Python数据处理实战探险 深入数据分析和可视化 基于真实数据解决实际场景难题
实战导向,深入浅出
编辑点评
课程内容丰富,涵盖数据读写、统计分析、可视化等多个方面,适合有一定Python基础的数据分析爱好者。
⭐ 编辑推荐
本课程通过实战案例,深入讲解Python在数据处理和分析中的应用,帮助学员掌握数据分析和可视化的核心技能。
课程亮点
• 实战案例丰富
• 覆盖数据读写、统计分析、可视化
• 适合数据分析爱好者
课程目录
📁 PART1
📁 📁 第三课
📁 📁 视频
3.1 csv文件读写-【】.mp4 [79.0 MB]
3.4 数据库文件保存-【】.mp4 [30.6 MB]
3.5 txt文件保存-【】.mp4 [89.8 MB]
3.2 Excel文件读写-【】.mp4 [90.9 MB]
3.3 数据库文件读取-【】【公重号:CunWorkNotes】.mp4 [66.3 MB]
📁 📁 数据和代码
📁 📁 .ipynb_checkpoints
数据处理之文件交互-checkpoint-【】【持续更新‖免费提供:CunworknoteS】.ipynb [16.3 KB]
sales-【】【优质资源‖关注:cunWorkNotes 解锁】.csv [12.9 MB]
APP-【】.txt [287.7 KB]
数据处理之文件交互-【】.html [310.4 KB]
data-【】.txt [1.1 MB]
customer_table-【】.csv [16.0 MB]
base-【】【整理不易‖记得关注:CunWorKNotes】.csv [30.4 MB]
农户户主基本信息全-【】.xls [10.9 MB]
meal_order_detail-【】【不易整理‖请关注:CunWorkNoteS】.xlsx [896.6 KB]
sample-【】【更多精选‖公众号:CunWorknotes】 .xlsx [1.5 MB]
equipment_1-【】.txt [260.1 KB]
creditcue-【】【优质资源‖关注:cunWorkNotes 解锁】.csv [2.5 MB]
作业-【】.docx [12.4 KB]
第三课 数据处理之文件交互-【】【整理不易‖记得关注:CunWorKNotes】.pdf [431.0 KB]
📁 📁 第六课
6.2 数据分组计算-【】【持续更新‖免费提供:CunworknoteS】.mp4 [86.6 MB]
6.3 聚合函数agg使用-【】【整理不易‖记得关注:CunWorKNotes】.mp4 [48.1 MB]
数据和代码-【】.zip [10.9 MB]
第六课 数据统计分析和计算-(1)【】.pdf [497.4 KB]
6.1 数据基本运算-【】【持续更新‖免费提供:CunworknoteS】.mp4 [83.9 MB]
作业-【】【优质资源‖关注:cunWorkNotes 解锁】.zip [1.1 MB]
6.4 apply函数使用-【】【不易整理‖请关注:CunWorkNoteS】.mp4 [70.7 MB]
前三章作业答案-【】【整理不易‖记得关注:CunWorKNotes】.zip [1.0 MB]
第六课 数据统计分析和计算-【】.pdf [497.4 KB]
6.5 透视图和交叉表-【】【公重号:CunWorkNotes】.mp4 [75.6 MB]
📁 📁 数据处理第八章
📁 📁 第八章
📁 📁 作业
air_data-【】【公重号:CunWorkNotes】.csv [13.6 MB]
第八章作业-【】.docx [13.5 KB]
Titanic-【】【资源精选‖更多关注:CunworkNotes】.csv [59.8 KB]
📁 📁 数据和代码
📁 📁 .ipynb_checkpoints
常用统计图形输出-checkpoint-【】.ipynb [12.6 KB]
Matplotlib绘图-checkpoint-【】.ipynb [25.5 KB]
绘图选项-【】【优质资源‖关注:cunWorkNotes 解锁】.docx [18.6 KB]
常用统计图形输出-【】.html [308.5 KB]
churn_analysis_raw-【】.csv [5.9 MB]
📁 📁 第四章到第六章作业答案
第六章作业-【】【持续更新‖免费提供:CunworknoteS】.html [281.7 KB]
作业答案-【】.py [2.1 KB]
第五章作业答案-【】【更多精选‖公众号:CunWorknotes】 .py [1.8 KB]
8.4 饼图和箱线图-【】【更多精选‖公众号:CunWorknotes】 .mp4 [80.6 MB]
第八课 常用统计图形输出-【】【资源精选‖更多关注:CunworkNotes】.pdf [882.5 KB]
8.5 散点图-【】.mp4 [45.6 MB]
8.1 折线图-【】.mp4 [64.2 MB]
8.2 为图表添加元素-【】【持续更新‖免费提供:CunworknoteS】.mp4 [61.1 MB]
8.3 柱状图和直方图-【】.mp4 [47.3 MB]
第八章-【】.rar [148.1 MB]
📁 📁 第四课
第四章作业-【】.docx [12.6 KB]
4.2 数据增加和删除-【】【优质资源‖关注:cunWorkNotes 解锁】.mp4 [58.2 MB]
4.3 数据修改和查找-【】【公重号:CunWorkNotes】.mp4 [77.8 MB]
数据和代码-【】.zip [7.9 MB]
4.1 数据筛选-【】【公重号:CunWorkNotes】.mp4 [85.4 MB]
第四课 数据表操作-【】.pdf [499.5 KB]
4.4 数据整理-【】.mp4 [105.6 MB]
4.5 层次化索引-【】【不易整理‖请关注:CunWorkNoteS】.mp4 [47.9 MB]
作业数据-【】【整理不易‖记得关注:CunWorKNotes】.zip [1.3 MB]
📁 📁 第一课
数据处理实战第一课 Python基础-【】【不易整理‖请关注:CunWorkNoteS】.pdf [1.1 MB]
1.7 函数编写上-【】.mp4 [52.8 MB]
Python数据处理实战之第1课-【】【优质资源‖关注:cunWorkNotes 解锁】.html [346.2 KB]
1.4 集合和条件语句-【】.mp4 [61.0 MB]
Python数据处理实战之第1课-【】.ipynb [26.5 KB]
1.8 函数编写下-【】【资源精选‖更多关注:CunworkNotes】.mp4 [45.1 MB]
1.2 列表-【】.mp4 [20.9 MB]
1.6 循环语句下-【】.mp4 [33.2 MB]
第一章作业-【】【持续更新‖免费提供:CunworknoteS】.docx [13.4 KB]
1.1 数据类型-【】【持续更新‖免费提供:CunworknoteS】.mp4 [28.3 MB]
1.3 字典-【】【整理不易‖记得关注:CunWorKNotes】.mp4 [54.2 MB]
1.5 循环语句上-【】.mp4 [50.1 MB]
📁 📁 第五课
📁 📁 数据和代码
📁 📁 .ipynb_checkpoints
数据清洗实战-checkpoint-【】【公重号:CunWorkNotes】.ipynb [19.5 KB]
数据处理之数据转换-checkpoint-【】【优质资源‖关注:cunWorkNotes 解锁】.ipynb [17.3 KB]
churn_analysis_raw-【】.csv [5.9 MB]
朝阳医院2018年销售数据-【】【更多精选‖公众号:CunWorknotes】 .xlsx [256.6 KB]
客户流失数据字段-【】【持续更新‖免费提供:CunworknoteS】.docx [1.1 MB]
城投承销总榜-【】【持续更新‖免费提供:CunworknoteS】.xlsx [5.8 MB]
MotorcycleData-【】【公重号:CunWorkNotes】.csv [1.3 MB]
数据处理之数据转换-【】.ipynb [18.4 KB]
5.4 高阶函数运用下-【】【资源精选‖更多关注:CunworkNotes】.mp4 [80.1 MB]
第五章作业-【】.docx [12.5 KB]
第五课 数据转换-【】【优质资源‖关注:cunWorkNotes 解锁】.pdf [428.7 KB]
5.6 数据标准化-【】【更多精选‖公众号:CunWorknotes】 .mp4 [65.9 MB]
5.2 字符串数据处理-【】.mp4 [67.1 MB]
5.3 高阶函数运用上-【】.mp4 [86.9 MB]
5.1 日期型数据处理-【】.mp4 [69.5 MB]
5.5 简单函数数据变换-【】.mp4 [49.9 MB]
📁 📁 第二课
📁 📁 数据和代码
sample3-【】【不易整理‖请关注:CunWorkNoteS】.json [1.7 MB]
EXICR_QUREY_RECORD_INFO_JDTECH1-【】.csv [970.2 KB]
contest_ext_crd_is_creditcue-【】.csv [2.5 MB]
sample2-【】【不易整理‖请关注:CunWorkNoteS】.json [1.8 KB]
数据处理之常用工具-【】.html [338.3 KB]
sample1-【】.json [852.0 B]
第二章作业-【】【不易整理‖请关注:CunWorkNoteS】.docx [29.3 KB]
第二课 数据处理之常用工具-【】.pdf [556.9 KB]
2.4 Numpy数据结构和常用方法-【】.mp4 [64.1 MB]
2.2 文件读取之json格式-【】.mp4 [42.7 MB]
2.6 pandas数据结构-【】.mp4 [87.1 MB]
2.3 指标计算-【】【更多精选‖公众号:CunWorknotes】 .mp4 [77.1 MB]
2.5 Numpy常用数据处理函数-【】.mp4 [69.6 MB]
2.1 文件读取之csv文件-【】【不易整理‖请关注:CunWorkNoteS】.mp4 [71.2 MB]
📁 📁 第七课
📁 📁 数据和代码
数据处理之数据其他操作-【】.html [319.3 KB]
sales_details-【】.csv [57.4 MB]
Master_Loan_Summary-【】.csv [446.9 MB]
loan details-【】【资源精选‖更多关注:CunworkNotes】.csv [30.3 MB]
pew-【】.csv [392.0 B]
hs_300-【】【整理不易‖记得关注:CunWorKNotes】.xlsx [76.1 KB]
📁 📁 作业
zhj_user_app_info-【】【更多精选‖公众号:CunWorknotes】 .csv [31.1 MB]
国民经济核算季度数据-【】【资源精选‖更多关注:CunworkNotes】.xlsx [12.4 KB]
Prod_Trade-【】.xlsx [558.0 KB]
Industry_GDP-【】.xlsx [10.5 KB]
第七章作业-【】.docx [92.6 KB]
第七课 数据其他相关操作-【】.pdf [507.4 KB]
7.3 移动窗口相关函数-【】.mp4 [87.3 MB]
7.4 数据形状重塑列转行-【】.mp4 [58.8 MB]
7.5 数据形状重塑行转列-【】.mp4 [44.1 MB]
7.2 数据抽样-【】【持续更新‖免费提供:CunworknoteS】.mp4 [56.7 MB]
7.1 时间序列数据-【】【公重号:CunWorkNotes】.mp4 [75.6 MB]
📁 📁 课程导读
📁 📁 炼数成金数据处理
📁 📁 第一课
📁 📁 .ipynb_checkpoints
Python基础之编程基础-checkpoint-【】.ipynb [26.6 KB]
Python数据处理实战之第1课-checkpoint-【】【整理不易‖记得关注:CunWorKNotes】.ipynb [30.1 KB]
数据处理实战第一课 Python基础-【】【优质资源‖关注:cunWorkNotes 解锁】.pptx [4.6 MB]
课程导读-【】.pptx [204.9 KB]
课程前期导读-【】【不易整理‖请关注:CunWorkNoteS】.mp4 [13.8 MB]
📁 PART2
📁 📁 第九课
第九课 数据清洗-【】.pdf [629.5 KB]
9.3 异常值判断-【】.mp4 [61.0 MB]
9.5 数据分箱处理-【】.mp4 [68.5 MB]
9.6 数据分箱操作-【】【优质资源‖关注:cunWorkNotes 解锁】.mp4 [67.1 MB]
9.1 重复值处理-【】【资源精选‖更多关注:CunworkNotes】.mp4 [57.4 MB]
9.4 异常值处理-【】.mp4 [41.6 MB]
9.2 缺失值处理-【】.mp4 [67.1 MB]
作业-【】.zip [1.0 MB]
数据和代码-【】【整理不易‖记得关注:CunWorKNotes】.zip [11.2 MB]
📁 📁 第十章
10.1 字段扩充下-【】【持续更新‖免费提供:CunworknoteS】.mp4 [79.6 MB]
10.5 哑变量处理-【】.mp4 [74.6 MB]
10.4 数据缺失填补下-【】【优质资源‖关注:cunWorkNotes 解锁】.mp4 [65.6 MB]
第七章到第八章答案【】.zip [1.1 MB]
10.1 字段扩充上-【】.mp4 [76.9 MB]
第十课 特征工程之scikit-learn-【】.pdf [652.9 KB]
数据和代码【】.zip [6.3 MB]
第十课-【】.rar [229.5 MB]
10.2 属性规约-【】.mp4 [41.6 MB]
10.4 数据缺失填补上-【】【整理不易‖记得关注:CunWorKNotes】.mp4 [74.2 MB]
10.3 数据量纲级处理-【】.mp4 [58.3 MB]
作业和数据【】.zip [13.7 MB]适合人群
- Python爱好者
- 数据分析初学者
- 数据可视化爱好者
学习收获
掌握Python数据处理技能
学会使用数据分析工具
提升数据可视化能力
祝您学习愉快!
学有所成,前程似锦!






