课程特色：

简单

易学

免费、开源

高层语言

可移植性

解释性

面向对象

可扩展性

可嵌入性

丰富的库

课程目标：

Python基础知识、数据类型及结构、常见函数、机器学习；

数据挖掘、机器学习、人工智能、数据模型、挖掘算法等基础知识。

参训对象：

从事数据分析、数据挖掘的各部门人员。

授课形式：

知识讲解、案例分析讨论、角色演练、小组讨论、互动交流、游戏感悟、头脑风暴、强调学员参与。

课程大纲：

一、数据分析概述

1.1数据分析是什么

1.2什么人需要数据分析

1.3数据分析基本流程

二、Python数据分析工具

2.1 python介绍

2.2环境配置与安装的内容

2.3 NumPy

2.4 Pandas

三、数据准备

3.1 数据类型

3.2 数据结构

3.3 数据导入

3.3.1 JSON

3.3.2 MYSQL

3.3.3 Excel

3.4 数据导出

四、数据处理

4.1 数据清洗

4.2 数据抽取

4.3 数据合并

4.4 数据计算

4.5 数据转换

五、数据分析

5.1 基本统计

5.2 分组分析

5.3 结构分析

5.4 分布分析

5.5 交叉分析

5.6 矩阵分析

5.7 RFM分析

六、数据挖掘

6.1 相关分析

6.2 简单线性回归

6.3 多重线性回归

6.4 逻辑回归

6.5 决策树分析

6.6 聚类分析

6.7 因子分析

6.8 关联规则

6.9 时间序列分析

七、数据可视化

import matplotlib.pyplot as plt

matplotlib.org更多库

7.1 饼图

7.2 散点图

7.3 折线图

7.4 柱形图

7.5 直方图

7.6 散点图

7.7 树图

7.8 地图

7.9 热力地图