基于 Python 的数据分析与可视化--掘金小册课程推荐/优惠

作者介绍

欧阳丰园，资深数据分析工程师，某互联网公司研发总监，人工智能教练，程序员数学扫盲工作者。

从事 Python、Java 方向的技术研发，有社交、金融、石油行业方面的开发经验，平时喜欢钻研开源技术，琢磨数学，负责过石油领域数据分析的开发，以及人工智能的开发工作，超过十五年的开发经验，始终战斗在编码第一线。

小册介绍

在这个数字化时代，数据成为了无处不在的宝藏，而掌握数据分析的技能就像拥有了一把开启宝库的魔法钥匙。

学好数据分析，可以干什么呢？

第一，用于实现自动化办公，解放自我。比如：

• 可以使用 Python 读取 Excel、CSV 等格式的数据文件，进行数据清洗、转换、计算等操作，进行自动化数据处理。

• 可以使用 Python 读取 Word、PDF 等格式的文档文件，进行文本提取、格式修改、内容替换等操作，进行自动化文档处理。

第二，用于企业研发，数据建模必备技能。 针对日益复杂的项目需求，很多企业数据分析项目需要高阶数学建模，挖掘数据的价值。数据分析越发需要较强的数学功底和编程能力。对于大部分企业研发工作者，处理实验数据是日常工作，也是专利写作前的必有流程，数据分析是专利申请的灵魂，数据分析是企业研发人员的秘密武器。

第三，用于找工作，安身立命，提升专业技能，升职加薪。

• 现在已进入大数据时代，拥有数据就是守着宝矿，数据分析工程师的春天已到。数据分析就业领域广泛，例如零售、电商、金融、医疗、互联网、新媒体等领域，属于就业蓝海，人才紧缺，杜绝程序员 35 岁危机，扩展职场生涯的深度与广度。比如，在电商领域，利用数据分析，评估用户行为，做用户画像，快速找到破坏交易规则的人；在零售领域，进行广告投放分析与策略，黄金季销售数据分析，可对公司新产品上线走向与预警……

• 数据分析岗位在当前招聘市场形势大好，众多企业日益重视数据分析，招聘需求旺盛。

• 数据分析是人工智能（AI）领域的核心技能，学习机器算法，为未来赋能，把握技术变革带来的新机会。

• 由于信息化和人工智能的不断演变，现在众多岗位都要涉及众多数据，数据分析已成为 IT 职场的硬核技能，学好数据分析易于日常沟通，杜绝职场加班和甩锅。运用数据分析的技能，发现数据中的重要规律和有价值的信息，为企业相关业务决策作出重要的理论支撑，助力科学决策。

那学习数据分析，为什么选择 Python 呢？这是因为 Python 是数据分析的利器，它有以下优点：

• Python 比较接近英语，是一门简单易学、入门容易的面向对象编程语言；
• Python 拥有很多开源的第三方库，而且其计算生态很好，也很活跃，质量也高；
• 数据分析领域重要的工具库，例如 Numpy、Pandas、Matplotlib，都可以很好地和 Python 配搭使用，Python 几行代码就能实现相关的功能，简便快捷；
• Python 是人工智能领域中使用较多的语言，方便进行数据建模，使用机器学习算法。

除此之外，还有个小问题：为什么要学可视化？

这个还是比较好理解的，在日常生活中，我们都知道一张图胜抵千言万语，合适的图表更加形象生动，更富有表现力。

数据分析的过程涵盖数据读取、数据计算、数据建模、可视化。可视化是数据分析中必不可少的内容，挖掘完数据的规律后就要用图表来展示数据的特点和价值。数据分析工作最后一步就是归纳出结论，最有力的观点凸显工具就是图表，就是可视化界面，让数据规律、数据价值更易懂、更易于人机交互。因此，本小册也将系统讲解可视化工具库，涵盖 Matplotlib、Seaborn、Pyecharts。

正是基于以上背景和需求，本小册将梳理数据分析路线图和技术栈，深挖知识点，轻松实现数据分析入门到项目实战。本小册采用 Python 语言，用大量代码对 Numpy、Pandas、机器学习算法、可视化工具与技术等全覆盖，利用通俗的话语和案例，学懂数据分析算法；通过实战项目的剖析，实现数据分析能力从理论到实践的闭环。

总之，会助力大家成为优秀的“数据分析工程师”，走向高薪之路。

小册有哪些内容呢？大纲抢先看：

• 模块一，科学计算库 Numpy。主要介绍 Numpy 数据分析计算的思维方式、维度/广播/掩码等重要概念，带你从理论基础开始，掌握数据处理的底层逻辑。从理论到实践，每个小节的案例都有代码，助你提高编程能力。

• 模块二，数据分析的利器 Pandas。重点讲解 Pandas 的核心用法，包括数据整理、计算、连接、分组、透视、文本处理、时间处理、多重索引等，带你掌握数据处理方法。

• 模块三，可视化你的数据。这一模块会将数据展示出来，介绍各种图表的绘制方法，例如散点图、直方图、线图、饼图、图例、注解等，带你用 Seaborn、PyEcharts、Matplotlib 工具包实现数据可视化，绘制可交互的图表，轻松掌握数据可视化技术。

• 模块四，机器学习算法。这一模块会介绍如何对数据进行建模，讲解机器学习的完整过程和实际业务场景中最常用的主流模型，剖析经典的机器学习算法，深度理解数据分析方法，从算法原理到案例剖析，轻松掌握对数据的分析与预测等核心技能。

• 模块五，实战案例。通过多个综合的数据分析任务，让你具备数据可视化分析的全流程能力。比如，房价分析与预测分析、股票预测模型、影视剧评分预测与分析等。助力你融会贯通所学技巧，在实际操作中学会数据分析的基本套路与方法，活学活用，提高解决实际问题的能力。

有了这些实战的历练，你就可以成为一个真正意义上的“数据分析工程师”！

小册亮点

总体来讲，本小册与其他课程的不同如下：

• 基于 Python 的全方位学习：Python 是当今最受欢迎的数据分析工具之一，本小册将带你深入学习 Python 语言，并结合各种强大的数据处理库（如 NumPy 和 Pandas），让你轻松驾驭数据世界。

• 寓教于乐的知识点：以有趣的小标题和生动的例子呈现知识点，让学习过程变得轻松愉快，你将发现数据分析原来可以如此有趣！

• 实战项目的沉浸之旅：通过真实的数据项目，你将置身于各种场景中，从销售预测到用户行为分析、从金融数据到影视领域……挑战各种数据问题，展现你的分析技巧和创造力。

• 数据可视化的立体表达：学会用数据的色彩和形状来阐述规律和价值，教你如何使用 Python 中的数据可视化工具，让数据变得生动有趣，深入人心。

你会学到什么？

1. 熟练掌握 Numpy 与 Pandas 库；
2. 技术原理剖析与项目案例；
3. 轻松掌握机器学习算法；
4. 掌握数据分析的核心技能；
5. 绘制复杂、炫酷的可视化图表，Seaborn、PyEcharts、Matplotlib；
6. 快速操作 Excel，实现 Excel 办公自动化；
7. 熟悉数据分析的基本流程；
8. 构建数据分析系统化的知识体系。

适宜人群

1. 前端 & 后端开发工程师均可学习。本小册从零基础开始讲解数据分析与可视化，助力增强编程硬实力，get 新技能；通俗易懂的语言，丰富的实战案例，老少咸宜。这可为自己的不可替代性添加实力筹码，易于程序员扩展就业路径，转行晋升。
2. 数据分析工程师，数据科学的从业人员，重构知识体系，增强职场竞争力，助力升职加薪。
3. 机器学习的相关开发者，突破现状，完善 Python 技能，处理日常工作游刃有余。
4. 对量化金融交易感兴趣的程序员。
5. Python 开发工程师，想进一步提升自己的编程基础能力，向高级工程师的角色跃进。

• 为什么数据分析要用到 Numpy？

• 探究数组内核：Numpy 中 ndarray 到底有什么秘密？

• 解锁线性代数：Numpy 的矩阵运算

• 无需繁杂的循环：Numpy 的数组运算

• 快速定位：Numpy 的索引和切片

• 数据分析的核心：Pandas 的魔力

• 像表格一样查看和操作数据：DataFrame 的基本属性和索引切片

• 深入解析 DataFrame： DataFrame 的方法与索引技巧

• 理解数据结构：Series 篇

• 时间序列：如何以时间为基线观测数据？

• Pandas 的文件处理：IO 的读取与存储

• 机器学习：学透贝叶斯

• Pandas 数据清洗：缺失值的处理

• Pandas 进阶：数据合并

• Pandas 进阶：数据离散化

• Pandas 进阶：分组与聚合

• Pandas 进阶：交叉表与透视表

• 图表组件的基础：Matplotlib 的初体验

• 线性回归：数据预测的入门小招

• 可视化利器：PyEcharts 开发攻略

• 可视化小助手：Seaborn 快速入门

• 综合案例：房价分析与预测案例

• 机器学习：神经网络的基本原理

• 机器学习：什么是支持向量机？

• 机器学习：深入浅出决策树

• 综合案例：股票数据分析实战

• 机器学习：深度理解 Kmeans

• 综合案例：影视剧数据预测与分析

• Numpy 最常用的操作：数据合并与分割

• 满足多种计算场景：Numpy 数组的创建方式

• 函数工具箱：Numpy 的逻辑运算和统计运算

• Numpy 的综合案例：股票数据的分析计算

• 计算盛宴：DataFrame 的统计运算与逻辑运算

• 玩转 Series：Series 的索引与操作

• DataFrame 的算术运算：高效的数据计算与处理

• 数据处理利器：Pandas 在时间序列中的应用

• Matplotlib 数据可视化：图表组件的使用方法