Python3数据科学入门与分析实战视频课程

本课程旨在帮助学习者深入掌握Python数据科学与分析领域的关键工具和技术。以下是课程大纲的综合介绍：

第1章：实验环境的搭建

本章着重介绍Anaconda和Jupyter Notebook的搭建，包括在不同平台上的安装演示，为后续数据科学学习打下基础。

第2章：Numpy入门

学习Python数据科学领域最基础的库——Numpy，包括矩阵运算基础、Array的创建与访问、以及数组与矩阵运算等。

第3章：Pandas入门

介绍Python数据科学领域用于数据分析最重要的库——Pandas。深入理解Series和DataFrame，学习其创建和基本操作，以实际操作理解它们的关系。

第4章：Pandas玩转数据

Pandas的进阶内容，包括数据清洗、预处理、排序、数据分箱技术、分组技术、聚合技术、透视表等高级数据分析操作。

第5章：绘图和可视化之Matplotlib

学习Matplotlib的基本使用，包括对Pandas里的Series和DataFrame的绘图，以及图形样式和显示模式的设置。

第6章：绘图和可视化之Seaborn

介绍Seaborn，对Matplotlib的进一步封装，学习其基本使用、绘图模式，以及与Matplotlib功能的对比。

第7章：数据分析项目实战

通过一个股票市场的分析实战项目，应用前六章学到的知识进行数据分析，从中获取有用信息。

第8章：课程总结

总结整个课程，鼓励学习者坚持练习，继续深入学习和锻炼，为成为数据科学领域的专业人士奠定基础。

Python3数据科学入门与分析实战视频课程课程目录：

├第1章 实验环境的搭建 6节 | 52分钟
├—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 (08:36)
├——1-2 Anaconda和Jupyter notebook介绍 (12:11)
├——1-3 Anaconda在Mac上的安装演示 (06:57)
├——1-4 Anaconda在windows上安装演示 (05:09)
├——1-5 Anaconda在Linux上的安装演示 (09:52)
├——1-6 Jupyter-notebook的使用演示 (08:43)
├第2章 Numpy入门 5节 | 40分钟
├—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 (06:08)
├——2-2 数学基础回顾之矩阵运算 (06:07)
├——2-3 Array的创建及访问 (10:44)
├——2-4 数组与矩阵运算 (10:49)
├——2-5 Array的input和output (05:39)
├第3章 Pandas入门 9节 | 96分钟
├—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 Series (08:32)
├——3-2 Pandas DataFrame (09:34)
├——3-3 深入理解Series和Dataframe (11:30)
├——3-4 Pandas-Dataframe-IO操作 (08:53)
├——3-5 DataFrame的Selecting和indexing (13:43)
├——3-6 Series和Dataframe的Reindexing (11:03)
├——3-7 谈一谈NaN (11:15)
├——3-8 多级Index (11:29)
├——3-9 Mapping和Replace (09:12)
├第4章 Pandas玩转数据 15节 | 176分钟
├—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 (08:44)
├——4-2 Series和DataFrame的排序 (09:17)
├——4-3 重命名Dataframe的index (15:22)
├——4-4 DataFrame的merge操作 (10:09)
├——4-5 Concatenate和Combine (11:58)
├——4-6 通过apply进行数据预处理 (10:33)
├——4-7 通过去重进行数据清洗 (07:18)
├——4-8 时间序列操作基础 (13:01)
├——4-9 时间序列数据的采样和画图 (14:33)
├——4-10 数据分箱技术Binning (09:22)
├——4-11 数据分组技术GroupBy (12:35)
├——4-12 数据聚合技术Aggregation (07:27)
├——4-13 透视表 (13:52)
├——4-14 分组和透视功能实战 (22:01)
├——4-15 Streaming DataFrame (09:20)
├第5章 绘图和可视化之Matplotlib 6节 | 69分钟
├—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 (09:46)
├——5-2 matplotlib简单绘图之plot (15:27)
├——5-3 matplotlib简单绘图之subplot (12:59)
├——5-4 Pandas绘图之Series (09:32)
├——5-5 Pandas绘图之DataFrame (10:15)
├——5-6 直方图和密度图 (10:36)
├第6章 绘图和可视化之Seaborn 5节 | 62分钟
├—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 (08:22)
├——6-2 seaborn实现直方图和密度图 (08:28)
├——6-3 seaborn实现柱状图和热力图 (12:52)
├——6-4 seaborn图形显示效果的设置 (15:22)
├——6-5 seaborn强大的调色功能 (16:27)
├第7章 数据分析项目实战 4节 | 43分钟
├—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 (05:30)
├——7-2 股票市场分析实战之数据获取 (07:01)
├——7-3 股票市场分析实战之历史趋势分析 (14:01)
├——7-4 股票市场分析实战之风险分析 (15:36)
├第8章 课程总结 1节 | 5分钟
├—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 (04:24)