|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/data-analysis-using-pandas-in-python-learn-by-exercise/
课程评论：没有评论
**Python数据分析/数据科学入门速成课** 本课程旨在快速教授您使用Python进行数据分析和数据科学的基础知识和实用技能。课程结构清晰，涵盖从环境搭建到高级统计分析的全面内容。 **第一部分：Python入门** * **环境搭建与初体验：** 学习安装Anaconda发行版，编写您的第一个Python代码，并熟悉Spyder集成开发环境。 **第二部分：数据处理与操作** * **数据导入与SQL：** 学习如何在Python中运行SQL查询。 * **数据理解与注释：** 掌握理解数据内容并添加代码注释的技巧。 * **缺失值处理：** 学习缺失值的检测和不同处理方法，包括使用均值、中位数、众数填充数值型和日期型数据，以及根据特定字段的缺失值删除记录。 * **数据筛选与选择：** 掌握数据过滤、保留特定列以及使用`iloc`进行数据选择的方法。 * **分组分析与频率分布：** 学习使用`groupby`进行数值变量分析，进行频率分布统计，包括计数、百分比和缺失值百分比。 * **函数与字符串操作：** 介绍Python函数，并学习字符串的基本操作，如子字符串提取。 **第三部分：多数据集处理** * **数据框创建与合并：** 学习动态创建数据框，以及如何追加（append）和连接（concatenate）数据框。 * **数据合并与去重：** 掌握不同数据集的合并（merge）方法，以及基于全部或部分列移除重复项。 * **数据排序与极值查找：** 学习如何对数据框进行排序，并高效查找某列最大值的行，包括使用`idxmax`。 * **衍生字段创建：** 学习基于数值字段、字符字段和日期字段创建新的派生变量。 * **交叉分析与数据透视：** 学习进行交叉表分析（Cross Tab），并将结果转换为新的数据框，还包括结果转置。 * **日期相关操作：** 学习提取日期的第一天、最后一天，以及查找上个月同日。 **第四部分：数据可视化与Python进阶** * **常用图表绘制：** 学习在Jupyter和Spyder环境中绘制直方图、条形图、折线图、饼图和箱线图。 * **Python基础回顾：** 回顾Python中的一些细节和常用概念。 * **变量作用域：** 理解全局作用域和局部作用域。 * **数据类型转换与字符串切片：** 学习变量类型转换（casting）和字符串切片操作。 * **Lambda函数与列删除：** 学习使用Lambda函数，以及从Pandas数据框中删除列。 **第五部分：统计方法与高级主题** * **异常值检测与处理：** 学习简单的异常值检测和处理方法。 * **报表生成：** 学习创建Excel格式的分析报告。 * **数据透视表：** 学习在Pandas数据框中创建数据透视表。 * **列名操作：** 学习重命名数据框的列名。 * **数据库交互：** 学习读、写和追加数据到SQLite数据库。 * **日志记录：** 学习记录代码执行过程的日志。 * **线性回归与假设检验：** 学习使用Python进行线性回归分析和卡方独立性检验。 本课程将帮助您迅速掌握数据科学的核心技能，为进一步深入学习奠定坚实基础。
The course will follow below structureSection 1: Getting started with PythonThis section explains how to install Aanconda distribution and write first codeAdditionally, a walk through of Spyder PlatformSection 2: Working on DataP02 01A running SQL in pythonP02 01 Understand Data n Add Comments in the codeP02 02 Know Contents of the DataP02 03A Missing Value detection n treatment Part1P02 03B Getting Familar with Jupyter IDEP02 03C treating Numeric Missing value with mean n treating date missing valueP02 03D Creating copy of a dataframe n dropping records based on missing value of a particular fieldP02 03E Replacing missing Value with median or modeP02 04 Filtering data n keeping few columns in dataP02 05 use iloc to filter dataP02 06 Numeric Variable Analysis with Group By n Transpose the resultP02 07 Frequency Distribution count n percentage including missing percentageP02 08 Introduction to function n substring stuffSection 3: working on multiple datasetsP03 01 Creating Dataframe on the run Append concatenate dataframeP03 02 Merging DataFramesP03 03 Remove Duplicates Full or column based Sorting Dataframe Keep First Last Max MinP03 04 Getting row for max value of any column easy way n then through idxmaxP03 05 use idxmax iterrows forloop to solve a tricky questionP03 06 Create derived fields using numerical fieldsP03 07 Cross Tab Analysis n putting reult into another dataframe transpose resultP03 08 Derive variable based on character fieldP03 09 Derive variable based on date fieldP03 10 First Day Last Day Same Day of Last n monthSection 4: Data visualization and some frequently used termsP04 01 Histogram n Bar chart in Jupyter and Spyder P04 02 Line Chart Pie Chart Box PlotP04 03 Revisit Some nitty gritty of PythonP04 04 Scope of a variable global scope local scopeP04 05 Range ObjectP04 06 Casting or Variable type conversion n slicing stringsP04 07 Lambda function n dropping columns from pandas dataframeSection 5: Some statistical procedures and other advance stuffsP05 01 Simple Outlier detection n treatmentP05 02 Creating Excel formatted reportP05 03 Creating pivot table on pandas dataframeP05 04 renaming column names of a dataframeP05 05 reading writing appending data into SQLlite databaseP05 06 writing log of code executionP05 07 Linear regression using pythonP05 08 chi square test of independence
