数据分析技术

广东科学技术职业学院 | 商学院 | 商务数据分析与应用专业

数据分析技术

本课程学习数据分析的基本方法和技术,包括数据清洗、数据可视化、统计分析等,使用Python相关库进行实践。 通过本课程的学习,学生将掌握数据分析的核心技能,能够使用Python进行数据处理和分析。

知识点

数据分析概述

数据分析的概念、流程、方法和应用领域,以及数据分析工具的介绍。

数据清洗

数据清洗的方法和技术,包括缺失值处理、异常值检测、数据转换等。

数据可视化

数据可视化的原则和方法,使用Matplotlib、Seaborn等库创建各种图表。

统计分析

基本统计分析方法,包括描述性统计、假设检验、相关性分析等。

机器学习基础

机器学习的基本概念和算法,包括监督学习、无监督学习等。

数据挖掘

数据挖掘的方法和技术,包括聚类、分类、关联规则等。

学习内容

第1章:数据分析概述

  • 数据分析的概念和重要性
  • 数据分析的流程和方法
  • 数据分析工具介绍
  • 数据分析的应用领域

第2章:NumPy库

  • NumPy的安装和基本使用
  • NumPy数组的创建和操作
  • NumPy的数学运算
  • NumPy的统计函数

第3章:Pandas库

  • Pandas的安装和基本使用
  • Series和DataFrame的创建和操作
  • 数据清洗和预处理
  • 数据分组和聚合
  • 数据合并和连接

第4章:Matplotlib库

  • Matplotlib的安装和基本使用
  • 折线图、柱状图、饼图等基本图表
  • 图表的定制和美化
  • 多子图和复杂图表

第5章:Seaborn库

  • Seaborn的安装和基本使用
  • 统计图表的创建
  • 热力图、小提琴图等高级图表
  • 图表主题和风格设置

第6章:统计分析

  • 描述性统计分析
  • 假设检验
  • 相关性分析
  • 回归分析

第7章:机器学习基础

  • 机器学习的基本概念
  • 监督学习算法:线性回归、逻辑回归、决策树等
  • 无监督学习算法:聚类、降维等
  • 模型评估和选择

阅读材料

Python数据分析

作者:Wes McKinney

出版社:人民邮电出版社

查看详情

利用Python进行数据分析

作者:Wes McKinney

出版社:机械工业出版社

查看详情

Python数据科学手册

作者:Jake VanderPlas

出版社:人民邮电出版社

查看详情

数据分析实战

作者:托马兹·卓巴斯

出版社:人民邮电出版社

查看详情