资源介绍：

深入数据分析：我们将深入研究Python中的数据处理工具和技术，包括数据清洗、转换、统计分析和机器学习。您将学会如何从复杂的数据集中提取有价值的信息，并进行深入的数据探索

高级可视化技巧：课程将教授您如何使用Python的可视化库创建引人入胜的图表和可视化。您将了解如何有效地传达数据见解，以便支持决策制定和故事叙述

实际场景挑战：我们将以真实数据为基础，模拟各种实际场景的挑战。您将面临不同领域的数据问题，从金融到健康，从市场营销到社交媒体，以便全面掌握数据解决问题的技能

适合对象：

本课程适合数据分析师、数据科学家、业务分析师以及任何对数据处理和可视化感兴趣的人员。无论您是初学者还是有经验的数据专业人员，本课程都将提供您所需的知识和技能

课程目录

• PART1
• 第二课
• 数据和代码
• 2.1 文件读取之csv文件-
• 2.2 文件读取之json格式-
• 2.3 指标计算-
• 2.4 Numpy数据结构和常用方法-
• 2.5 Numpy常用数据处理函数-
• 2.6 pandas数据结构-
• 第二课 数据处理之常用工具-
• 第六课
• 6.1 数据基本运算-
• 6.2 数据分组计算-
• 6.3 聚合函数agg使用-
• 6.4 apply函数使用-
• 6.5 透视图和交叉表-
• 第六课 数据统计分析和计算-(1)
• 第六课 数据统计分析和计算-
• 前三章作业答案-
• 数据和代码-
• 作业-
• 第七课
• 数据和代码
• 作业
• 7.1 时间序列数据-
• 7.2 数据抽样-
• 7.3 移动窗口相关函数-
• 7.4 数据形状重塑列转行-
• 7.5 数据形状重塑行转列-
• 第七课 数据其他相关操作-
• 第三课
• 视频
• 数据和代码
• 第三课 数据处理之文件交互-
• 作业-.docx
• 第四课
• 4.1 数据筛选-
• 4.2 数据增加和删除-
• 4.3 数据修改和查找-
• 4.4 数据整理-
• 4.5 层次化索引-
• 第四课 数据表操作-
• 第四章作业-.docx
• 数据和代码-
• 作业数据-
• 第五课
• 数据和代码
• 5.1 日期型数据处理-
• 5.2 字符串数据处理-
• 5.3 高阶函数运用上-
• 5.4 高阶函数运用下-
• 5.5 简单函数数据变换-
• 5.6 数据标准化-
• 第五课 数据转换-
• 第五章作业-.docx
• 第一课
• 1.1 数据类型-
• 1.2 列表-
• 1.3 字典-
• 1.4 集合和条件语句-
• 1.5 循环语句上-
• 1.6 循环语句下-
• 1.7 函数编写上-
• 1.8 函数编写下-
• Python数据处理实战之第1课-.html
• Python数据处理实战之第1课-.ipynb
• 第一章作业-.docx
• 数据处理实战第一课 Python基础-
• 课程导读
• 炼数成金数据处理
• 数据处理第八章
• 第八章
• 第八章-
• PART2
• 第九课
• 9.1 重复值处理-
• 9.2 缺失值处理-
• 9.3 异常值判断-
• 9.4 异常值处理-
• 9.5 数据分箱处理-
• 9.6 数据分箱操作-
• 第九课 数据清洗-
• 数据和代码-
• 作业-
• 第十章
• 10.1 字段扩充上-
• 10.1 字段扩充下-
• 10.2 属性规约-
• 10.3 数据量纲级处理-
• 10.4 数据缺失填补上-
• 10.4 数据缺失填补下-
• 10.5 哑变量处理-
• 第七章到第八章答案
• 第十课 特征工程之scikit-learn-
• 第十课-
• 数据和代码
• 作业和数据