课程概述
使用数据科学与人工智能领域最主流语言Python及其建模工具工具包作为核心武器。全程以案例实战为中心，全部基于真实数据集进行数据实操演练，以可视化展示为分析重点，对复杂的数据进行数据探索与数据可视化分析。通俗讲解涉及到的每一个知识点与工具包API的使用，方便同学们快速上手使用Python进行数据分析。数据和代码在目录中，需要PC登录才可以下载。课程永久有效！
返现请加微信:
wangadou2012
- 课程目录
- 课程介绍
课时1:课程介绍
课时2:Pandas概述
课时3:Pandas基本操作
课时4:课程所有数据和代码下载
课时5:Pandas索引
课时6:groupby操作
课时7:数值运算
课时8:对象操作
课时9:对象操作2
课时10:merge操作
课时11:显示设置
课时12:数据透视表
课时13:时间操作
课时14:时间序列操作
课时15:Pandas常用操作
课时16:Pandas常用操作2
课时17:Groupby操作延伸
课时18:字符串操作
课时19:索引进阶
课时20:Pandas绘图操作
课时21:大数据处理技巧
课时22:Matplotlib概述
课时23:子图与标注
课时24:风格设置
课时25:条形图
课时26:条形图细节
课时27:条形图外观
课时28:盒图绘制
课时29:盒图细节
课时30:绘图细节设置
课时31:绘图细节设置2
课时32:直方图与散点图
课时33:3D图绘制
课时34:pie图
课时35:子图布局
课时36:结合pandas与sklearn
课时37:散点图基本绘制
课时38:散点图参数设置
课时39:自定义绘图
课时40:任务概述
课时41:聚类区域划分
课时42:客流趋势动态展示
课时43:邻居情况分析
课时44:数据特征
课时45:不同类别的出租车情况
课时46:特征可视化分析
课时47:聚类特征
课时48:xgboost模型
课时49:加入天气特征
课时50:数据与环境配置
课时51:数据与关键词信息
课时52:关键词云与直方图展示
课时53:特征可视化
课时54:数据清洗概述
课时55:缺失值填充方法
课时56:推荐引擎构造
课时57:数据特征构造
课时58:得出推荐结果
课时59:人口普查预测任务概述
课时60:单特征与缺失值展示
课时61:第一步：数据清洗
课时62:特征工程
课时63:单变量展示
课时64:双变量分析
课时65:开发新变量
课时66:ROC与AUC
课时67:机器学习模型
课时68:PCA降维流程
课时69:特征向量的重要程度
课时70:降维结果可视化展示
课时71:LDA降维效果
课时72:T-SNE降维效果
课时73:任务概述
课时74:商品类别划分
课时75:商品类别可视化展示
课时76:描述长度对价格的影响
课时77:词云展示
课时78:tf-idf
课时79:降维可视化展示
课时80:聚类与主题模型
课时81:多变量分析概述
课时82:深入散点图
课时83:善用apply函数
课时84:方差与协方差
课时85:相关系数展示
课时86:标准化的作用
课时87:主成分分析
课时88:任务与数据概述
课时89:双变量热度图绘制方法
课时90:复购情况
课时91:购物车情况与复购
课时92:聚类划分
课时93:kiva贷款数据集介绍
课时94:各个国家贷款需求
课时95:贷款金额与还款间隔
课时96:深入各个行业分析
课时97:时间序列分析
课时98:指标分析
相关教程
随机推荐
妙记扑克精品扑克牌耐折耐打娱乐纸牌测评结果震惊你!来看下质量...