Python數(shù)據(jù)分析與可視化呈現(xiàn)-2天

Python數(shù)據(jù)分析與可視化呈現(xiàn)
課程背景
互聯(lián)網(wǎng)的飛速發(fā)展伴隨著海量信息的產(chǎn)生，而海量信息的背后對應的則是海量數(shù)據(jù)如何從這些海量數(shù)據(jù)中獲取有價值的信息來供人們學習和工作使用，這就不得不用到大數(shù)據(jù)挖掘和分析技術。數(shù)據(jù)分析作為大數(shù)據(jù)技術的核心一環(huán)，其重要性不言而喻。
在數(shù)據(jù)分析領域，Python語言以其簡單易用，并提供了優(yōu)秀、好用的第三方庫和數(shù)據(jù)分析的完整框架而深受數(shù)據(jù)分析人員的青睞?？梢哉f，Python 已經(jīng)當仁不讓地成為了數(shù)據(jù)分析人員的一把“利器”。程序員想要進入數(shù)據(jù)分析行業(yè)，首先要掌握 Python 數(shù)據(jù)分析技術，只有這樣才能在嚴峻的就業(yè)市場中具有較強的競爭力。
課程收益
通過本課程學習，達到如下目的：
能夠搭建自己的編程開發(fā)環(huán)境，并掌握Python編程的基礎語法知識、精髓其編程思想；
學會使用Pandas庫完成數(shù)據(jù)的導入導出、數(shù)據(jù)整理和數(shù)據(jù)多角度分析的方法；
學會使用Matplotlib模塊繪制常用圖表和高大上圖表，以及如何與EXCEL聯(lián)動；
了解機器學習概念，會使用Sklearn模塊進行線性回歸、邏輯回歸的分析方法。
能結合課程學習到的方法和工具對本職工作中遇到的場景進行針對性分析。
培訓對象
本課程適用于職場從事數(shù)據(jù)分析或和數(shù)據(jù)分析工作相關的職場人士。
?授課講師
張曉如 老師（微軟OFFICE大師級認證）
?授課時間
標準2天（6小時/天），也可根據(jù)需求調(diào)整為3天或1天。
課程大綱PartⅠ、數(shù)據(jù)分析理念
*了解數(shù)據(jù)分析的方法、工具和流程。
什么是數(shù)據(jù)分析？
概念與目的
發(fā)現(xiàn)數(shù)據(jù)規(guī)律——找到可行方案——指導管理決策。
數(shù)據(jù)分析三階段
描述性分析，發(fā)生了何事
診斷性分析，為何發(fā)生
預測性分析，將發(fā)生何事
數(shù)據(jù)分析方法
對比分析
同比分析
環(huán)比分析
回歸分析
聚類分析
時間序列分析
數(shù)據(jù)分析的工具
常規(guī)工具VS高大上工具
數(shù)據(jù)分析流程
步驟1：明確目的
確定分析目的：要解決什么樣的業(yè)務問題
確定分析思路：分解業(yè)務問題，構建分析框架
步驟2：數(shù)據(jù)收集
明確收集數(shù)據(jù)范圍
確定收集來源
確定收集方法
步驟3：數(shù)據(jù)預處理
數(shù)據(jù)質(zhì)量評估
數(shù)據(jù)清洗、數(shù)據(jù)處理和變量處理
步驟4：數(shù)據(jù)分析
選擇合適的分析方法
構建合適的分析模型
選擇合適的分析工具
步驟5：數(shù)據(jù)展示
選擇恰當?shù)膱D表
選擇合適的可視化工具
步驟6：報表撰寫
選擇報告種類
完整的報告結構
Part2、Python環(huán)境搭建與編程基礎
*搭建自己的Python編程開發(fā)環(huán)境，并掌握Python編程思想、編程語句、數(shù)據(jù)結構。
認識Python與環(huán)境搭建
What——什么是Python
Anaconda如何下載、安裝、配置
IDLE VS Jupyter Notebook VS Spyder
Python初體驗——十秒鐘快速創(chuàng)建100個Excel工作薄并統(tǒng)一命名
Spyder界面介紹
Python文件的打開、編輯與保存
案例：認識一下Python代碼的整體構成
變量與數(shù)據(jù)類型
變量的賦值與命名規(guī)則
數(shù)值型：整型與浮點型
字符型：字符型的定義
邏輯型：1和0，或TRUE和FALSE
數(shù)據(jù)類型的查詢：TYPE函數(shù)
數(shù)據(jù)類型的運算：數(shù)值型/字符型/邏輯型如何運算
數(shù)據(jù)類型的轉換：Str()函數(shù)、int()函數(shù)、float()函數(shù)
數(shù)據(jù)結構
列表（LIST）：如何定義/訪問/增加/修改/刪除
字典(DICTIONARY)：如何定義/訪問/增加/修改/刪除
元組：如何定義/訪問
集合：如何定義/訪問
編碼基本規(guī)則與流程控制語句
縮進、注釋、其他規(guī)則
If語句——選擇結構
For語句——循環(huán)結構
While語句——循環(huán)結構
循環(huán)結構中的break語句和continue語句
控制語句的嵌套
函數(shù)
常用內(nèi)置函數(shù)：print()input()replace()/strip()/split()open()……
如何自定義函數(shù):def語句
模塊的類別、安裝、導入
內(nèi)置模塊
第三方模塊
用PIP命令安裝、卸載、升級模塊
Import語句導入模塊
From語句導入模塊
練習：基本Python編程語句實戰(zhàn)操作。
Part3、Pandas模塊數(shù)據(jù)分析
*學習Pandas對文件的讀寫操作、數(shù)據(jù)整理和數(shù)據(jù)分析方法。
pandas數(shù)據(jù)結構
Series對象：如何定義/訪問/增加/修改/刪除
DataFrame對象：如何定義/訪問/增加/修改/刪除
讀、寫數(shù)據(jù)
讀、寫文本文件
讀、寫Excel文件
讀、寫數(shù)據(jù)庫數(shù)據(jù)
讀、寫網(wǎng)頁
數(shù)據(jù)操作
數(shù)據(jù)的增、刪、改、查
NaN數(shù)據(jù)處理
時間數(shù)據(jù)的處理
數(shù)據(jù)的抽?。鹤侄尾鸱?、記錄抽取、隨機抽樣
數(shù)據(jù)的預處理
處理缺失值
去除重復數(shù)據(jù)
處理異常值
合并數(shù)據(jù)：追加合并、匹配合并
數(shù)據(jù)標準化：0-1標準化
數(shù)據(jù)的分組與聚合
數(shù)據(jù)分組
數(shù)據(jù)聚合
基礎數(shù)據(jù)分析方法
批量升序/降序排序一個工作薄中的所有工作表
使用描述統(tǒng)計呈現(xiàn)數(shù)據(jù)的相關指標（如平均值、極值、%分位值、峰度系數(shù)、偏度系數(shù)等）
進階數(shù)據(jù)分析方法
制作數(shù)據(jù)透視表進行交叉分析
分組對比分析（定性分組與定量分組）
使用相關系數(shù)判斷數(shù)據(jù)的相關性
案例實操：超市交易數(shù)據(jù)清洗、查看員工業(yè)績波動、分析員工業(yè)績。
Part4、Matplotlib模塊數(shù)據(jù)可視化
*學習常用圖表的繪制，以及如何與EXCEL聯(lián)動。
制作簡單圖表
條形圖
餅圖
折線圖
柱形圖
導入Excel數(shù)據(jù)制作簡單圖表
散點圖
面積圖
箱形圖
圖表保存回Excel
制作組合圖表
雙折線圖
設置圖表相關元素
標題、圖例、數(shù)據(jù)標簽
繪圖區(qū)域切分為多個空間
模塊的交互使用
Xlwings模塊與pandas模塊的交互
Xlwings模塊與matplotlib模塊的交互
可視化模塊拓展
Seaborn模塊可視化制作分類圖
Pyecharts模塊制作箱線圖
案例實操：繪制圖表并在EXCEL文件中自動呈現(xiàn)
Part5、Sklearn機器學習實戰(zhàn)
*了解機器學習概念，掌握線性回歸、邏輯回歸的分析方法。
機器學習基本概念
機器學習庫sklearn簡介.
擴展庫sklearn常用模塊與對象.
選擇合適的模型和算法
線性回歸算法的原理與應用
線性回歸模型的原理.
sklearn中線性回歸模型的簡單應用+
嶺回歸的基本原理與sklearn實現(xiàn)
使用線性回歸模型預測兒童身高·.
邏輯回歸算法的原理與應用·
..邏輯回歸算法的原理與應用sklear實現(xiàn)
使用邏輯回歸算法預測.考試能否及格
樸素貝葉斯算法的原理與應用
基本概念..
樸素貝葉斯算法分類的原理與sklearn實現(xiàn)
使用樸素貝葉斯算法對中文..郵件進行分類...
Part6、綜合案例實戰(zhàn)（選講）
使用線性回歸分析對銷售收入進行分析和預測
使用Pandas、sklearn模塊對客戶價值進行分析
特別注意
學員自備電腦（建議一人一臺），老師講解示范后學員操作練習；本課程內(nèi)容及順序可能根據(jù)學員需求及難度而調(diào)整。

張曉如老師的其它課程