Python教程《Python数据挖掘》4天快速入门视频

内容介绍：

Jupyter Notebook现在已迅速成为数据分析，机器学习的必备工具。因为它可以让数据分析师集中精力向用户解释整个分析过程。而在课程中以 Jupyter Notebook的亮相而开头，帮助同学们不断深入的进行数据分析教学，同学们能够快速的掌握数据分析而进行企业级的项目开发。

该阶段主要是介绍一些数据科学领域用Python语言实现的基础库，如简洁、轻便的数据可视化展示工具Matplotlib，高效的运算工具Numpy，方便的数据处理工具Pandas，为人工智能阶段打基础。

1. 用最快地办法入门数据科学

2. 用最简单方式轻松掌握数据科学基础库

第一天

01-环境搭建

02-JupyterNotebook介绍

03-快速上手JupyterNotebook

04-Matplotlib介绍

05-快速上手Matplotib

06-Matplotlib三层结构

07-完善折线图(画布层)

08-修改x、y轴刻度

09-中文问题解决

10-其他辅助显示层完善折线图

11-完善折线图(图像层)

12-创建多个绘图区

13-折线图应用场景

14-常见图表及散点图

15-柱状图

16-直方图

17-饼图

18-总结

第二天

01-上节回顾

02-今日目标

03-Numpy优势

04-ndarray属性

05-生成数组的方法

06-均匀分布与正态分布

07-切片索引与形状修改

08-类型修改与数组去重

09-逻辑运算

10-统计运算

11-数组间运算

12-矩阵运算

13-合并与分割

14-10操作与数据处理

15-总结

答疑

第三天

01-上节回顾

02-Pandas介绍

03-DataFrame属性和方法

04-DataFrame索引设置

05-Multilndex与Panel

06-Series

07-索引操作

08-赋值与排序

09-算术运算与逻辑运算

10-统计运算与自定义运算

11-Pandas画图

12-CSV文件的读取与存储

13-hdf5文件的读取与存储

14-json文件的读取与存储

15-总结

第四天

01-上节内容回顾

02-今日安排

03-处理np.nan类型的缺失值

04-处理其他标记的缺失值

05-数据离散化

06-按方向合并pd.ｃｏｎｃａｔ()

07-按索引合并pd.merge0

08-交叉表与适视表

09-分组与聚合

10-综合案例

11-总结