传智播客Python学院数据分析
1.
一、工作环境准备及数据分析建模理论基础
1.1.
Python 3.x新特性和编码回顾
1.2.
DIKW模型与数据工程
1.3.
数据分析建模理论基础
2.
二、科学计算工具NumPy
2.1.
ndarray的创建与数据类型
2.2.
ndarray的矩阵处理
2.3.
ndarray的元素处理
2.4.
实战案例：2016美国总统大选民意调查统计
3.
三、数据分析工具Pandas
3.1.
Pandas的数据结构
3.2.
Pandas的索引操作
3.3.
Pandas的对齐运算
3.4.
Pandas的函数应用
3.5.
Pandas的层级索引
3.6.
Pandas统计计算和描述
3.7.
Pandas分组与聚合
3.8.
数据清洗、合并、转化和重构
3.9.
聚类模型 -- K-Means介绍
3.10.
实战案例：全球食品数据分析
4.
四、数据可视化工具
4.1.
Matplotlib绘图
4.2.
Seaborn绘图
4.3.
Bokeh绘图
4.4.
实战案例：世界高峰数据可视化
5.
五、自然语言处理NLTK
5.1.
NLTK与自然语言处理基础
5.2.
jieba分词
5.3.
情感分析
5.4.
文本相似度和分类
5.5.
实战案例：微博情感分析
Published with GitBook
Python数据分析课程讲义
Matplotlib
Seaborn
交互式数据可视化—Bokeh