《Python全系列》
数据分析将会作为一门通识技能,进入越来越多的不同工作岗位中。掌握数据分析的程序员,一方面可以提升自己相应的业务能力,另一方面也可以让自己建立一种data-driven的视角,去思考各种问题。
Python是数据专业人士使用广泛的编程语言,并且正在抛弃其传统的竞争对手R。我们增加数据分析是为了让学员就业的面更加广泛。
章节9:Pandas的使用 |
01_pandas介绍与环境搭建 |
02_pandas数据初始化_手动输入 |
03_pandas数据初始化_读取文件 |
04_pandas数据初始化_读取Excel |
05_pandas数据初始化_读取MySQL |
06_pandas数据保存_文件 |
07_pandas数据保存_数据库 |
08_pandas了解数据的基本情况 |
09_pandas修改变量列名 |
10_pandas列的筛选 |
11_pandas列的删除 |
12_pandas列类型转换 |
13_pandas列的添加 |
14_pandas索引的创建 |
15_pandas索引的指定 |
16_pandas索引的还原 |
17_pandas索引的引用与修改 |
18_pandas索引的更新 |
19_pandas获取列的数据 |
20_pandas获取行的数据 |
21_pandas混合选择数据 |
22_pandas中isin的使用 |
23_pandas中query的使用 |
24_pandas记算新变量并添加 |
25_pandas修改指定变量值 |
26_pandas修改范围变量值 |
27_pandas虚拟变量的生成 |
28_pandas数值的切分 |
29_pandas数据的分组 |
30_pandas分组汇总 |
31_pandas长宽数据转换 |
32_pandas数据合并(纵向) |
33_pandas数据合并(横向) |
34_pandas中concat数据合并 |
35_pandas缺失值的认识 |
36_pandas缺失值的处理 |
37_pandas处理重复数据 |
38_pandas时间类型的认识 |
39_pandas时间的转换 |
40_pandas_时间索引 |
41_pandas_时间索引应用 |
42_pandas_图表基本设置 |
43_pandas_绘图01 |
44_pandas_绘图02 |
45_pandas_数据探索 |
46_pandas_数据交叉表 |
47_pandas_优化的基本原则 |
48_pandas_时间记录工具 |
49_pandas_大数据文件处理 |
50_pandas_代码基本优化 |
51_pandas_代码多列运算优化 |
52_pandas_外挂的使用 |
另附各章节课程资料