【博学网课】Python3学习之Python3数据科学入门与实战
Python3数据科学入门与实战
这是一个数据驱动的时代，想要从事机器学习、人工智能、数据挖掘等前沿技术，都离不开数据跟踪，本课程通过Numpy、Pandas进行数据科学计算，通过Seaborn、 Matplotlib进行数据图形化展示；从实战角度出发，让你在数据科学领域迈出重要的一步，开启Data Science职业之旅！
第1章 实验环境的搭建
本章将主要介绍Anaconda和Jupyter Notebook。包括如何在windows，Mac，linux等平台上安装Anaconda，以及Jupyter Notebook的基本启动使用方法。
1-1 导学视频
1-2 Anaconda和Jupyter notebook介绍
1-3 Anaconda在Mac上的安装演示
1-4 Anaconda在windows上安装演示
1-5 Anaconda在Linux上的安装演示
1-6 Jupyter-notebook的使用演示
第2章 Numpy入门
本章将介绍Python数据科学领域里最基础的一个库——Numpy，回顾矩阵运算基础，介绍最重要的数据结构Array以及如何通过Numpy进行数组和矩阵运算。
2-1 数据科学领域5个常用Python库
2-2 数学基础回顾之矩阵运算
2-3 Array的创建及访问
2-4 数组与矩阵运算
2-5 Array的input和output
第3章 Pandas入门
本章将介绍Python数据科学领域用于数据分析最重要的一个库——Pandas。将从pandas里最重要的两种数据结构Series和DataFrame开始，介绍其创建和基本操作，通过实际操作理解Series和DataFrame的关系。
3-1 Pandas Series
3-2 Pandas DataFrame
3-3 深入理解Series和Dataframe
3-4 Pandas-Dataframe-IO操作
3-5 DataFrame的Selecting和indexing
3-6 Series和Dataframe的Reindexing
3-7 谈一谈NaN
3-8 多级Index
3-9 Mapping和Replace
第4章 Pandas玩转数据
本章是Pandas的进阶。我们会使用Pandas进行高级的数据分析操作，包括如何去做数据清洗、预处理和排序等数学计算，数据的分箱技术，分组技术，聚合技术，以及透视表等。
4-1 DataFrame的简单数学计算
4-2 Series和DataFrame的排序
4-3 重命名Dataframe的index
4-4 DataFrame的merge操作
4-5 Concatenate和Combine
4-6 通过apply进行数据预处理
4-7 通过去重进行数据清洗
4-8 时间序列操作基础
4-9 时间序列数据的采样和画图
4-10 数据分箱技术Binning
4-11 数据分组技术GroupBy
4-12 数据聚合技术Aggregation
4-13 透视表
4-14 分组和透视功能实战
4-15 Streaming DataFrame
第5章 绘图和可视化之Matplotlib
数据的可视化是数据分析领域里非常重要的内容。本章会学习Matplotlib的基本使用，包括如何对Pandas里的Series和DataFrame绘图， 以及图形样式和显示模式的设置等内容。
5-1 Matplotlib介绍
5-2 matplotlib简单绘图之plot
5-3 matplotlib简单绘图之subplot
5-4 Pandas绘图之Series
5-5 Pandas绘图之DataFrame
5-6 直方图和密度图
第6章 绘图和可视化之Seaborn
Seaborn是对Matplotlib的进一步封装，其强大的调色功能和内置的多种多样的绘图模式，使之成为当下最流行的数据科学绘图工具。本章将介绍Seaborn的基本使用，以及和matplotlib的功能对比。
6-1 seaborn介绍
6-2 seaborn实现直方图和密度图
6-3 seaborn实现柱状图和热力图
6-4 seaborn图形显示效果的设置
6-5 seaborn强大的调色功能
第7章 数据分析项目实战
通过前六章的学习，我们基本上掌握了数据分析领域里主要工具的使用，本章将通过一个股票市场的分析实战项目，和大家一起用学过的知识去分析数据，进而得到有用的信息。
7-1 实战准备
7-2 股票市场分析实战之数据获取
7-3 股票市场分析实战之历史趋势分析
7-4 股票市场分析实战之风险分析
第8章 课程总结
本章的总结不是对前面8章内容的汇总，而是给大家指明了一条继续学习和锻炼的道路。希望大家坚持练习，早日修成正果。
8-1 总结
