【课程目标】

本课程为基础课程，主要讲解如何利用Python进行数据分析，以及数据可视化。假定学员已经基本掌握Python语言的使用。

**本课程的学习，达到如下目的：

1、 掌握数据分析的基本步骤和过程（数据分析六步曲）

2、 掌握搭建数据分析框架的基本思想（数据分析框架）

3、 熟悉Pandas常用数据结构，掌握用Python访问、操作数据集

4、 掌握Pandas常用的统计功能（函数和方法）

5、 理解统计分析原理，掌握统计分析常用的分析方法

6、 熟练掌握matplotlib模块，熟练画图函数

7、 学会解读图形，形成业务结论和业务策略。

【授课时间】

2天时间

（要根据学员的实际情况调整重点内容及时间）

【授课对象】

业务支持部、IT系统部、系统开发部、网络运维部等相关技术人员。

【学员要求】

1、 每个学员自备一台便携机(必须)。

2、 便携机中事先安装好Python 3.9版本及以上。

注：讲师现场提供开源的安装程序、扩展库，以及现场分析的数据源。

【授课方式】

分析步骤 分析框架 分析方法 可视化呈现 案例实战

采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。

【课程大纲】

**部分： 数据分析基础

目的：掌握数据分析基本步骤和过程，学会如何构造数据分析框架

1、 数据分析 VS 数据挖掘

2、 数据分析的六步曲

Ø 步骤1：明确目的--理清思路

Ø 步骤2：数据收集—理清思路

Ø 步骤3：数据预处理—寻找答案

Ø 步骤4：数据分析--寻找答案

Ø 步骤5：数据展示--观点表达

Ø 步骤6：报表撰写--观点表达

3、 搭建精准营销分析框架

演练：如何用大数据来支撑手机精准营销项目

第二部分： 数据操作基础

1、 简化的Python操作过程

2、 常用扩展包

Ø Numpy数组处理支持

Ø Pandas数据分析和探索工具

Ø Matplotlib可视化工具库

3、 数据集读写

Ø 读取文件（CSV文件、Excel文件）

Ø 数据集保存（CSV、Excel）

4、 数据集结构

Ø 数据集基本属性

Ø Index：位置索引、标签索引

Ø Series：一维结构

Ø DataFrame：二维结构

5、 数据集基本操作

Ø 数据访问：行访问/列访问/值访问

Ø 字段类型

² 类型检查

² 类型转换

² 定义有序类别变量

Ø 排序

² 按值排序

² 按索引排序

Ø 数据筛选

Ø 数据修改

Ø 数据删除

第三部分： 统计分析方法篇

1、 统计分析基础

Ø 统计分析的关键要素

Ø 统计分析三个步骤

2、 六种统计操作

Ø 描述统计describe

Ø 分类计数value_counts

Ø 分段计数/分箱计数value_counts(bins)

Ø 分类汇总(groupby, count/sum/mean/…)

Ø 透视表（多维统计分析）pivot_table

Ø 按日期汇总resample/to_period

案例实战：掌握常用的Python统计函数/方法

3、 五种统计分析方法

Ø 对比分析法(不同用户的消费水平差异)

Ø 结构分析法(用户的学历结构、收入结构分析、动态结构分析)

Ø 分布分析法(用户的年龄分布、用户消费层次)

Ø 交叉分析法(产品偏好分析)

Ø 趋势分析法(销售淡旺季节、用户活跃时间)

案例实战：掌握常用的统计分析方法

第四部分： 数据可视化

目的：掌握作图扩展库，实现数据可视化

1、 中文显示的问题解决

2、 了解图形元素及其函数

Ø 标题、坐标轴、刻度

Ø 数据标签、文本、注释

Ø 图例、网格线、边框

3、 简单图形的画法

Ø 柱状图（简单/复式/堆积/堆积百分比柱状图）

Ø 直方图（分布分析，查看分布特征）

Ø 箱图（判断离群值）

Ø 饼图（结构分析）

Ø 折线图（趋势分析）

4、 复杂图形的画法

Ø 多子图

Ø 多坐标系作图

Ø 多区域作图

5、 图形保存

第五部分： 数据预处理

1、 数据预处理四大任务

Ø 数据清洗

Ø 数据集成

Ø 样本处理

Ø 变量处理

2、 数据集成

Ø 数据追回

Ø 变量合并

Ø 拼接

演练：样本追加与变量合并

3、 数据清洗

Ø 四大异常数据

Ø 重复值检查与处理

Ø 无效值检查与处理

Ø 离群值检查与处理

Ø 缺失值检查与处理

演练：异常值查找、删除、填充

4、 样本处理

5、 变量处理

第六部分： 实战篇(上述知识点都融入下面分析实战中)

1、 零售商用户消费行为分析

Ø 用户行为分析框架：5W2H

Ø 用户的典型特征

Ø 用户的消费能力

Ø 用户的消费水平

2、 运营商用户购买行为分析

Ø 用户维度

² 用户地域分布

² 用户学历结构

² 用户消费能力/消费层次

² 用户流量分布/层次

² 用户流失分析

Ø 产品维度

² 套餐销量分析

² 套餐贡献分析

² 服务满意度分析

² 套餐偏好分析

Ø 时间维度

² 产品淡旺季分析

² 用户活跃度分析

² 重购周期分析

Ø 金额维度

² 收入结构（用户、产品、区域）

² 价格偏好分析

² 成本/利润分析

3、 金融风险数据分析

Ø 用户维度

² 违约用户的典型特征

² 违约用户的消费水平

Ø 违约的影响因素分析

² 违约与学历/岗位的关系

² 违约与行业/职业的关系

注：会根据学员所在行业选择合适的实战案例。

结束：课程总结与问题答疑。