综合亚洲欧美,亚洲欧洲另类,逼逼爱爱,国产限制,欧美 久久国产亚洲日韩一本，欧美日韩专区国产精品，久久精品

Python數(shù)據(jù)分析

【課程目標】
   本課程為基礎課程，主要講解如何利用Python進行數(shù)據(jù)分析，以及數(shù)據(jù)可視化。假定學員已經(jīng)基本掌握Python語言的使用。
通過本課程的學習，達到如下目的：
1、掌握數(shù)據(jù)分析的基本步驟和過程（數(shù)據(jù)分析六步曲）
2、掌握搭建數(shù)據(jù)分析框架的基本思想（數(shù)據(jù)分析框架）
3、熟悉Pandas常用數(shù)據(jù)結構，掌握用Python訪問、操作數(shù)據(jù)集
4、掌握Pandas常用的統(tǒng)計功能（函數(shù)和方法）
5、理解統(tǒng)計分析原理，掌握統(tǒng)計分析常用的分析方法
6、熟練掌握matplotlib模塊，熟練畫圖函數(shù)
7、學會解讀圖形，形成業(yè)務結論和業(yè)務策略。

【授課對象】
業(yè)務支持部、IT系統(tǒng)部、系統(tǒng)開發(fā)部、網(wǎng)絡運維部等相關技術人員。

【課程大綱】
一、數(shù)據(jù)分析基礎
目的：掌握數(shù)據(jù)分析基本步驟和過程，學會如何構造數(shù)據(jù)分析框架
1、數(shù)據(jù)分析 VS 數(shù)據(jù)挖掘
2、數(shù)據(jù)分析的六步曲
－步驟1：明確目的--理清思路
－步驟2：數(shù)據(jù)收集—理清思路
－步驟3：數(shù)據(jù)預處理—尋找答案
－步驟4：數(shù)據(jù)分析--尋找答案
－步驟5：數(shù)據(jù)展示--觀點表達
－步驟6：報表撰寫--觀點表達
3、搭建精準營銷分析框架
演練：如何用大數(shù)據(jù)來支撐手機精準營銷項目
二、數(shù)據(jù)操作基礎
1、簡化的Python操作過程
2、常用擴展包
－Numpy數(shù)組處理支持
－Pandas數(shù)據(jù)分析和探索工具
－Matplotlib可視化工具庫
3、數(shù)據(jù)集讀寫
－讀取文件（CSV文件、Excel文件）
－數(shù)據(jù)集保存（CSV、Excel）
4、數(shù)據(jù)集結構
－數(shù)據(jù)集基本屬性
－Index：位置索引、標簽索引
－Series：一維結構
－DataFrame：二維結構
5、數(shù)據(jù)集基本操作
－數(shù)據(jù)訪問：行訪問/列訪問/值訪問
－字段類型
－類型檢查
－類型轉換
－定義有序類別變量
－排序
－按值排序
－按索引排序
－數(shù)據(jù)篩選
－數(shù)據(jù)修改
－數(shù)據(jù)刪除
三、統(tǒng)計分析方法篇
1、統(tǒng)計分析基礎
－統(tǒng)計分析的關鍵要素
－統(tǒng)計分析三個步驟
2、六種統(tǒng)計操作
－描述統(tǒng)計describe
－分類計數(shù)value_counts
－分段計數(shù)/分箱計數(shù)value_counts(bins)
－分類匯總(groupby, count/sum/mean/…)
－透視表（多維統(tǒng)計分析）pivot_table
－按日期匯總resample/to_period
案例實戰(zhàn)：掌握常用的Python統(tǒng)計函數(shù)/方法
3、五種統(tǒng)計分析方法
－對比分析法(不同用戶的消費水平差異)
－結構分析法(用戶的學歷結構、收入結構分析、動態(tài)結構分析)
－分布分析法(用戶的年齡分布、用戶消費層次)
－交叉分析法(產(chǎn)品偏好分析)
－趨勢分析法(銷售淡旺季節(jié)、用戶活躍時間)
案例實戰(zhàn)：掌握常用的統(tǒng)計分析方法
四、數(shù)據(jù)可視化
目的：掌握作圖擴展庫，實現(xiàn)數(shù)據(jù)可視化
1、中文顯示的問題解決
2、了解圖形元素及其函數(shù)
－標題、坐標軸、刻度
－數(shù)據(jù)標簽、文本、注釋
－圖例、網(wǎng)格線、邊框
3、簡單圖形的畫法
－柱狀圖（簡單/復式/堆積/堆積百分比柱狀圖）
－直方圖（分布分析，查看分布特征）
－箱圖（判斷離群值）
－餅圖（結構分析）
－折線圖（趨勢分析）
4、復雜圖形的畫法
－多子圖
－多坐標系作圖
－多區(qū)域作圖
5、圖形保存
五、數(shù)據(jù)預處理
1、數(shù)據(jù)預處理四大任務
－數(shù)據(jù)清洗
－數(shù)據(jù)集成
－樣本處理
－變量處理
2、數(shù)據(jù)集成
－數(shù)據(jù)追回
－變量合并
－拼接
演練：樣本追加與變量合并
3、數(shù)據(jù)清洗
－四大異常數(shù)據(jù)
－重復值檢查與處理
－無效值檢查與處理
－離群值檢查與處理
－缺失值檢查與處理
演練：異常值查找、刪除、填充
4、樣本處理
5、變量處理
六、實戰(zhàn)篇(上述知識點都融入下面分析實戰(zhàn)中)
1、零售商用戶消費行為分析
－用戶行為分析框架：5W2H
－用戶的典型特征
－用戶的消費能力
－用戶的消費水平
2、運營商用戶購買行為分析
－用戶維度
－用戶地域分布
－用戶學歷結構
－用戶消費能力/消費層次
－用戶流量分布/層次
－用戶流失分析
－產(chǎn)品維度
－套餐銷量分析
－套餐貢獻分析
－服務滿意度分析
－套餐偏好分析
－時間維度
－產(chǎn)品淡旺季分析
－用戶活躍度分析
－重購周期分析
－金額維度
－收入結構（用戶、產(chǎn)品、區(qū)域）
－價格偏好分析
－成本/利潤分析
3、金融風險數(shù)據(jù)分析
－用戶維度
－違約用戶的典型特征
－違約用戶的消費水平
－違約的影響因素分析
－違約與學歷/崗位的關系
－違約與行業(yè)/職業(yè)的關系
注：會根據(jù)學員所在行業(yè)選擇合適的實戰(zhàn)案例。

結束：課程總結與問題答疑。

Python數(shù)據(jù)分析