Python数据分析概述

1．数据分析的概念、流程、应用场景

2．数据分析常用的工具、python数据分析的优势、常用类库的介绍

3．Jupyter Notebook的安装及使用

Numpy数值计算基础

1．ndarray的创建、访问、常用属性

2．矩阵的创建

3．通用函数ufunc

4．广播机制

5．数学知识

6．简单统计分析，读写文件、排序、去重、常用统计函数

Pandas统计分析基础

1．Series常用操作

2．DataFrame常用操作

3．读写不同数据源

4．数据过滤与转换

5．时间序列操作

6．分组与聚合

7．透视与交叉表

利用pandas进行数据预处理

1．合并数据，堆叠合并、主键合并、重叠合并

2．清洗数据，处理重复值、缺失值、异常值的处理

3．标准化数据，离差标准化、标准差标准化、小数定标标准化

4．转化数据 ，类别型特征处理为哑变量，连续性特征离散化处理

数据可视化

1．数据可视化概述

2．常用图表，如柱状图、饼状图、直方图、箱线图等的介绍

3．matplotlib绘图基础，如基础语法、rc参数、标签刻度、子图等

4．matplotlib绘图实战

5．pandas绘图实战

机器学习与挖掘建模

1．机器学习概述

2．机器学习分类

3．机器学习流程

4．机器学习评估

5．经典机器学习算法原理剖析，如 knn、kmeans、朴素贝叶斯、决策树、线性回归、逻辑回归、支持向量机、关系分析等

6．关联规则算法

7．时序模式

8．物体推荐算法

9．使用sk-learn建模，包括数据集划分、数据预处理、模型训练、模型评估等

数据分析与挖掘实战案例

1．招聘网站需求分析

2．航空机构客户价值分析

3．财政收入预测分析

4．二手房房价分析