小象学院 Python数据分析 第一期升级版 视频教程附课件代码

冰点也疯狂

课程大纲：
第一课 工作环境准备及数据分析建模理论基础 (2课时)
      1.  课程介绍
      2.  Python语言基础及Python 3.x新特性
% B0 {! M* ^3 u. m3 T$ t2 P1 b; n; [      3.  使用NumPy和SciPy进行科学计算
! b& n1 b  z3 e      4.  数据分析建模理论基础
4 m. j* v% ^0 t* D  T           a.  数据分析建模过程
2 p6 s& F' f( ^/ v6 Y           b.  常用的数据分析建模工具
* h$ n. v/ b+ p" H; S1 I9 R      5.  实战案例：科技工作者心理健康数据分析(Mental Health in Tech Survey)
  ?- w4 q8 r- C' |9 u
第二课 数据采集与操作 (2课时)
      1.  本地数据的采集与操作
' X/ s( A) _) R; e; X& k) j8 j; k! U# c           a.  常用格式的本地数据读写
4 m( G, D: D# ?4 P7 l3 R' ]           b.  Python的数据库基本操作
      2.  网络数据的获取与表示
           a.  BeautifulSoup解析网页
           b.  爬虫框架Scrapy基础
      3.  回归分析-- Logistic回归
9 I% f4 _' `4 C      4.  实战案例：获取国内城市空气质量指数数据
; M; d- {9 M2 A
第三课 数据分析工具Pandas (2-3课时)
      1.  Pandas的数据结构
      2.  Pandas的数据操作
           a.  数据的导入、导出
           b.  数据的过滤筛选
           c.  索引及多重索引
      3.  Pandas统计计算和描述
1 S3 M$ F$ E) k; V+ ~3 N      4.  数据的分组与聚合
- x; c& t+ R1 t9 @7 a/ k  P  H/ \      5.  数据清洗、合并、转化和重构
3 ]4 K) A; K9 m, g' A6 F! k7 X      6.  聚类模型 -- K-Means
      7.  实战案例：全球食品数据分析(World Food Facts)
! g8 o  Q" c5 W7 `
4 i* A% j" T9 i6 e8 b+ _- H+ W3 @第四课 数据可视化 (2课时)
6 S# r. S% H7 }, Q( Q4 r5 r, Y      1.  Matplotlib绘图
      2.  Pandas绘图
1 V6 z3 d5 z' c# E2 e      3.  Seaborn绘图
: V  F/ n% V. n. i3 B  y, c; z9 L      4.  交互式数据可视化 -- Bokeh绘图
      5.  实战案例：世界高峰数据可视化 (World's Highest Mountains)

第五课 时间序列数据分析 (2课时)
) t2 y  _5 c3 a( u      1.  Python的日期和时间处理及操作
      2.  Pandas的时间序列数据处理及操作
& S$ h4 K; }$ q' i; @) n$ E9 ^$ a1 ~- ~      3.  时间数据重采样
: a  R- q2 G+ Y* Q0 z      4.  时间序列数据统计 -- 滑动窗口
      5.  时序模型 -- ARIMA
% u0 D+ o6 g7 O) H8 G8 U      6.  实战案例：股票数据分析
9 ^2 _3 S8 y; c5 `
) @: _) ^; y0 e4 E  Q3 B第六课 文本数据分析 (2课时)
      1.  Python文本分析工具NLTK
      2.  分词
      3.  情感分析
* M" \  `. Q7 G+ V! s3 M: e( ]      4.  文本分类
      5.  分类与预测模型 -- 朴素贝叶斯
      6.  实战案例：微博情感分析

第七课 图像数据处理及分析 (2课时)
      1.  基本的图像操作和处理
2 ]2 I' ]! x& J$ o1 `5 M+ o      2.  常用的图像特征描述
7 @' q5 [  d% a/ P& w& c) P      3.  分类与预测模型 -- 人工神经网络
+ `8 q/ x4 F* W4 j8 v+ W; @2 k, x      4.  实战案例：电影口碑与海报图像的相关性分析

4 F; q8 x, u2 u- l6 Y. ?第八课 机器学习基础及机器学习库scikit-learn (2课时)
      1.  机器学习基础
      2.  Python机器学习库scikit-learn
3 S5 @+ T6 Q, L" W      3.  特征降维 -- 主成分分析
. c& h1 Y# w4 n3 C8 F  C      4.  实战案例：识别Twitter用户性别 (Twitter User Gender Classification)
- ^7 J' x' Y  M- |
第九课 项目实战：通过移动设备行为数据预测使用者的性别和年龄(2课时)
$ n& E; O1 Y0 |* F1 H+ u0 H, w      1.  交叉验证及参数调整
      2.  特征选择
' a. _6 k0 |2 Q; }$ e      3.  项目实操
+ z! ^4 p3 V6 |- q# o      4.  课程总结
% Y6 U. o3 G( [6 e+ r  e

m9128213

很好的教程～～