二蛋赠书二十期:《Python数据分析》

1.2.1 工作效率的提升 6

1.2.2 工作能力增强 6

1.2.3职业竞争力的提高 7

1.3 如何高效地学习Python 7

1.3.1 打好编程基础 7

1.3.2 多攒代码 7

1.3.3 学会并且精通代码调试 8

1.3.4 伤其五指不如断其一指 8

第2章 Python的工作环境 10

2.1 Python工作环境的构成 10

2.1.1 Python的核心软件 10

2.1.2 Anaconda 11

2.1.3 IDE工具 12

2.2 安装过程中的常见问题 12

2.3 Python中的两种解释器 13

2.4 包的安装 20

2.4.1 在线安装 20

2.4.2 离线安装 21

2.5 Pycharm中的解释器配置 24

2.5.1 两种解释器在Pycharm中的配置方法 24

2.5.2 Anaconda中第三方包的配置 29

2.6 编译py文件生成.exe文件 31

第3章 适合小白的Python编程基础 35

3.1 与文件系统相关的5个常见问题 35

3.2 编码格式 40

3.3 Python编程中的一些特殊之处 42

3.4 Python中的数据结构 43

3.4.1 序列 43

3.4.2 列表 45

3.4.3 元祖 47

3.3.5 集合 53

3.5 Python基础语句 54

第4章 Python编程调试能力 58

4.1 程序调试的几个常识 58

4.2 Python代码常见错误类型 58

4.3程序调试方法 59

4.3.1 程序调试的基本操作 59

4.3.2 程序调试的基本方法 73

第5章 Excel和txt文件的读写操作 75

5.1 text文件读写包 75

5.2 Excel读写的四重循环 76

5.3 openpyxl包 78

5.4 xlsxwriter包 81

第6章 数据处理神器pandas 84

6.1 pandas的安装 84

6.2 pandas的数据结构 85

6.3 pandas数据处理 89

6.3.1 从Excel文件读取数据 89

6.3.2 切片 90

6.3.3 排序、筛选与分类汇总 92

6.3.4 数据合并 97

6.4 pandas统计分析 102

6.4.1统计分析指标 102

6.4.2 pandas绘图 107

6.5 其他功能 107

第7章 Matplotlib图形呈现包 109

7.1 Matplotlib包介绍 109

7.2 Matplotlib包绘制常用线形的方法 109

7.2.1 折线图 109

7.2.2 散点图 117

7.2.3 柱状图 117

7.2.4 饼图 118

7.2.5 直方图 122

7.3 图的部件绘制代码 123

7.4 绘图综合示例 127

Python数据分析高级篇 130

第8章 数据预处理 131

8.1数据预处理的目标和方法 131

8.1.1 缩放法 131

8.1.2 分段转换 135

8.1.3 定性数据定量化 136

8.1.4 数据填充 137

8.2 Python数据预处理的方法 138

第9章 数据分析的常见问题和方法 141

9.1 数据分析的常见问题 141

9.1.1 数据采集问题 141

9.1.2 数据描述问题 142

9.1.3 数据间关系的界定和挖掘问题 142

9.1.4 时间序列(预测)问题 142

9.2 数据分析的常见方法 143

9.2.1 标识分析法 143

9.2.2 排序分析方法 144

9.2.3 漏斗分析方法 144

9.2.4 二八分析法 146

9.2.5 异常值分析法 147

9.2.6 对比分析法 152

9.2.7 分组(类)分析法 155

9.2.8 因果关系判断法 155

9.2.9 假设排除分析法 156

9.2.10 趋势分析法 156

第10章 相关与回归 158

10.1相关 158

10.1.1相关分析的含义 158

10.1.2相关分析在Excel软件中的实现 159

10.1.3相关分析的Python代码实现 164

10.2回归 167

10.2.1线性回归 168

10.2.2非线性回归 171

10.2.3多元线性回归 173

10.2.4 Logistic回归 175

第11章 分类 178

11.1 KNN邻近算法 178

11.2 聚类原理 181

11.3 聚类在Python中的实现 183

第12章 决策树 186

12.1 决策树原理 186

12.2 决策树代码解析 187

第13章 关联分析 194

13.1关联分析原理 194

13.2关联分析的数据预处理 197

13.3 Python关联分析代码解析 199

第14章 降维技术 203

14.1 为什么要降维? 203

14.2 用python实现主成分分析 205

第15章 通过爬虫获取数据的方法与实践 209

15.1 爬虫基本原理 209

15.2 爬虫爬取内容 210

15.3 爬虫爬取实践 210

先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7

深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!

因此收集整理了一份《2024年最新网络安全全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
img
img
img
img
img
img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上网络安全知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化资料的朋友,可以点击这里获取
外链图片转存中…(img-0CZ8au86-1714322380570)]

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上网络安全知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化资料的朋友,可以点击这里获取

  • 9
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中的数据透视表可以使用pandas库中的pivot_table方法来创建。pivot_table方法的调用形式为DataFrame.pivot(index, columns, values, aggfunc)。其中,index参数指定了数据透视表中的行索引,columns参数指定了数据透视表中的列索引,values参数指定了数据透视表中的数值,aggfunc参数指定了对数值进行聚合的函数。通过这些参数的设置,可以根据需要创建不同的数据透视表。\[3\] 在创建数据透视表时,可以使用DataFrame截取数据的方法来筛选数据。例如,可以使用索引和列的名称来选择特定的行和列,以及使用条件语句来筛选满足特定条件的数据。这样可以根据需要对数据进行进一步的处理和分析。\[1\] 总之,使用pandas库中的pivot_table方法可以方便地创建和操作数据透视表,通过设置不同的参数可以满足不同的需求。同时,可以使用DataFrame的截取数据的方法来筛选和处理数据,以便进行更深入的分析和计算。\[1\]\[3\] #### 引用[.reference_title] - *1* *3* [利用excel与Pandas完成实现数据透视表(文末赠书)](https://blog.csdn.net/lemonbit/article/details/127544087)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v4^insert_chatgpt"}} ] [.reference_item] - *2* [python入门——Pandas透视表(pivot_table)](https://blog.csdn.net/weixin_49249463/article/details/127578300)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v4^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值