《Python 数据分析实战》是一门面向零基础与进阶数据学习者的体系化视频与讲义课程。课程分为 8 大章节共 101 节，包含 101 节高清视频与配套讲义，系统讲解 Python 编程基础、本地与数据库操作、网络爬虫与 Scrapy 框架、NumPy 向量化计算、Pandas 核心数据结构与高阶数据重构、探索性数据分析（EDA）与多维可视化，以及经典机器学习算法（分类、回归、聚类与网格调优）的工业级工程落地。
配套资料 · 直接下载
课件、代码、数据集等配套资料全部免费，点击即可直接下载，无需分享或解锁。
- 下载全套课件打包（第1-5章）ZIP · 12.8MB
- 下载全套课件打包（第6-8章）ZIP · 15MB
- 下载实战数据集：AppleStore 应用商城分析ZIP · 329KB
- 下载实战数据集：女性服装电商分析ZIP · 2.8MB
- 下载Python 数据分析环境搭建指南PDF · 2MB
- 下载Scrapy 安装教程PDF · 12.7MB
- 下载附加实战项目：AppleStore 应用商城数据分析ZIP · 0.3MB · ipynb + CSV 数据
- 下载附加实战项目：银行电话营销数据分析ZIP · 0.4MB · ipynb + CSV 数据
- 下载附加实战项目：女性服装电商评论数据分析ZIP · 2.7MB · ipynb + CSV 数据
- 下载附加实战项目：美国化学学会杂志数据分析ZIP · 34.2MB · ipynb + SQLite 数据库
课程大纲
共 101 节，按建议顺序学习。
- 01数据分析基本概念约 8 分钟 · 数据分析基本概念 小象实战讲义 · Python数据分析实战 欢迎来到《Python数据分析实战》的第一讲。在正式开始编写代码、处理数据之前，我们首先要建立对数据分析领域的基本认知。本节将为你清晰地定
- 02学习数据分析的一般路线约 6 分钟 · 学习数据分析的一般路线 小象实战讲义 · Python数据分析实战 在上一节，我们探讨了数据分析的基本概念。这一节，我们将目光转向学习路径本身。面对庞杂的知识体系，初学者常常感到迷茫。本节将为你勾勒出
- 03数据分析的流程约 4 分钟 · 数据分析的流程 小象实战讲义 · Python数据分析实战 在掌握了数据分析的基本概念和能力之后，我们即将进入实战环节。但在动手写代码之前，我们必须先建立一个清晰的分析框架。本节将为你系统性地介绍数据
- 04数据类型约 7 分钟 · 数据类型：数据分析的基石 小象实战讲义 · Python数据分析实战 在上一节，我们明确了数据分析的定义与核心流程。接下来，我们将目光聚焦于分析的对象——数据本身。数据并非千篇一律，不同类型的数据决定
- 05环境部署(1)约 14 分钟 · 环境部署：一站式搭建 Python 数据分析环境 小象实战讲义 · Python数据分析实战 工欲善其事，必先利其器。在正式开始数据分析之旅前，一个稳定、便捷的开发环境至关重要。本节将为你详细介绍如何
- 06环境部署(2)约 13 分钟 · 环境部署（二）：开发工具配置与关系梳理 小象实战讲义 · Python数据分析实战 上一节我们完成了 Anaconda 的安装，拥有了一个功能完整的 Python 数据分析环境。但有了环境还不够，我们
- 07课程介绍约 3 分钟 · 本地数据的采集与操作：课程介绍 小象实战讲义 · Python数据分析实战 在数据分析的完整流程中，第一步往往是获取数据。数据可能来自网络下载、客户提供或内部系统导出，并以各种格式存储在我们的本地计算
- 08TXT文件操作约 15 分钟 · TXT文件操作 小象实战讲义 · Python数据分析实战 在数据分析工作中，我们接触到的数据源多种多样，其中文本文件（TXT）是最基础、最常见的一种。无论是日志文件、配置文件，还是简单的数据记录，T
- 09JSON文件操作约 14 分钟 · JSON文件操作 小象实战讲义 · Python数据分析实战 在数据分析工作中，我们经常会遇到一种名为JSON的数据格式。它广泛用于网络数据传输和配置文件存储。本节将带你认识JSON格式，并掌握使用P
- 10CSV文件操作约 12 分钟 · CSV文件操作 小象实战讲义 · Python数据分析实战 在上一节我们学习了JSON数据的处理，这一节我们来学习另一种非常常见的表格型数据格式——CSV。CSV文件是数据分析中最常用的数据交换格式之
- 11Excel文件操作约 9 分钟 · Excel 文件操作 小象实战讲义 · Python数据分析实战 在上一节，我们学习了如何使用 Pandas 处理 CSV 文件。CSV 是一种纯文本格式，而 Excel 文件则更为复杂，它不仅能存储
- 12数据库及SQL常用语法约 11 分钟 · 数据库及SQL常用语法 小象实战讲义 · Python数据分析实战 在数据处理中，我们常常需要面对多个相关联的数据表。本节将带你认识数据库这一强大的数据存储与管理工具，并学习其核心操作语言——SQL（
- 13数据库基本操作约 12 分钟 · SQLite 数据库基本操作 小象实战讲义 · Python数据分析实战 在数据分析工作中，我们经常需要从数据库中获取数据。SQLite 是一个轻量级的关系型数据库，它无需独立的服务器进程，整个数据库
- 14数据库多表连接约 15 分钟 · 数据库多表连接 小象实战讲义 · Python数据分析实战 在实际的数据分析工作中，数据往往分散在多个相关联的数据库表中。例如，员工的基本信息在一个表，其所属部门信息在另一个表。为了进行完整的分析，我
- 15实战：欧洲职业足球数据库分析约 17 分钟 · 实战：欧洲职业足球数据库分析 小象实战讲义 · Python数据分析实战 在学习了本地数据的各种采集与操作方法后，我们通过一个实战项目来巩固所学。本节我们将对一个欧洲职业足球数据库进行分析，目标是提取
- 16爬虫简介约 7 分钟 · 爬虫简介 小象实战讲义 · Python数据分析实战 在上一课中，我们学习了如何从本地文件（如CSV、Excel、JSON）和数据库中获取数据。然而，在现实世界中，大量有价值的数据并非静态地存放在本地
- 17URL管理模块约 3 分钟 · URL管理模块 小象实战讲义 · Python数据分析实战 在网络爬虫的流程中，URL管理模块扮演着“调度中心”的角色。它负责记录哪些链接已经爬取过，哪些链接等待爬取，从而有效避免重复劳动和陷入无限循
- 18网页下载模块约 6 分钟 · 网页下载模块 小象实战讲义 · Python数据分析实战 在上一节中，我们学习了如何管理URL。接下来，我们需要将这些URL对应的网页内容获取到本地或内存中，这就是网页下载模块的核心任务。本节将介绍如
- 19网页解析模块(1)约 13 分钟 · 网页解析模块（1） 小象实战讲义 · Python数据分析实战 当我们从网络下载到网页内容后，面对的是一长串 HTML 代码字符串。如何从这“一锅乱炖”的字符串中，精准地捞出我们想要的数据“食材”？这
- 20网页解析模块(2)约 10 分钟 · 网页解析模块(2) 小象实战讲义 · Python数据分析实战 在上一节中，我们学习了如何使用 BeautifulSoup 查找网页中的节点。找到节点只是第一步，更重要的是如何从节点中提取出我们需要的
- 21Scrapy简介约 6 分钟 · Scrapy简介 小象实战讲义 · Python数据分析实战 在前几节中，我们介绍了网络爬虫的几个基本模块，并讲解了如何使用原生Python实现一个爬虫。真实的爬虫项目通常会更加复杂，但其核心架构依然
- 22Scrapy使用步骤(1)约 6 分钟 · Scrapy 使用步骤（一）：框架安装与项目创建 小象实战讲义 · Python数据分析实战 在上一节中，我们了解了Scrapy框架的基本架构和核心组件。从本节开始，我们将正式进入Scrapy的实战学
- 23Scrapy使用步骤(2)约 10 分钟 · Scrapy使用步骤(2) 小象实战讲义 · Python数据分析实战 上一节我们创建了Scrapy工程，本节将进入核心环节——编写并运行第一个爬虫（Spider）。我们将以空气质量指数（AQI）网站
- 24Scrapy使用步骤(3)约 10 分钟 · Scrapy 使用步骤（3）：定义 Item 与解析网页 小象实战讲义 · Python数据分析实战 上一节我们创建了 Scrapy 项目并编写了简单的爬虫主体。本节我们将深入讲解如何定义 Item
- 25Scrapy使用步骤(4)约 10 分钟 · Scrapy Pipeline：数据清洗与持久化 小象实战讲义 · Python数据分析实战 在上一节中，我们学习了如何使用 Scrapy 的 Spider 来解析网页并提取出结构化的数据（Item）
- 26实战：获取国内城市空气质量指数数据约 15 分钟 · 实战：获取国内城市空气质量指数数据 小象实战讲义 · Python数据分析实战 本节我们将通过一个实战项目来巩固第三课《网络数据的获取与表示》的学习。该项目旨在获取国内城市空气质量指数（AQI）数据，
- 27NumPy和SciPy介绍约 9 分钟 · NumPy和SciPy介绍 小象实战讲义 · Python数据分析实战 在前面的课程中，我们已经学习了如何从本地文件和网络获取数据。获取数据之后，下一步就是数据处理与分析。在Python生态中，Pan
- 28多维数组约 11 分钟 · 多维数组的创建与基本操作 小象实战讲义 · Python数据分析实战 在上一节，我们了解了NumPy多维数组的核心概念和基本属性。本节我们将进入实战环节，学习如何创建多维数组，并掌握改变其形状和数据类
- 29多维数组操作约 16 分钟 · 多维数组操作 小象实战讲义 · Python数据分析实战 在上一节我们学习了如何创建多维数组并查看其属性。本节我们将深入多维数组的核心操作：如何从数组中获取我们想要的数据。这包括通过索引和切片来定位数
- 30NumPy的常用方法约 8 分钟 · NumPy 的常用方法 小象实战讲义 · Python数据分析实战 在掌握了 NumPy 数组的构造和数据获取之后，我们自然要问：如何对这些数据进行统计分析？本节将系统介绍 NumPy 提供的一系列常
- 31向量化介绍约 8 分钟 · 向量化与广播操作 小象实战讲义 · Python数据分析实战 在上一节我们学习了NumPy数组的基本操作。但NumPy真正的威力在于其高效的向量化计算能力。本节将深入讲解向量化（Vectorizati
- 32向量化及通用函数约 7 分钟 · 向量化与通用函数 小象实战讲义 · Python数据分析实战 在上一节我们理解了向量化（Vectorization）和广播（Broadcasting）的概念，它们是NumPy高效运算的核心思想。本节我
- 33实战：2016美国大选分析约 17 分钟 · NumPy 综合实战：月度调研数据的清洗与分组统计 小象实战讲义 · Python数据分析实战 本节是第 4 章 NumPy 的压轴综合实战。原始课程使用「2016 美国大选民调数据集」，因年代较久、
- 34数据结构-Series约 18 分钟 · Series：Pandas 的一维数据结构 小象实战讲义 · Python数据分析实战 在掌握了NumPy的多维数组操作后，我们将正式进入数据分析的核心工具——Pandas的学习。Pandas是专为处
- 35数据结构-DataFrame约 15 分钟 · DataFrame：Pandas的表格型数据结构 小象实战讲义 · Python数据分析实战 在上一节中，我们学习了Pandas的第一个核心数据结构Series，它是一维的带标签数组。但在实际数据分析
- 36数据结构-Index约 7 分钟 · 深入理解 Index 对象 小象实战讲义 · Python数据分析实战 在学习了Series和DataFrame这两种核心数据结构后，我们深入探讨另一个贯穿始终的重要概念——索引（Index）。索引不
- 37Series的索引操作约 7 分钟 · Series的索引操作 小象实战讲义 · Python数据分析实战 在上一节中，我们学习了Pandas的三个核心数据结构：Series、DataFrame和Index。你已经掌握了如何通过索引获取单个
- 38DataFrame的索引操作约 11 分钟 · DataFrame的索引操作 小象实战讲义 · Python数据分析实战 上一节我们详细学习了Series的索引操作，这一节我们来看一下DataFrame的索引操作。DataFrame作为二维表格结构
- 39索引操作总结约 6 分钟 · 索引操作总结 小象实战讲义 · Python数据分析实战 在之前的课程中，我们学习了Pandas的多种索引方式。索引是高效访问和操作数据的核心。本节将对核心的索引操作进行系统性总结，并引入一个强大的数
- 40运算与对齐约 11 分钟 · 运算与对齐 小象实战讲义 · Python数据分析实战 在数据分析中，我们经常需要对不同来源、不同结构的数据进行合并与计算。Pandas 的强大之处在于，它能够智能地处理这些操作，而“对齐”正是其核心
- 41函数应用操作(1) -- map约 11 分钟 · 函数应用操作 map 小象实战讲义 · Python数据分析实战 在数据处理中，我们经常需要对数据集中的每一个元素进行相同的操作，例如转换数据类型、计算新值或格式化字符串。如果使用传统的循环，代码会变
- 42函数应用操作 (2) -- apply applymap约 7 分钟 · Pandas 函数应用进阶：apply 轴向计算与全表映射（原 applymap） 小象实战讲义 · Python数据分析实战 在上一节掌握了面向单列的 Series.map 之后，我们这一节来解决更
- 43文件读写操作约 8 分钟 · 文件读写操作 小象实战讲义 · Python数据分析实战 在数据分析工作中，我们处理的数据大多来自外部文件。本节课将系统学习如何使用 Pandas 进行 CSV 文件的读取、查看和保存，掌握如何高效地
- 44排序操作约 11 分钟 · 排序操作 小象实战讲义 · Python数据分析实战 在数据分析中，排序是一项基础且重要的数据整理操作。通过排序，我们可以清晰地观察数据在某一列或某一行上的分布趋势，快速找到最大值、最小值，或者按照特
- 45数据清洗--处理缺失数据约 13 分钟 · 缺失数据的识别与处理 小象实战讲义 · Python数据分析实战 在数据分析的实际工作中，我们拿到的原始数据往往并不“干净”，其中可能包含缺失值、重复值或无效值。这些“脏数据”会严重影响后续的分析、处
- 46数据清洗--处理重复数据约 5 分钟 · 重复数据的识别与处理 小象实战讲义 · Python数据分析实战 在上一节我们学习了如何处理缺失值，这是数据清洗的第一步。本节我们将继续数据清洗的另一个核心任务：识别并处理重复数据。重复数据会干扰统计
- 47数据清洗--替换数据约 4 分钟 · 替换数据 小象实战讲义 · Python数据分析实战 在数据清洗的最后一步，我们常常会遇到需要将数据中的特定值替换为另一个值的情况。例如，将无效的占位符（如9999）替换为0或缺失值，或者将分类数据的
- 48常用统计方法(1) -- describe quantile约 9 分钟 · 常用统计方法(1) – describe、quantile 小象实战讲义 · Python数据分析实战 在数据分析中，我们经常需要对数据的整体分布有一个快速、全面的了解。Pandas提供了两个非常强大
- 49常用统计方法(2) -- sum mean median count约 5 分钟 · 常用统计方法（二）：求和、均值、中位数与计数 小象实战讲义 · Python数据分析实战 在上一节我们学习了 describe() 方法，它可以快速给出数据的整体统计概览。本节我们将深入几个最核心的单
- 50常用统计方法(3) -- max min idxmax idxmin约 4 分钟 · 常用统计方法(3) -- max、min、idxmax、idxmin 小象实战讲义 · Python数据分析实战 在数据分析中，快速找到数据集中的极值（最大值、最小值）及其所在位置，是进行数据探索和异
- 51常用统计方法(4) -- mad var std cumsum约 7 分钟 · 常用统计方法：MAD、方差、标准差与累加 小象实战讲义 · Python数据分析实战 在数据分析中，我们不仅关心数据的中心位置（如均值、中位数），更关心数据的“离散程度”或“波动性”。本节将介绍四个关
- 52实战：全球食品数据分析约 15 分钟 · 全球食品数据分析实战 小象实战讲义 · Python数据分析实战 在掌握了Pandas的核心数据结构与基本操作后，本节我们将通过一个完整的实战项目，将所学知识融会贯通。我们将分析一份全球食品数据，目标
- 53层级索引约 9 分钟 · 层级索引 小象实战讲义 · Python数据分析实战 在数据分析中，我们常常会遇到数据具有自然层次结构的情况，例如国家属于某个地区，产品属于某个类别。Pandas 提供的层级索引（MultiIndex
- 54分组与聚合介绍约 6 分钟 · 分组与聚合介绍 小象实战讲义 · Python数据分析实战 在数据分析中，我们常常需要按照某个类别或条件将数据分成不同的组，然后对每个组进行统计分析，例如计算各组的平均值、总和或数量。这正是分组与聚合
- 55分组操作(1) -- GroupBy对象及常用聚合操作约 8 分钟 · GroupBy 对象与常用聚合操作 小象实战讲义 · Python数据分析实战 在数据分析中，我们经常需要按照某个或某几个维度对数据进行分组，然后对每个组进行统计计算。Pandas的groupby()
- 56分组操作(2) -- 自定义分组及聚合操作约 12 分钟 · 分组操作（2）——自定义分组及聚合操作 小象实战讲义 · Python数据分析实战 在上一节中，我们掌握了Pandas分组操作的基本方法。然而，现实数据分析中，我们常常需要根据更复杂的规则对数据进行分
- 57透视表介绍约 7 分钟 · 透视表介绍 小象实战讲义 · Python数据分析实战 在数据分析中，我们经常需要从不同维度对数据进行交叉汇总和统计。本节将介绍一种强大的数据分析工具——透视表（Pivot Table）。透视表能够将
- 58透视表操作约 9 分钟 · 透视表操作 小象实战讲义 · Python数据分析实战 在数据分析中，我们常常需要从不同维度观察数据的聚合结果。本节课将介绍如何使用Pandas的pivottable方法，将扁平的二维表格数据，转换为
- 59数据规整(1) -- 数据合并concat约 9 分钟 · 用 pd.concat 合并数据 小象实战讲义 · Python数据分析实战 在实际数据分析工作中，我们常常需要将多个数据集合并成一个，例如将不同时间段、不同来源或不同维度的数据整合起来。Pandas
- 60数据规整(2) -- 数据连接merge约 14 分钟 · 数据连接 merge 小象实战讲义 · Python数据分析实战 在数据分析工作中，数据往往分散在多个表格或数据源中。例如，用户信息在一个表格，购买记录在另一个表格，产品信息又在第三个表格。要将这些信
- 61数据重构(3) -- 数据重构stack unstack约 10 分钟 · 数据重构：stack 与 unstack 小象实战讲义 · Python数据分析实战 在数据分析中，我们常常需要将数据从一种“宽”格式转换为“长”格式，或者反之，以适应不同的分析需求。stack 和
- 62实战：互联网电影资料库分析约 24 分钟 · 互联网电影资料库分析实战 小象实战讲义 · Python数据分析实战 在掌握了Pandas的分组聚合、数据规整等核心高阶功能后，本节我们将通过一个完整的实战项目——互联网电影资料库数据分析，来综合运用
- 63探索性数据分析EDA介绍约 5 分钟 · 探索性数据分析EDA介绍 小象实战讲义 · Python数据分析实战 在前面的课程中，我们学习了如何使用NumPy和Pandas进行数据处理与分析，分析结果通常保存为数据文件以便归档。然而，当我们需要
- 64EDA的目的约 5 分钟 · EDA的目的 小象实战讲义 · Python数据分析实战 在上一节我们了解了什么是探索性数据分析（EDA），这一节我们将深入探讨EDA的目的与价值，以及它与另一种数据分析方法——验证性数据分析（CDA
- 65EDA常用工具约 10 分钟 · EDA常用工具 小象实战讲义 · Python数据分析实战 在上一节中，我们了解了探索性数据分析（EDA）的核心思想。本节我们将聚焦于实现EDA的利器——各种可视化图表。你将学习到散点图、直方图、柱状
- 66Matplotlib绘图基本介绍约 9 分钟 · Matplotlib绘图基本介绍 小象实战讲义 · Python数据分析实战 在数据分析工作中，将数据转化为直观的图表是沟通洞察的关键环节。本节我们将系统学习Python生态中最经典、最基础的绘图库—
- 67Matplotlib画布约 7 分钟 · Matplotlib画布 小象实战讲义 · Python数据分析实战 在上一节中，我们了解了Matplotlib绘图的基本流程和元素。从本节开始，我们将正式学习如何使用Matplotlib进行绘图。一
- 68散点图和柱状图的绘制约 11 分钟 · 散点图与柱状图的绘制 小象实战讲义 · Python数据分析实战 在数据分析中，可视化是洞察数据关系、分布和趋势的关键步骤。本节我们将学习两种最基础且强大的图表类型：散点图和柱状图。通过Matplot
- 69直方图的绘制约 7 分钟 · 直方图的绘制 小象实战讲义 · Python数据分析实战 在数据分析中，我们不仅关心数据的集中趋势，更希望了解数据的分布情况。直方图（Histogram）正是这样一种强大的可视化工具，它能将连续或离散
- 70矩阵绘图约 7 分钟 · 矩阵绘图 小象实战讲义 · Python数据分析实战 在数据分析中，我们常常需要观察和理解二维表格（矩阵）数据中数值的分布和模式。矩阵绘图，特别是热力图（Heatmap），通过将矩阵中的数值映射为颜色
- 71子图的使用约 7 分钟 · 子图的使用 小象实战讲义 · Python数据分析实战 在数据分析的可视化环节，我们常常需要将多个相关的图表并排展示，以便于对比分析或呈现数据的不同侧面。Matplotlib 提供的子图（Subplo
- 72Matplotlib颜色、标记、线型约 5 分钟 · Matplotlib 颜色、标记与线型 小象实战讲义 · Python数据分析实战 在数据可视化中，折线图是最常用的图表之一，用于展示数据随时间或其他连续变量的变化趋势。然而，当我们需要在同一张图中绘
- 73Matplotlib坐标刻度、标签、图例、标题约 13 分钟 · Matplotlib坐标刻度、标签、图例与标题配置 小象实战讲义 · Python数据分析实战 在上一节我们学习了如何使用Matplotlib绘制基础的折线图、散点图等图形。一个完整的图表除了数据本身
- 74Seaborn介绍约 4 分钟 · Seaborn 介绍 小象实战讲义 · Python数据分析实战 在前面的课程中，我们系统地学习了 Matplotlib 库在数据可视化方面的应用。Matplotlib 功能强大，可以绘制多种基础图形
- 75数据集分布可视化(1) -- 单变量分布、双变量分布约 14 分钟 · 数据集分布可视化：单变量与双变量分布 小象实战讲义 · Python数据分析实战 在数据分析中，我们不仅要看数据的“值”，更要看数据的“分布”。理解数据的分布特征，是进行探索性数据分析（EDA）和后续
- 76数据集分布可视化(2) -- 变量关系可视化约 12 分钟 · 数据集分布可视化（2）——变量关系可视化 小象实战讲义 · Python数据分析实战 在上一节中，我们学习了如何对单个变量（数据列）的分布进行可视化。但在实际的数据探索（EDA）中，我们更关心的是不同
- 77类别数据可视化 -- 类别散布图、类别内数据分布、类别内统计图约 13 分钟 · 类别数据可视化 小象实战讲义 · Python数据分析实战 在上一讲中，我们学习了如何使用 Seaborn 绘制变量间的关系图。本讲我们将聚焦于类别数据的可视化。当数据中至少有一列是类别型（如星期几、
- 78交互式数据可视化工具Bokeh介绍约 7 分钟 · 交互式数据可视化：从静态图表到 Web 交互的技术演进 小象实战讲义 · Python数据分析实战 前面几节我们画出来的都是静态图——生成后就是一张固定的图片。本节我们要认识另一类图表：交互式可视化，
- 79Bokeh绘制散点图、柱状图、盒子图、弦图约 13 分钟 · Bokeh绘制散点图、柱状图、盒子图、弦图 小象实战讲义 · Python数据分析实战 在上一节课中，我们学习了Bokeh的基本概念与安装。本节课，我们将一起动手，使用Bokeh绘制数据分析中几种常见
- 80Bokeh绘制常用图形元素约 4 分钟 · Bokeh绘制常用图形元素 小象实战讲义 · Python数据分析实战 上一节我们介绍了Bokeh的高层图表接口，可以快速绘制常见的统计图。但有时我们需要更灵活的图形组合，或者想在已有图表上添加自定义
- 81D绘图 -- mplot3d约 2 分钟 · 三维绘图与 mplot3d 工具包 小象实战讲义 · Python数据分析实战 在前面的课程中，我们主要学习了二维数据的可视化展示，例如带有横轴和纵轴的折线图、散点图等。然而，当数据维度增加到三个或更
- 82D曲线可视化约 3 分钟 · 3D曲线可视化 小象实战讲义 · Python数据分析实战 在上一节中，我们学习了如何使用 Matplotlib 的 Axes3D 模块来创建三维坐标轴。本节我们将聚焦于如何在三维空间中绘制曲线。三维
- 83D散点图可视化约 3 分钟 · 3D散点图可视化 小象实战讲义 · Python数据分析实战 在探索多维数据时，我们常常需要观察三个变量之间的关系。二维散点图只能展示两个维度，当数据具有三个关键特征时，3D散点图就成为了一种强大的可
- 84D柱状图可视化约 4 分钟 · 3D柱状图可视化 小象实战讲义 · Python数据分析实战 在数据可视化中，3D柱状图能够同时展示三个维度的信息，常用于对比不同类别在不同条件下的数值表现。本节将学习如何使用Matplotlib的A
- 85Pandas绘图约 11 分钟 · Pandas绘图 小象实战讲义 · Python数据分析实战 在数据分析中，可视化是洞察数据、呈现结论的关键环节。Pandas不仅提供了强大的数据处理能力，还内置了便捷的绘图功能，能够让我们在数据框（
- 86实战：Lending Club借贷数据探索性分析及可视化约 13 分钟 · Lending Club 借贷数据探索性分析及可视化 小象实战讲义 · Python数据分析实战 本节我们将通过一个实战案例，综合运用数据可视化技能，对 Lending Club 借贷数据进行探索性分
- 87机器学习介绍及应用场景约 15 分钟 · 机器学习介绍及应用场景 小象实战讲义 · Python数据分析实战 前面的课程我们已经学习了数据分析中的数据采集、数据处理、数据分析以及数据可视化。从这一刻开始，我们将进入机器学习的入门世界。本节将为
- 88机器学习建模介绍 (1) -- 分类约 10 分钟 · 机器学习建模介绍：分类算法 小象实战讲义 · Python数据分析实战 在上一节，我们了解了机器学习的基本概念和流程。本节我们将深入机器学习建模的第一类核心算法：分类算法。你将理解分类算法的核心思想、
- 89机器学习建模介绍 (2) -- 回归约 8 分钟 · 回归算法：从原理到实战 小象实战讲义 · Python数据分析实战 在上一节我们学习了分类算法，它用于预测离散的类别标签。本节我们将转向另一类核心的机器学习问题——回归。回归算法旨在预测一个连续的数值
- 90机器学习建模介绍 (3) -- 聚类约 8 分钟 · 聚类算法入门：从无标签数据中发现结构 小象实战讲义 · Python数据分析实战 在掌握了回归与分类这两类有监督学习模型后，我们将目光转向机器学习中另一大类方法——无监督学习。本节将聚焦于无监督学习的
- 91机器学习分类约 5 分钟 · 机器学习分类：监督学习与无监督学习 小象实战讲义 · Python数据分析实战 在上一节中，我们按照任务类型将机器学习分为分类、回归和聚类。本节我们将从另一个重要维度——数据本身出发，学习如何根据样本
- 92机器学习工具scikit-learn约 4 分钟 · 机器学习工具 scikit-learn 小象实战讲义 · Python数据分析实战 在掌握了数据分析的基础工具和流程后，我们即将迈入一个更广阔的领域：机器学习。机器学习算法看似复杂，但得益于成熟的工具
- 93使用scikit-learn的流程约 12 分钟 · 使用scikit-learn的流程 小象实战讲义 · Python数据分析实战 在掌握了机器学习的基本概念和任务类型后，我们终于要动手实践了。本节将带你走完一个完整的机器学习项目流程，使用Python
- 94数据集准备及划分约 13 分钟 · 数据集准备及划分 小象实战讲义 · Python数据分析实战 在上一节中，我们直接在训练集上测试了模型，这就像用练习题来考试，无法真实评估模型面对未知数据的能力。本节我们将学习如何正确地准备数据集，并
- 95模型选择约 9 分钟 · 模型选择 小象实战讲义 · Python数据分析实战 在机器学习实践中，面对众多算法模型，初学者常常感到困惑：我的问题应该选择哪个模型？本节将为你介绍 scikit-learn 官方提供的模型选择路线
- 96数据预处理及特征工程约 13 分钟 · 数据预处理及特征工程 小象实战讲义 · Python数据分析实战 在机器学习建模之前，我们通常需要对原始数据进行一系列的处理和转换，以使其更适合模型学习。本节将介绍数据预处理中的一个核心环节——数值型
- 97过拟合与欠拟合约 15 分钟 · 过拟合与欠拟合 小象实战讲义 · Python数据分析实战 在机器学习模型训练过程中，我们追求的是模型不仅能记住训练数据，更要能理解数据背后的规律，从而对新的、未见过的数据做出准确的预测。然而，模型的
- 98模型调参介绍约 10 分钟 · 模型调参与交叉验证 小象实战讲义 · Python数据分析实战 在上一节中，我们学习了如何划分数据集、训练模型并进行评估。然而，一个关键问题尚未解决：如何为模型选择最优的参数配置？本节将深入探讨机器学
- 99模型调参方法约 13 分钟 · 模型调参方法 小象实战讲义 · Python数据分析实战 在机器学习项目中，选择合适的模型参数（超参数）是提升模型性能的关键步骤。本节将介绍两种在scikit-learn中常用的模型调参方法：基于交叉
- 100模型测试及评价约 18 分钟 · 模型测试及评价 小象实战讲义 · Python数据分析实战 在机器学习项目中，构建模型只是第一步，如何科学地评估模型性能才是关键。本节我们将深入探讨模型测试与评价的多种指标，理解为何“准确率”并非万能
- 101实战：通过移动设备行为数据预测性别和年龄约 26 分钟 · 实战：通过移动设备行为数据预测性别和年龄 小象实战讲义 · Python数据分析实战 本节我们将通过一个来自Kaggle的真实竞赛案例，串联起数据分析的完整链路。我们将学习如何从多个关联的原始数据表中
课程要收费吗？
核心体系课全部免费，无有效期限制，学完为止，视频、讲义、代码与作业配套开放。企业内训为定制付费服务，如有团队培训需求可查看企业内训。
同主题课程
主题内继续学
免费