nèi)掌握好pandas，輕松愉快的玩轉數(shù)據(jù)分析。課程包括以下內(nèi)容：
第一章：聽課注意事項及初識pandas
第二章：Series和Dataframes
第三章：數(shù)據(jù)輸入及驗證
第四章：數(shù)據(jù)基本分析
第五章：數(shù)據(jù)可視化基礎篇
第六章：數(shù)據(jù)索引
第七章：數(shù)據(jù)分組
第八章：數(shù)據(jù)重塑
第九章：數(shù)據(jù)可視化進階篇
第十章：數(shù)據(jù)框架多表操作
第十一章：房價數(shù)據(jù)分析案例
第十二章：貸款風險預測案例
第1章聽課注意事項及初識pandas
1-1課程介紹
1-2觀看課程注意事項
1-3初識pandas
第2章Series和DataFrames
2-1數(shù)據(jù)讀取及Dataframe初識
2-2Series及其與Dataframe的關系
2-3本章實戰(zhàn)場
2-4pandas老司機帶你過第一關
第3章數(shù)據(jù)輸入與驗證
3-1pandas數(shù)據(jù)輸入
3-2shape屬性
3-3head和tail方法
3-4info方法
第4章基本數(shù)據(jù)分析
4-1數(shù)據(jù)頻率統(tǒng)計-value_counts方法
4-2數(shù)據(jù)排序-sort_values方法
4-3布爾值索引快速篩選數(shù)據(jù)
4-4字符串處理--模糊查詢
4-5基本數(shù)據(jù)分析實戰(zhàn)現(xiàn)場
4-6pandas老司機帶你過第二關
第5章數(shù)據(jù)可視化基礎篇
5-1初識Matplotlib與Seaborn
5-2常見圖形-線形圖 柱狀圖及餅狀圖
5-3圖形顏色設置
5-4圖形尺寸設置
5-5多顏色自動匹配-colormaps
5-6seanborn初探
5-7第五章實戰(zhàn)現(xiàn)場
5-8pandas老司機帶你過第三關
第6章數(shù)據(jù)索引
6-1數(shù)據(jù)索引初識
6-2數(shù)據(jù)索引的設置方式
6-3索引復位
6-4按索引排序數(shù)據(jù)
6-5loc數(shù)據(jù)行索引
6-6iloc索引
6-7第六章實戰(zhàn)現(xiàn)場
6-8pandas老司機帶你過第四關
第7章數(shù)據(jù)分組
7-1數(shù)據(jù)分組對象
7-2遍歷分組對象
7-3分組數(shù)據(jù)常用操作
7-4第七章實戰(zhàn)現(xiàn)場
7-5pandas老司機帶你過第五關
第8章數(shù)據(jù)重塑
8-1重塑數(shù)據(jù)準備
8-2stack和unstack用法
8-3第八章實戰(zhàn)現(xiàn)場
8-4pandas
第9章數(shù)據(jù)可視化續(xù)篇
9-1heatmap數(shù)據(jù)總結圖
9-2定制colormap
9-3第九章實戰(zhàn)現(xiàn)場及老司機帶你飛
第10章多表操作
10-1批量處理數(shù)據(jù)-apply函數(shù)
10-2數(shù)據(jù)多表合并之concat方法
10-3數(shù)據(jù)框架多表左右內(nèi)外連接
第11章房價數(shù)據(jù)分析及預測
11-1初看多維度房價相關數(shù)據(jù)
11-2數(shù)據(jù)合并及初級線性回歸
11-3多變量線性回歸
第12章金融貸款風險預測
12-1貸款數(shù)據(jù)預覽與導入
12-2特征選擇與數(shù)據(jù)清洗
12-3數(shù)據(jù)探索
12-4風險預測建模-高斯樸素貝葉斯模型
12-5數(shù)據(jù)預測及模型評估
數(shù)據(jù)預測及模型評估
| 
首頁 課程表 在線聊 報名 講師 品牌 QQ聊 活動 就業(yè)