python金融数据分析

王江盼

目录

  • 1 python数据分析概述
    • 1.1 课前预习
    • 1.2 认识数据分析
    • 1.3 数据科学基础
    • 1.4 掌握python数据分析工具
  • 2 numpy数据计算基础
    • 2.1 课前预习
    • 2.2 ndarray 数组对象
      • 2.2.1 numpy介绍
      • 2.2.2 ndarray介绍
      • 2.2.3 练习1
    • 2.3 ndarray操作
      • 2.3.1 重塑和打平
      • 2.3.2 组合和分割
      • 2.3.3 作业2
    • 2.4 numpy矩阵和通用函数
      • 2.4.1 课前预习
      • 2.4.2 numpy矩阵
      • 2.4.3 ufunc函数
      • 2.4.4 统计分析
      • 2.4.5 练习2
    • 2.5 实训1
  • 3 matplotlib数据可视化基础
    • 3.1 课前预习
    • 3.2 绘图基础语法与常用参数
    • 3.3 绘制散点图和折线图
    • 3.4 绘制直方图、饼图、箱线图
    • 3.5 总结
    • 3.6 实训2
  • 4 panda统计分析基础
    • 4.1 课前预习
    • 4.2 pandas介绍
      • 4.2.1 pandas与numpy的联系
      • 4.2.2 Series与DataFrame创建
      • 4.2.3 练习3
    • 4.3 DataFrame索引
    • 4.4 数据统计和计算工具
      • 4.4.1 常用统计函数
      • 4.4.2 mysql安装包+教材数据
      • 4.4.3 时间序列数据转换
      • 4.4.4 分组聚合
      • 4.4.5 透视表与交叉表
    • 4.5 pandas进行数据清洗
  • 5 数据预处理
    • 5.1 课前预习
    • 5.2 合并数据
    • 5.3 清洗数据与缺失值处理
    • 5.4 标准化数据
    • 5.5 哑变量和离散化数据
    • 5.6 实训2
  • 6 scikit-learn
    • 6.1 sklearn数据预处理和降维
    • 6.2 sklearn聚类
    • 6.3 sklearn分类
    • 6.4 skearn回归
    • 6.5 实训4
  • 7 实训案例
    • 7.1 航空公司客户价值分析
清洗数据与缺失值处理


说明：

本小节有一个任务点：“数据清洗2”的教学内容、“缺失值处理”章节测试；

同学们首先需要学习“数据清洗2”的教学内容，之后进行“缺失值处理”章节测试题。

另外三个学习内容为教材案例讲解。有需要的同学可以自行观看。