从零开始学Python数据分析课件.pptx

1、从零开始学从零开始学Python数据分析数据分析1 Python环境搭环境搭建与使用建与使用1 Python环境搭建与使用1.1 Anaconda的安装和使用 1.1.1 Anaconda的安装1.1.2 Anaconda的使用1.2 Jupyter Notebook的使用 1.2.1 更改工作空间1.2.2 界面介绍与使用2 NumPy入门和入门和实战实战2 NumPy入门和实战DCBA2.1 ndarray多维数组2.2 数组的索引和切片2.3 数组的运算2.4 数组的存取E2.5 综合示例图像变换LOGOM.94275.CN2 NumPy入门和实战2.1 ndarray多维数组012.1

2、.1 创建ndarray数组2.1.2 ndarray对象属性020304052.1.3 ndarray数据类型2.1.4 数组变换2.1.5 NumPy的随机数函数LOGOM.94275.CN2 NumPy入门和实战2.2 数组的索引和切片2.2.1 数组的索引2.2.2 数组的切片2.2.3 布尔型索引2.2.4 花式索引2.3 数组的运算2 NumPy入门和实战2.3.1 数组和标量间的运算2.3.2 通用函数2.3.3 条件逻辑运算2.3.6 排序2.3.5 布尔型数组运算2.3.4 统计运算2 NumPy入门和实战2.3 数组的运算2.3.7 集合运算12.3.8 线性代数22 Nu

3、mPy入门和实战2.4 数组的存取2.4.1 数组的存储12.4.2 数组的读取23 pandas入门和入门和实战实战3 pandas入门和实战013.1 pandas数据结构023.2 pandas索引操作033.3 pandas数据运算043.4 层次化索引053.5 pandas可视化063.6 综合示例小费数据集3 pandas入门和实战3.1 pandas数据结构3.1.1 创建Series数据013.1.2 创建DataFrame数据023.1.3 索引对象033 pandas入门和实战3.2 pandas索引操作3.2.1 重新索引3.2.2 更换索引3.2.3 索引和选取3.2

4、.4 操作行和列3.3 pandas数据运算3 pandas入门和实战DCBA3.3.1 算术运算3.3.2 函数应用和映射3.3.3 排序3.3.4 汇总与统计E3.3.5 唯一值和值计数3 pandas入门和实战3.4 层次化索引3.4.1 层次化索引简介013.4.3 汇总统计033.4.2 重排分级顺序023 pandas入门和实战3.5 pandas可视化3.5.1 线形图13.5.3 直方图和密度图33.5.2 柱状图23.5.4 散点图43 pandas入门和实战3.6 综合示例小费数据集D3.6.4 数据清洗E3.6.5 数据探索A3.6.1 数据分析流程B3.6.2 数据来源

5、C3.6.3 定义问题4 外部数据的读取外部数据的读取与存储与存储4 外部数据的读取与存储4.1 文本数据的读取与存储4.2 JSON和Excel数据的读取与存储4.3 数据库的读取与存储4.4 Web数据的读取DCAB4.1 文本数据的读取与存储4 外部数据的读取与存储4.1.2 TXT文件的读取4.1.1 CSV文件的读取4.1.3 文本数据的存储LOGOM.94275.CN4 外部数据的读取与存储4.2 JSON和Excel数据的读取与存储14.2.1 JSON数据的读取与存储24.2.2 Excel数据的读取与存储4 外部数据的读取与存储4.3 数据库的读取与存储4.3.1 连接数据库

6、4.3.2 读取数据库4.3.3 存储数据库4 外部数据的读取与存储4.4 Web数据的读取4.4.2 网络爬虫024.4.1 读取HTML表格015 数据清洗与整理数据清洗与整理5 数据清洗与整理5.1 数据清洗5.2 数据合并和重塑5.3 字符串处理5.4 综合示例Iris数据集DCAB5.1 数据清洗5 数据清洗与整理5.1.2 移除重复数据5.1.4 利用函数或映射进行数据转换5.1.6 虚拟变量5.1.1 处理缺失值5.1.3 替换值5.1.5 检测异常值5 数据清洗与整理5.2 数据合并和重塑5.2.1 merge合并5.2.3 combine_first合并5.2.4 数据重塑5

7、.2.2 concat连接5 数据清洗与整理5.3 字符串处理5.3.1 字符串方法15.3.2 正则表达式25 数据清洗与整理5.4 综合示例Iris数据集5.4.1 数据来源5.4.2 定义问题5.4.3 数据清洗5.4.4 数据探索6 数据分组与聚合数据分组与聚合6 数据分组与聚合6.1 数据分组6.3 分组运算6.5 综合实例巴尔的摩公务员工资数据集6.2 聚合运算6.4 数据透视表6 数据分组与聚合6.1 数据分组016.1.1 GroupBy简介026.1.2 按列名分组036.1.3 按列表或元组分组046.1.4 按字典分组056.1.5 按函数分组6 数据分组与聚合6.2 聚

8、合运算6.2.1 聚合函数16.2.2 多函数应用26 数据分组与聚合6.3 分组运算6.3.1 transform方法16.3.2 apply方法26 数据分组与聚合6.4 数据透视表6.4.1 透视表16.4.2 交叉表26 数据分组与聚合6.5 综合实例巴尔的摩公务员工资数据集12346.5.1 数据来源6.5.2 定义问题6.5.3 数据清洗6.5.4 数据探索7 matplotlib可可视化视化7 matplotlib可视化7.2 柱状图7.4 自定义设置7.1 线形图7.3 其他基本图表7.5 综合示例星巴克店铺数据集LOGOM.94275.CN7 matplotlib可视化7.1

9、 线形图7.1.1 基本使用7.1.2 颜色与线形7.1.3 点标记7 matplotlib可视化7.2 柱状图017.2.1 基本使用7.2.2 刻度与标签027.2.3 图例037 matplotlib可视化7.3 其他基本图表7.3.1 散点图17.3.2 直方图27 matplotlib可视化7.4 自定义设置017.4.1 图表布局7.4.2 文本注解027.4.3 样式与字体037 matplotlib可视化7.5 综合示例星巴克店铺数据集7.5.1 数据来源7.5.2 定义问题7.5.3 数据清洗7.5.4 数据探索8 seaborn可视化可视化8 seaborn可视化ADBC8

10、.2 分类图8.3 回归图与网格8.4 综合示例泰坦尼克号生还者数据8.1 样式与分布图8 seaborn可视化8.1 样式与分布图8.1.1 seaborn样式018.1.2 坐标轴移除028.1.4 多变量分布图048.1.3 单变量分布图038.2 分类图8 seaborn可视化8.2.1 分类散点图8.2.2 箱线图与琴形图8.2.3 柱状图8 seaborn可视化8.3 回归图与网格018.3.1 回归图028.3.2 网格8 seaborn可视化8.4 综合示例泰坦尼克号生还者数据8.4.1 数据来源8.4.2 定义问题8.4.4 数据探索8.4.3 数据清洗9 pyecharts

11、可视可视化化9 pyecharts可视化9.1 基础图表9.2 其他图表9.3 综合示例糗事百科用户数据9.1 基础图表9 pyecharts可视化9.1.1 pyecharts安装19.1.3 折线图39.1.2 散点图29.1.4 柱状图49 pyecharts可视化9.2 其他图表9.2.2 箱线图029.2.1 饼图019 pyecharts可视化9.3 综合示例糗事百科用户数据9.3.1 数据来源9.3.2 定义问题9.3.3 数据清洗9.3.4 数据探索10 时间序列时间序列10 时间序列10.6 综合示例自行车租赁数据10.5 频率转换与重采样10.4 时期10.3 日期10.2

12、 时间序列基础10.1 datetime模块10 时间序列10.1 datetime模块10.1.1 datetime构造10.1.2 数据转换10 时间序列10.2 时间序列基础10.2.1 时间序列构造110.2.2 索引与切片210 时间序列10.3 日期10.3.1 日期范围10.3.2 频率与移动10 时间序列10.4 时期10.4.1 时期基础0110.4.3 时期数据转换0310.4.2 频率转换0210 时间序列10.5 频率转换与重采样10.5.1 重采样10.5.2 降采样10.5.3 升采样LOGOM.94275.CN10 时间序列10.6 综合示例自行车租赁数据10.6.1 数据来源0110.6.2 定义问题0210.6.4 数据探索0410.6.3 数据清洗0311 综合案例综合案例网站日志分析网站日志分析11 综合案例网站日志分析11.1 数据来源 11.1.1 网站日志解析11.1.2 日志数据清洗11.2 日志数据分析 11.2.1 网站流量分析11.2.2 状态码分析11.2.3 IP地址分析感谢聆听感谢聆听