按照数据分析基本步骤讲解理论，再用 Python 库快速实现分析程序。
从数组计算、表格读写、索引访问，到清洗、重塑、合并和统计聚合。
使用 Matplotlib、Seaborn 和 Streamlit 构建图表、交互页面和数据大屏。
通过 RFM 客户细分、零售行业分析、互联网金融分析完成综合实战。
Course Overview
使用 Python 进行数据分析十分便利且高效，因此 Python 被认为是优秀的数据分析工具之一。本课程从理论和实战两个角度介绍 Python 数据分析工具，并采用理论分析与 Python 实践相结合的形式，让学员在理解数据分析基础理论的同时快速上手实现分析程序。
课程围绕 Numpy、Pandas 的数据处理和计算展开，并在后半部分进入数据可视化、Streamlit 数据大屏搭建和综合项目实战。学员将学习如何绘制图形、搭建实时交互大屏，并用 RFM 模型等方法完成客户细分和业务分析。
Training Goals
从数据读取、清洗、转换、统计、挖掘，到图表、大屏和业务项目表达。
掌握 Anaconda、Jupyter Notebook 的安装使用，建立可复用的数据分析工作环境。
理解 ndarray 创建、访问、排序、矢量运算、文件操作、统计函数和矩阵运算。
掌握 Series、DataFrame、Excel/Csv读写、索引切片、布尔索引、赋值计算和排序。
完成列行操作、concat/merge、索引重置、apply/map、缺失值、异常值、重复值处理。
掌握描述性统计、groupby聚合、频次、透视表、交叉表、环比同比、相关性和时间序列。
使用 jieba 分词、词频、词云，并理解 Apriori、FP-growth 与 mlxtend 关联分析。
使用 Matplotlib 和 Seaborn 绘制折线、条形、饼图、散点、箱型、雷达、面积等图形。
用 Streamlit 搭建数据大屏，并完成 RFM、零售行业和拍拍贷金融分析项目。
Toolchain
课程工具链聚焦真实分析工作中最常用的 Python 数据处理、图表和交互展示能力。
建立数据分析环境，支持交互式代码、过程记录和实验复现。
处理数组、随机数据、统计函数、字符串函数和矩阵运算。
读写Excel/Csv，处理DataFrame，完成清洗、重塑、聚合和时间序列。
完成中文分词、词频统计和词云可视化表达。
实现购物篮、推荐和关联规则分析。
绘制基础图形、高级统计图形和风格化可视化作品。
实现文本、数据、图表、多媒体、交互控件和页面布局。
落地客户细分、零售行业分析和互联网金融数据分析项目。
Five-Day Path
按数据分析工作的自然顺序推进，每天都有明确的能力目标和实践主题。
理解数据分析概念，搭建 Anaconda 与 Jupyter，掌握 Numpy 数组和 Pandas 基础数据结构。
围绕 DataFrame 的行列操作、合并连接、缺失值、异常值、重复值和离散化开展练习。
完成描述统计、聚合、透视、环比同比、相关性、时间序列、词云和关联分析。
学习 Matplotlib、Seaborn 与 Streamlit，完成图表绘制和数据可视化大屏搭建。
按完整数据分析流程完成 RFM 客户细分、零售行业分析和拍拍贷互联网金融分析。
Full Syllabus
保留原大纲核心内容，同时整理为适合网页浏览的模块化结构。
建立数据分析认知，掌握环境搭建和 Numpy 数组计算基础。
掌握 Series、DataFrame、文件读写、索引访问和基础计算。
处理真实数据中的合并、缺失、异常、重复和离散化问题。
用统计、聚合、透视、相关性和时间序列方法理解数据。
处理文本数据，并通过关联规则挖掘商品或行为之间的关系。
使用 Matplotlib 和 Seaborn 建立图表表达能力。
将数据、图表和交互控件组织成可演示的数据应用。
按完整流程完成客户细分、零售和互联网金融分析。
Practice Projects
课程通过多个真实感业务场景，把数据处理、统计分析、可视化和大屏展示串起来。
使用 Apriori、FP-growth 和 mlxtend，从消费或偏好数据中挖掘组合关系，理解推荐逻辑。
整合文本、数据表、图表、交互控件、页面布局和业务模块，搭建可演示的数据大屏。
围绕最近一次消费、消费频率和消费金额进行客户价值分层，支持运营策略和营销决策。
从销售数据中分析商品、客户、时间和渠道表现，形成零售经营洞察和图表化表达。
围绕互联网金融数据进行清洗、统计、特征观察和图表表达，训练金融业务分析思路。
按数据分析流程完成问题定义、数据处理、统计分析、可视化展示、结论提炼和项目汇报。
Audience & Service
课程适合对数据分析感兴趣，并具备 Python 核心语法、统计学基础和 Excel 应用能力的学员。
希望系统学习 Python 数据处理、分析和可视化方法。
零售、金融等行业希望提升数据处理、报表和洞察能力的人员。
小班精讲、面授或直播、案例分析、操作演示、练习实践和课堂答疑。
1年内课程答疑、课件资料升级分享、录播回看和免费重修。