需求实现-时间序列数据可视化

    数据科学（DataScience）是关于数据的科学，定义为研究探索Cyberspace中数据界奥秘的理论、方法和技术。近些年，企业对数据分析，数据科学家岗位的需求越来越多，这不是偶然。过去十多年，中国互联网行业靠着人口红利和流量红利野蛮生长；而随着流量获取成本不断提高、运营效率的不断下降，这种粗放的经营模式已经不再可行。互=企业迫切需要通过数据科学家来实现精细化运营，降低成本、提高效率；

课程知识大纲如下：

Ÿ   数据科学入门

n  什么是数据科学

n  成为一名数据科学家需要哪些知识储备

n  数据分析的基本流程

n  Python数据科学环境安装-Anaconda

Ÿ   案例实践1：基于Chipolte快餐数据完成数据探索方法学习

n  知识点1：下单数商品分析

n  知识点2：多少种商品被下单

n  知识点3：下单次数最多的商品

n  知识点4：收入分析，不同种商品销售情况分析

n  知识点5：groupby，sort_values,values_counts,sum等使用

Ÿ   案例实践2：基于2012欧洲杯数据完成数据过滤与排序学习

n  知识点1：球队参赛情况分析

n  知识点2：黄牌数的平均值

n  知识点3：进球分析

n  知识点4：球队分析

n  知识点5：英格兰，意大利队分析

Ÿ   案例实践3：基于酒类消费数据完成数据分组学习

n  知识点1：啤酒消费分析

n  知识点2：啤酒消费种类分析

n  知识点3：消费中位数分析

n  知识点4：饮品消费分析

Ÿ   案例实践4：基于1960-2014美国犯罪数据完成resample函数学习

n  知识点1：美国历史上生存最危险的年代

n  知识点2：数据框合并分析

n  知识点3：犯罪中位数分析

n  知识点4：犯罪整体情况评估

n  知识点5：缺失值分析等

Ÿ   案例实践5：基于虚拟姓名数据完成数据合并练习

n  知识点1：虚拟姓名整体分析

n  知识点2：数据框合并分析

n  知识点3：多数据合并

n  知识点4：整体数据集成

Ÿ   案例实践7：基于风速数据完成数据统计练习

n  知识点1：风速平均值分析

n  知识点2：一个月的平均风速

n  知识点3：统计分析整体概况

n  知识点4：整体情况分析，字段重组等

Ÿ   案例实践8：基于Pokemon数据完成数据框学习 

n  知识点1：字段重命名的基本操作

n  知识点2：数据框重组，构建

n  知识点3：数据框添加，数据框处理

n  知识点4：数据框介绍等

Ÿ   案例实践9：基于Apple公司股价数据完成时间序列数据处理方法学习

n  知识点1：每个月的最后一个交易日

n  知识点2：最早的日期和最晚的日期相差多少天

n  知识点3：按照时间顺序可视化Adj Close值

n  知识点4：数据可视化方法等

Ÿ   案例实践10：基于Iris数据完成删除数据操作学习

n  知识点1：缺失值探索

n  知识点2：缺失值的替换

n  知识点3：列删除

n  知识点4：缺失行处理，索引重置等

本课程不提供课程资料