廖雪峰 数据分析全栈工程师 百度云 百度网盘下载

1快速入门：认知数据分析

数据分析概念

 

·数据分析是什么：数据分析概念及应用场景

·数据分析分析什么：分析方法、应用领域

数据分析价值

·通过数据分析发现商机：发现数据之间的关联，预测趋势

·通过数据分析做精准营销：精准营销方案设计

·通过数据分析做用户画像：用户画像、用户行为分析

·通过数据分析生成数据分析报告、提供决策和业务优化支持：决策支持和业务优化

.数据分析前景

·数据分析的成功案例：数据加载、数据清洗、数据展示、数据分析师必备技能

·数据分析的行业发展：数据分析行业人才需求、专门数据分析岗位需求、专门的数据分析机构

·数据分析师的职业发展：传统行业和互联网行业业务流程、专业技能

2材料准备：数据采集与处理

廖雪峰 数据分析全栈工程师 百度云

认识数据

·认识数据表的字段和记录：字段、记录、表

·使用Excel制作数据表、指定常用数据类型：数值型、字符型、一维表、二维表

获取数据

·使用Excel导入网站数据及文本数据：网站数据、定时刷新、自动刷新、文本导入

处理数据

廖雪峰 数据分析全栈工程师

·使用Excel进行数据清洗和筛选：数据导入、数据清理、数据筛选、条件格式、数据透视法

·使用Excel进行数据抽样和计算：数据抽样、AVERAGE函数、SUM函数、MAX函数、MIN函数、IF函数

·使用SQL实现数据操作：基础语法、表连接、普通函数、窗口函数、SQL优化

3工具准备：数据可视化工具

Tableau概述及常用操作

·使用Tableau进行数据加载及操作：Tableau导航、Tableau设计流程、Tableau文件类型、Tableau数据源、Tableau计算、Tableau工作表、Tableau图表

Power BI概述及常用操作

·使用Power BI加载数据源及塑造数据：数据加载、塑造数据

·使用Power BI建模数据及可视化：建模数据、可视化、图标

4案例分析：电子商务数据分析

选择数据分析核心数据

·如何选择核心数据：会员数据、营销数据、行业数据、交易与服务数据

掌握核心指标

·如何掌握核心指标：转化指标、会员指标、流量指标、运营指标、成交转化率指标

掌握核心方法

·常用核心方法：二八法则、排行榜分析方法

全栈数据分析师养成记

1基于python实现自动化数据分析基础

Python语法入门

·使用anaconda搭建Python开发环境：python、anaconda、mac、windows

·使用jupyter notebook 编写Python程序：变量、数据类型、运算符、数据处理和输入、分支和循环、函数

Python数据结构

·使用列表、字典和集合操作数据：列表、字典、集合

Python文件操作

·使用open、write实现文件操作：文件、open 、close、write

Python面向对象

·用Python实现面向对象编程：类、对象、方法、封装、继承、多态

2基于python爬虫实现数据获取和加载

网络爬虫简介

·爬虫原理及基本使用：爬虫协议、HTTP、HTTPS、Requests、Session、Cookie

网页基本组成与结构

·HTML页面组成及结构：HTML、HTML5、CSS、CSS3、JavaScript

常用爬虫库的使用

·使用Requests爬取数据：get、post、响应内容、请求头、响应状态码、重定向与请求历史、Cookie

·使用urllib爬取数据：urlopen、urlretrieve、urlcleanup、quote、urlencode

·使用正则表达式爬取数据：正则表达式

常用解析库的使用及数据存储

·使用XPath解析数据：元素和属性、XML、/、//

·使用BeautifulSoup解析数据：BeautifulSoup的安装、解析库的设置、BS的基本用法、对象的种类、遍历文档树和节点、各种选择器的使用

·使用pyquery解析数据：DOM、attrs、css

·实现txt、JSON、CSV等格式文件存储：json格式、数据类型、json解析、CSV文件

Ajax数据爬取及API解析

·AJax解析数据方法及结果提取：Ajax、Ajax解析方法、API

Scrapy框架的使用

·使用Scrapy爬取数据：Selector、Spider、Downloader Middleware、Item Pipeline用法、Scrapy对接Selenium、Scrapy对接Splash

3基于Python科学计算包实现数据预处理和分析

NumPy创建多维数组对象

·使用NumPy生成ndarray：创建ndarray、ndarray的数据类型、数据结构多维数组对象ndarray

数组的算术运算

·使用NumPy实现数组算术运算：NumPy数组的运算

数组的索引与切片

·使用NumPy对数组进行索引与切片：索引和切片、布尔索引、神奇索引

数组转置和换轴

·使用NumPy对数组进行转置和换轴：T、swapaxes、ufunc通用函数、利用数组进行数据处理、数学和统计方法概览、数组排序、唯一化

数组的文件输入和输出

·使用数组进行面向数组编程：文件的保存与读取、线性代数知识回顾、多维数组对象的内部机理、数组重塑、 数组的合并和拆分、元素的重复操作、花式索引等价函数、广播机制、ufunc高级方法、数组高级排序方法

Pandas数据结构介绍

·使用Pandas创建Series对象：创建Series





·使用Pandas创建DataFrame对象：创建DataFrame

Pandas索引对象

·使用Pandas创建索引对象：行索引和列索引、重建索引

Pandas基本操作

·使用Pandas对数据进行索引、选择和过滤：删除数据项、索引选取过滤、Ioc和iloc进行选取、整数索引

算术和数据对齐

·使用Pandas对数据进行算术和数据对齐：算术运算和数据对齐、DataFrame和Series的运算、函数应用和映射

排序和排名

·使用Pandas对数据进行排序和排： 排序和排名、汇总和描述性统计、相关系数和协方差、分类数据、用分类进行数据、分类方法、创建虚拟变量、 GroupBy高级应用、分组的时间重采样、链式编程、管道方法

数据加载及存储

·使用Pandas进行多种格式数据的读写： 用Pandas读取文本格式的数据。read_rsv、read_table、read_excel、read_json、read_pickle、to_pickle、 逐块读取文本数据、将数据输出到文本数据、处理分隔符

与数据库进行数据加载

·使用Pandas与数据库交互：数据库交互（MySQL、NoSQL）、数据库、数据表

处理缺失值及数据转换

·使用Pandas过滤缺失值




：处理缺失数据、过滤缺失数据

·使用Pandas补全缺失值：填充缺失数据

·使用Pandas删除重复值：去除重复数据

·使用函数或映射进行数据转换：函数转换数据、重命名索引、排列和随机采样

·使用正则表达式对数据进行操作：字符串操作、矢量化字符串函数

分层索引

·使用Pandas进行分层索引的实现

：层次化索引

·使用Pandas进行重排序和层级排序：重排与分级排序、根据级别汇总统计

·使用DataFrame的列进行索引：使用列作为索引

联合和合并数据集

·使用Pandas进行联合和合并数据集：合并数据集。索引合并、轴向连接、合并重叠数据

数据重塑与透视

·使用多层索引进行重塑：重塑和轴向旋转、长格式宽格式转换

4基于绘图库（Matplotlib）实现数据可视化

matplotlib API使用入门

·使用matplotlib绘图、设置颜色、标记和线类型

：Matplotlib API、Figure、Subplot、nrows、ncols、sharex、sharey

常用绘图展示

·使用matplotlib对图标进行刻度、标签、图例设置：注释、子图、图例

常用可视化工具介绍

·使用Pandas和seaborn绘图：折线图、柱状图、直方图、密度图、散点图

5基于聚合分组技术发现数据间的关系及价值

GroupBy机制

·使用字典和Series分组



：GroupBy机制、遍历各分组、函数分组

·使用函数分组：len、sum、min、max

·根据索引层级分组：asix、multiIndex

数据聚合

·使用Pandas实现数据透视表与交叉表：数据聚合、透视表、交叉表

6基于时间序列操作细化数据的时间展示

日期和时间数据类型及工具

·使用datetime实现字符串与时间类型的转换


：时间戳、时间间隔、时区、字符串与datetime互相转换

·时间序列基础

时间序列运算

·时间序列：索引、选择、子集

时区处理

·使用Pandas生成日期范围、频率和移位：频率和日期偏置、时区本地化和转换

时间区间和区间算术

·使用Pandas进行时区处理：时区区间和区间算术、区间频率转换、季度区间频率

7案例分析

电影评分数据分析

·涉及娱乐、金融、农业、互联网等行业真实数据，从业务流程角度进行数据分析，增强业务与技术实战能力： 数据清洗、时间序列、聚合与分组、柱状图、折线图、热力图

美国农业部食品数据分析

金融数据分析

招聘网站岗位及薪资趋势分析报告

大数据分析师晋升记

1数据仓库

HiveQL操作数据

·基础语法、表连接、普通函数： TINYINT 、SMALLINT、 INT 、BIGINT、 FLOAT、 DOUBLE、 BOOLEAN 、STRING、STRUCT、 MAP、 ARRAY、数据表、排序和聚集

·窗口函数、SQL优化： 创建表、创建分区、重命名、增加列、删除列、导入导出数据、数据查询、内连接、左外连接、右外连接、全连接、子查询、视图、内置函数、自定义函数、窗口函数、SQL优化

2数据分析方法

描述统计分析方法

·频数分析、集中趋势、离散程度、数据分布：频数、平均数、中位数、众数、极差、方差、标准差、变异系数、峰值、偏度

回归分析方法

·线性回归、逻辑回归、多项式回归、多元回归：因变量、自变量、回归线、回归系数

多元统计分析方法

·聚类分析、判别分析、主成分分析、因子分析： 聚类分析的思想、相似性度量、类和类的特征、距离判别、贝叶斯判别、逐步判别、主成分、总体成分、因子载荷

时间序列分析方法

·自回归模型、季节模型： 时间序列、时间序列分析、GNAR模型

3数据可视化

可视化工具使用（Excel）

·使用Excel实现数据可视化： 条形图&柱状图、饼图&环形图、单折线&双折线图、散点图&气泡图、箱线图、雷达图、组合图

可视化工具使用（Tableau）

·使用Tableau实现可视化

4高级数据可视化

瀑布图、桑基图、漏斗图、矩形树图、旭日图

·使用Excel、Tableau实现：绘制图表

Excel动态图表

·使用Excel实现：组合框控件、数据源

地图可视化

·使用Tableau实现：地图绘制、地图配色

echarts实现

·使用echarts实现常用图表：构建echarts、数据加载

5高级数据分析师实战

经营分析方法论

·交易分析：如何做好交易日报分析

·流量分析：渠道分析、流量漏斗分析

·用户分析：用户画像、行为分析、留存分析

行业分析方法论

·竞对分析：分析方法、分析内容

·行业动态：行业分布、行业趋势

业务分析方法论

·产品分析：功能迭代分析、转化率分析

·运营分析：活动运营分析、用户运营分析

·销售分析：业绩达成分析、人效分析