资源简介：
在线网课 Python3学习之Python3数据科学入门与实战——更多资源,课程更新在
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 Series3-2 Pandas DataFrame3-3 深入理解Series和Dataframe3-4 Pandas-Dataframe-IO操作3-5 DataFrame的Selecting和indexing3-6 Series和Dataframe的Reindexing3-7 谈一谈NaN3-8 多级Index3-9 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index4-4 DataFrame的merge操作4-5 Concatenate和Combine4-6 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Binning4-11 数据分组技术GroupBy4-12 数据聚合技术Aggregation4-13 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plot5-3 matplotlib简单绘图之subplot5-4 Pandas绘图之Series5-5 Pandas绘图之DataFrame5-6 直方图和密度图第6章 绘图和可视化之SeabornSeaborn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
