数据分析全岗位实战班

在数据驱动决策的时代，数据分析能力已成为企业核心竞争力。几米课堂《数据分析全岗位实战班》覆盖数据采集、清洗、建模、可视化到业务落地的全流程技能，通过"工具+思维+业务"三维培养模式，让你掌握不同岗位（数据分析师、数据运营、商业分析师）所需的核心能力，成为企业争抢的全能型数据人才。

* 01 入学必读/

* 01 数据分析学前必读/

* 01 数据分析前篇/

* 01 01数据分析概述 (234.52 MB), 35:37

* 02 02数据的相关概念 (76.83 MB), 16:10

* 03 03数据可视化的概述 (83.29 MB), 18:11

* 04 04Python语音的概述 (124.33 MB), 23:58

* 02 Excel阶段/

* 01 数据分析工具-Excel/

* 01 数据分析-Excel/

* 01 Excel数据处理/

* 01 1.Excel入门及介绍 (69.77 MB), 20:04

* 02 2.数据规范1 (259.44 MB), 35:38

* 03 3.数据规范2 (114.30 MB), 33:27

* 04 4.数据查看与汇总 (125.87 MB), 23:13

* 05 5-表格可视化-设置单元格格式 (83.11 MB), 20:04

* 06 5-表格可视化-图标集 (99.65 MB), 22:01

* 07 6.数据处理综合应用 (156.78 MB), 29:34

* 02 Excel函数公式/

* 01 7.公式书写规范 (77.47 MB), 28:23

* 02 8.逻辑函数 (90.81 MB), 24:33

* 03 9.统计函数 (56.36 MB), 14:02

* 04 10.查询函数（一） (118.01 MB), 25:46

* 05 11.查询函数(二） (112.35 MB), 23:22

* 06 12.文本函数 (87.90 MB), 24:32

* 07 13.日期函数 (92.68 MB), 22:12

* 08 14.函数出错问诊 (43.81 MB), 12:47

* 09 15.函数综合应用 (54.32 MB), 16:16

* 03 数据透视表/

* 01 16.透视表入门与布局 (78.45 MB), 18:32

* 02 17.透视表计算 (124.51 MB), 29:44

* 03 18.透视表和超级表 (118.84 MB), 27:06

* 04 19.切片器和动态透视图表 (83.25 MB), 17:48

* 05 20.透视表综合应用 (182.91 MB), 36:11

* 04 Excel图表/

* 01 21.图表的奥义 (79.49 MB), 21:43

* 02 22.经典复合图表 (116.85 MB), 29:43

* 03 23.商务图表美化 (106.09 MB), 30:56

* 04 24-1序列验证和动态图表-动态表 (140.12 MB), 24:09

* 05 24-2序列验证和动态图表-温度图和折线图 (144.29 MB), 26:00

* 05 拓展提升/

* 01 25.表格的保护与打印 (144.30 MB), 23:54

* 02 26.宏与VBA (73.52 MB), 14:31

* 06 Excel综合应用/

* 01 27.综合应用一 (82.23 MB), 31:04

* 02 28.综合应用二 (70.42 MB), 24:19

* 03 29.综合应用三 (95.05 MB), 37:19

* 02 数据分析工具-Excel/

* 01 Excel数据处理/

* 01 1.Excel入门及介绍 (69.77 MB), 20:04

* 02 2.数据规范1 (259.44 MB), 35:38

* 03 3.数据规范2 (114.30 MB), 33:27

* 04 4.数据查看与汇总 (125.87 MB), 23:13

* 05 5-表格可视化-设置单元格格式 (83.11 MB), 20:04

* 06 5-表格可视化-图标集 (99.65 MB), 22:01

* 07 6.数据处理综合应用 (156.78 MB), 29:34

* 02 Excel函数公式/

* 01 7.公式书写规范 (77.47 MB), 28:23

* 02 8.逻辑函数 (90.81 MB), 24:33

* 03 9.统计函数 (56.36 MB), 14:02

* 04 10.查询函数（一） (118.01 MB), 25:46

* 05 11.查询函数(二） (112.35 MB), 23:22

* 06 12.文本函数 (87.90 MB), 24:32

* 07 13.日期函数 (92.68 MB), 22:12

* 08 14.函数出错问诊 (43.81 MB), 12:47

* 09 15.函数综合应用 (54.32 MB), 16:16

* 03 数据透视表/

* 01 16.透视表入门与布局 (78.45 MB), 18:32

* 02 17.透视表计算 (124.51 MB), 29:44

* 03 18.透视表和超级表 (118.84 MB), 27:06

* 04 19.切片器和动态透视图表 (83.25 MB), 17:48

* 05 20.透视表综合应用 (182.91 MB), 36:11

* 04 Excel图表/

* 01 21.图表的奥义 (79.49 MB), 21:43

* 02 22.经典复合图表 (116.85 MB), 29:43

* 03 23.商务图表美化 (106.09 MB), 30:56

* 04 24-1序列验证和动态图表-动态表 (140.12 MB), 24:09

* 05 24-2序列验证和动态图表-温度图和折线图 (144.29 MB), 26:00

* 05 拓展提升/

* 01 25.表格的保护与打印 (144.30 MB), 23:54

* 02 26.宏与VBA (73.52 MB), 14:31

* 06 Excel综合应用/

* 01 27.综合应用一 (82.23 MB), 31:04

* 02 28.综合应用二 (70.42 MB), 24:19

* 03 29.综合应用三 (95.05 MB), 37:19

* 03 数据可视化/

* 01 数据分析工具-Tableau/

* 01 初识Tableau/

* 01 Tableau产品简介及下载安装 (25.24 MB), 06:38

* 02 Tableau的工作界面 (13.37 MB), 04:28

* 03 认识维度和度量 (15.47 MB), 05:00

* 04 Tableau字段的类型 (4.63 MB), 01:51

* 05 快速上手-产品类别分析工作表 (13.14 MB), 04:32

* 06 快速上手-创建营销地图工作表 (22.65 MB), 05:10

* 07 快速上手-创建趋势分析工作表 (15.73 MB), 05:18

* 02 连接数据源/

* 01 连接到Excel文件 (6.78 MB), 02:03

* 02 连接Tableau工作簿_MySQL数据库 (20.88 MB), 06:02

* 03 设置数据的连接方式 (6.38 MB), 02:28

* 04 筛选数据 (25.92 MB), 06:01

* 03 绘制简单图表/

* 01 绘制条形图_折线图_饼图 (19.45 MB), 06:27

* 02 绘制简单地图 (19.40 MB), 04:16

* 03 绘制散点图和汽泡图 (20.35 MB), 06:44

* 04 绘制直方图 (13.05 MB), 04:17

* 05 绘制突出显示表_树状图 (22.21 MB), 06:31

* 04 仪表板和故事/

* 01 仪表板的简介 (14.52 MB), 05:25

* 02 仪表板的布局方式与交互操作 (15.83 MB), 04:45

* 03 创建故事 (23.09 MB), 07:07

* 04 故事的展示 (5.35 MB), 01:27

* 05 保存工作簿 (9.43 MB), 03:00

* 06 导出数据-导出为CSV文件 (26.46 MB), 03:30

* 07 导出数据-导出为图像文件_PDF文件 (16.72 MB), 02:49

* 05 数据源的进阶操作/

* 01 整合数据-多表连接 (8.68 MB), 03:48

* 02 整合数据-多表并集 (19.01 MB), 04:08

* 03 整合数据-数据透视表_自定义SQL语句 (14.84 MB), 04:52

* 04 维护数据源-查看数据-刷新数据 (12.24 MB), 03:27

* 05 维护数据源-编辑数据-删除数据 (16.95 MB), 04:00

* 06 数据的进阶操作/

* 01 分层结构 (21.44 MB), 07:58

* 02 创建字段 (10.13 MB), 03:46

* 03 计算字段类型-计算依据 (12.68 MB), 05:01

* 04 用来计算来实现同比和环比分析 (13.42 MB), 03:59

* 05 LOD表达式计算-INCLUDE函数 (11.86 MB), 04:22

* 06 LOD表达式计算-EXCLUDE函数 (7.35 MB), 02:42

* 07 LOD表达式计算-FIXED函数_表计算_同期群分析 (24.93 MB), 08:42

* 08 全地区销售额的全国贡献率 (14.26 MB), 04:45

* 09 组的应用 (16.16 MB), 05:43

* 10 集的应用_高价值_高频次客户分析 (25.89 MB), 10:37

* 11 参数的应用 (34.26 MB), 14:19

* 12 双轴的应用 (13.98 MB), 04:48

* 13 分析功能的应用 (28.09 MB), 08:49

* 14 操作功能的应用 (58.73 MB), 14:14

* 07 Tableau常用函数/

* 01 数字函数 (16.06 MB), 05:21

* 02 字符串函数 (21.19 MB), 05:15

* 03 日期函数 (14.83 MB), 04:10

* 04 逻辑语句CASE (12.38 MB), 04:54

* 05 逻辑语句IF (11.47 MB), 04:07

* 06 逻辑函数ISNULL (7.02 MB), 02:28

* 08 图形的进阶操作/

* 01 帕累托图 (61.34 MB), 19:07

* 02 瀑布图 (16.26 MB), 06:09

* 03 双柱折线组合图 (18.70 MB), 06:41

* 04 盒须图 (10.02 MB), 03:14

* 05 凹凸图 (17.66 MB), 05:32

* 06 雷达图 (19.12 MB), 06:35

* 07 嵌套条形图 (16.31 MB), 05:13

* 08 桑基图 (53.95 MB), 15:09

* 09 工具提示图 (10.98 MB), 03:39

* 09 地图的进阶操作/

* 01 自定义背景地图 (26.43 MB), 03:47

* 02 自定义地理编码 (46.16 MB), 09:42

* 03 连接空间文件 (19.55 MB), 03:44

* 10 Tableau Prep/

* 01 Tableau Prep的下载及安装 (8.04 MB), 02:42

* 02 连接数据源 (22.16 MB), 05:00

* 03 处理数据-清理数据 (43.27 MB), 07:15

* 04 处理数据-合并数据 (17.16 MB), 03:47

* 05 处理数据-聚合数据和透视数据 (28.38 MB), 06:59

* 06 将处理结果进行保存 (11.18 MB), 01:34

* 11 项目案例-广州美食分析/

* 01 数据连接与清理 (51.88 MB), 05:32

* 02 数据合并_联接与导出 (28.23 MB), 05:46

* 03 美食类型的分析 (9.87 MB), 02:44

* 04 餐厅评价分析 (9.86 MB), 03:08

* 05 美食地图分析 (25.09 MB), 04:31

* 06 建立仪表板 (10.91 MB), 02:42

* 12 项目案例-网上超市运营分析/

* 01 客户分析-交易次数分析 (47.29 MB), 07:32

* 02 客户分析_各省市利润_客户散点图_客户交易排名分析 (35.48 MB), 09:25

* 03 配送分析 (30.68 MB), 09:38

* 04 销售分析 (44.65 MB), 09:52

* 05 退货分析_退货区域分析_退货产品数量分析 (36.33 MB), 07:24

* 06 退货分析_退货产品类型_退货产品名称分析 (18.62 MB), 05:04

* 07 预测分析 (27.48 MB), 07:34

* 13 项目案例-网站流量统计分析/

* 01 页面指标分析 (35.98 MB), 09:36

* 02 访问量分析 (38.29 MB), 09:58

* 03 浏览量分析 (45.07 MB), 09:57

* 04 退出量分析 (35.38 MB), 07:53

* 05 下载量分析 (26.25 MB), 05:55

* 02 数据分析工具-PowerBI/

* 01 数据分析工具-PowerBI/

* 01 PowerBI 准备工作/

* 01 01-Power BI - 课程总体介绍 (22.29 MB), 07:32

* 02 02-Power BI - Power BI介绍 (40.88 MB), 08:35

* 03 03-Power BI - Power BI 下载安装与界面介绍 (68.56 MB), 14:33

* 04 04-Power BI - Power BI 导入Excel和CSV格式数据 (97.80 MB), 12:41

* 05 05-Power BI - Power BI 导入文件夹数据-01 (142.57 MB), 17:44

* 06 06-Power BI - Power BI 导入文件夹数据-02 (211.45 MB), 27:38

* 07 07-Power BI - Power BI 简单数据可视化 (28.67 MB), 06:28

* 02 PowerBI基本操作/

* 01 08-Power BI - Power Query之删除行操作 (61.67 MB), 09:50

* 02 09-Power BI - Power Query之列类型转换 (39.98 MB), 06:07

* 03 10-Power BI - Power Query之列操作 (136.44 MB), 19:35

* 04 11-Power BI - Power Query之分组依据操作 (61.30 MB), 08:49

* 05 12-Power BI - Power Query之追加合并查询 (160.65 MB), 19:21

* 06 13-Power BI - Power Query之透视列与逆透视列操作 (49.87 MB), 09:57

* 07 14-Power BI - Power Query之获取Web数据 (146.42 MB), 17:09

* 08 15-Power BI - Power BI 数据模型之模型关系 (111.55 MB), 19:48

* 09 16-Power BI - Power BI 数据模型之管理模型关系 (109.96 MB), 20:54

* 10 17-Power BI - Power BI DAX表达式介绍 (46.90 MB), 04:57

* 11 18-Power BI - Power BI 新建度量值 (49.89 MB), 11:40

* 12 19-Power BI - Power BI 快度量值创建及使用 (37.61 MB), 09:21

* 13 20-Power BI - Power BI 新建列操作 (52.75 MB), 09:19

* 14 21-Power BI - Power BI 新建表之新建维度表 (59.57 MB), 11:31

* 15 22-Power BI - Power BI 新建表之创建交叉联合与纵向合并表 (116.12 MB), 17:09

* 16 23-Power BI - Power BI 创建日期表操作 (173.10 MB), 25:41

* 17 24-Power BI - Power BI 创建动态日期表 (128.84 MB), 19:13

* 18 25-Power BI - Power BI DAX表达式创建空表 (127.89 MB), 16:04

* 03 PowerBI DAX使用场景/

* 01 26-Power BI - Power BI DAX使用场景之求和场景 (74.65 MB), 17:20

* 02 27-Power BI - Power BI DAX使用场景之计数场景 (45.18 MB), 09:45

* 03 28-Power BI - Power BI DAX使用场景之相除场景 (27.72 MB), 04:57

* 04 29-Power BI - Power BI DAX使用场景之排序统计场景 (37.97 MB), 06:57

* 05 30-Power BI - Power BI DAX使用场景之占比统计场景 (54.06 MB), 07:55

* 06 31-Power BI - Power BI DAX使用场景之时间列累计统计 (89.82 MB), 13:53

* 07 32-Power BI - Power BI DAX使用场景之同比环比统计-01 (106.06 MB), 20:27

* 08 33-Power BI - Power BI DAX使用场景之同比环比统计-02 (46.19 MB), 07:53

* 04 PowerBI 进阶/

* 01 34-Power BI - Power BI TOPN统计场景 (63.51 MB), 12:49

* 02 35-Power BI - Power BI 动态TOPN统计分析 (26.45 MB), 06:59

* 03 36-Power BI - Power View 可视化介绍 (70.53 MB), 13:14

* 04 37-Power BI - Power View 可视化报表选择 (79.20 MB), 08:24

* 05 38-Power BI - Power View 对比分析之表与矩阵 (63.69 MB), 06:47

* 06 39-Power BI - Power View 对比分析之条形图与柱状图 (53.16 MB), 10:07

* 07 40-Power BI - Power View 对比分析之组合图与丝带图 (73.57 MB), 12:00

* 08 41-Power BI - Power View 趋势分析之折线、分区、堆积面积图 (65.78 MB), 12:05

* 09 42-Power BI - Power View 占比分析之饼图、环形、树状、百分比图 (81.55 MB), 14:33

* 10 43-Power BI - Power View 相关性分析之散点图与气泡图 (42.71 MB), 07:35

* 11 44-Power BI - Power View 地图分析之地图与着色地图 (102.94 MB), 11:42

* 12 45-Power BI - Power View 关键指标之卡片图、多行卡图、仪表 (40.58 MB), 07:52

* 13 46-Power BI - Power View 关键指标之KPI图 (40.05 MB), 07:23

* 14 47-Power BI - Power View 过程分析之漏斗图与瀑布图 (62.64 MB), 11:46

* 15 48-Power BI - Power View 原因分析之分解树 (25.06 MB), 05:00

* 16 49-Power BI - Power View 图表交互设计-01 (107.26 MB), 18:00

* 17 50-Power BI - Power View 图表交互设计-02 (90.90 MB), 14:30

* 18 51-Power BI - Power View 图表交互设计-03 (51.87 MB), 08:25

* 04 SQL阶段/

* 01 轻松掌握Mysql数据处理/

* 01 Mysql 数据处理/

* 01 01-数据库SQL阶段-为什么学习数据库 (52.66 MB), 08:49

* 02 02-数据库SQL阶段-Mysql及SQL语言介绍 (49.40 MB), 08:56

* 03 03-数据库SQL阶段-MySQL8基于Windows安装 (126.91 MB), 19:08

* 04 04-数据库SQL阶段-MySQL数据库简单操作 (44.65 MB), 07:44

* 05 05-数据库SQL阶段-MySQL操作工具Navicat安装及操作 (61.75 MB), 11:29

* 06 06-数据库SQL阶段-主键及列类型 (56.83 MB), 10:54

* 07 07-数据库SQL阶段-数据库数据导入与查询 (79.26 MB), 12:04

* 08 08-数据库SQL阶段-数据库基本操作-增删改查 (66.42 MB), 11:32

* 09 09-数据库SQL阶段-数据库distinct去重和Where 过滤 (76.75 MB), 12:19

* 10 10-数据库SQL阶段-数据库Between...and...子句 (41.34 MB), 07:30

* 11 11-数据库SQL阶段-数据库IN和NULL关键字 (48.54 MB), 07:35

* 12 12-数据库SQL阶段-数据库COUNT计数统计 (33.61 MB), 06:20

* 13 13-数据库SQL阶段-数据库SUM求和统计 (63.96 MB), 12:24

* 14 14-数据库SQL阶段-数据库Max、Min、Avg函数 (26.97 MB), 05:02

* 15 15-数据库SQL阶段-数据库Order By排序操作 (75.91 MB), 09:27

* 16 16-数据库SQL阶段-数据库Having排序 (74.40 MB), 12:48

* 17 17-数据库SQL阶段-数据库Limit与SQL语句顺序 (46.63 MB), 08:16

* 18 18-数据库SQL阶段-数据库Case When 分支语句 (59.26 MB), 11:42

* 19 19-数据库SQL阶段-表的嵌套查询分析 (67.14 MB), 12:04

* 20 20-数据库SQL阶段-表之间的Join操作-01 (82.11 MB), 17:22

* 21 21-数据库SQL阶段-表之间的Join操作-02 (25.25 MB), 04:51

* 22 22-数据库SQL阶段-Union及Union All操作及总结 (44.19 MB), 07:30

* 23 23-数据库SQL阶段-数据库两表关联SQL及结果分析 (41.55 MB), 07:02

* 24 24-数据库SQL阶段-表的自关联及案例 (95.93 MB), 16:01

* 25 25-数据库SQL阶段-窗口函数数据准备 (47.08 MB), 05:12

* 26 26-数据库SQL阶段-窗口函数统计分析-01 (110.33 MB), 19:16

* 27 27-数据库SQL阶段-窗口函数统计分析-02 (55.84 MB), 08:24

* 28 28-数据库SQL阶段-窗口排名函数分析操作 (113.03 MB), 16:01

* 29 29-数据库SQL阶段-数据分析案例-01 (50.29 MB), 06:48

* 30 30-数据库SQL阶段-数据分析案例-02 (60.47 MB), 09:07

* 31 31-数据库SQL阶段-数据分析案例-03 (107.36 MB), 16:05

* 05 Python阶段/

* 01 Python基础/

* 01 Python 基础/

* 01 初识Python (37.66 MB), 08:04

* 02 HelloPython (61.64 MB), 22:09

* 03 运算符 (55.94 MB), 19:57

* 04 基本数据类型 (107.64 MB), 38:02

* 05 程序流程结构 (115.99 MB), 42:12

* 06 组合数据类型 (126.52 MB), 44:34

* 07 函数 (92.51 MB), 36:27

* 08 万物皆对象 (127.44 MB), 44:04

* 09 文件读写 (115.12 MB), 35:06

* 10 模块 (24.00 MB), 07:54

* 11 项目案例-马士兵严选 (114.90 MB), 30:47

* 02 数据思维/

* 01 数据思维/

* 01 数据分析方法/

* 01 Python数据分析—明确目标 (121.47 MB), 23:28

* 02 Python数据分析—明确目标—Numpy1 (181.64 MB), 36:22

* 03 Python数据分析—明确目标—Numpy2 (158.85 MB), 32:37

* 04 Python数据分析—数据清洗—Pandas1 (160.50 MB), 34:23

* 05 Python数据分析—数据清洗—Pandas2 (102.72 MB), 20:41

* 06 RFM模型细分电商客户价值—数据分析 (199.63 MB), 42:25

* 07 RFM模型细分电商客户价值—数据整理 (127.35 MB), 26:02

* 08 RMF模型细分电商客户价值—数据展现 (75.58 MB), 14:31

* 02 数据分析实战/

* 01 线下口罩工厂—数据分析 (241.39 MB), 39:46

* 02 线下口罩工厂—数据分析—分组聚合 (170.53 MB), 35:37

* 03 线下口罩工厂—数据展现 (193.38 MB), 30:40

* 04 线下口罩工厂—数据展现—Matplotlib1 (140.74 MB), 22:48

* 05 线下口罩工厂—数据展现—Matplotlib2 (182.23 MB), 31:26

* 06 线下口罩厂—数据分析报告 (67.67 MB), 07:43

* 03 数据处理/

* 01 数据可视化模块-Matplotlib/

* 01 数据处理模块/

* 01 1.数据处理 (82.85 MB), 20:10

* 02 2.数据筛选 (87.69 MB), 28:32

* 03 3.数据清洗 (74.18 MB), 20:13

* 04 4.数据填充 (120.62 MB), 31:49

* 05 5.数据汇总 (108.08 MB), 24:52

* 06 6.统计分析 (123.09 MB), 37:20

* 07 7.二手车市场现状分析 (105.20 MB), 29:25

* 08 8.员工离职情况分析 (94.29 MB), 26:46

* 02 数据可视化/

* 01 1.初识数据可视化 (18.05 MB), 06:27

* 02 2.简单图形显示复杂数据 (75.36 MB), 28:59

* 03 3.美化图表 (90.35 MB), 31:21

* 04 4.图表的文字和标签 (98.51 MB), 29:19

* 05 5.专业问题专业图形 (78.29 MB), 25:39

* 06 6.组合图表 (85.00 MB), 28:37

* 07 7.数据可视化阶 (126.78 MB), 18:44

* 08 8.简洁专业的基本图形 (135.31 MB), 36:35

* 09 9.展示数据的风格 (86.91 MB), 26:54

* 10 10.PyEcharts的组合图表 (146.71 MB), 37:15

* 03 常用图表的设置/

* 01 常用图表-折线图 (25.66 MB), 10:21

* 02 常用图表-简单柱状图 (7.18 MB), 03:21

* 03 常用图表-基本柱状图 (21.85 MB), 08:50

* 04 常用图表-多柱状图 (43.24 MB), 16:06

* 05 常用图表-基本直方图 (9.93 MB), 04:39

* 06 常用图表-直方图分析学生成绩 (13.21 MB), 05:28

* 07 常用图表-简单饼形图 (13.92 MB), 05:25

* 08 常用图表-基础饼形图 (24.67 MB), 09:57

* 09 常用图表-分裂饼形图 (11.46 MB), 03:44

* 10 常用图表-环形饼图 (21.25 MB), 06:43

* 11 常用图表-简单散点图 (6.92 MB), 03:09

* 12 常用图表-销售收入与广告费用的散点图 (19.27 MB), 06:51

* 13 常用图表-基本面积图 (8.50 MB), 04:00

* 14 常用图表-使用面积图分析销售情况 (25.06 MB), 09:20

* 15 常用图表-使用热力图对比分析学生的各科成绩 (21.94 MB), 10:49

* 16 常用图表-基本箱形图 (8.83 MB), 04:20

* 17 常用图表-通过箱形图判断异常值 (47.46 MB), 22:23

* 18 常用图表-绘制子图的第一种方式subplot函数 (20.74 MB), 09:41

* 19 常用图表-绘制子图的第二种方式 (19.03 MB), 07:48

* 20 常用图表-绘制子图的第三种方式 (11.69 MB), 04:52

* 04 图表的保存/

* 01 图表的保存 (7.47 MB), 02:24

* 02 数据分析模块-Pandas/

* 01 初识可视化图表/

* 01 数据分析图表的作用 (5.22 MB), 02:27

* 02 如何选择适合的图表类型 (2.79 MB), 01:23

* 03 图表的基本组成 (7.37 MB), 03:29

* 04 初识matplotlib (12.39 MB), 05:24

* 02 常用图表的设置/

* 01 绘制简单的折线图 (17.91 MB), 07:44

* 02 图表的常用设置-线条颜色和样式 (14.74 MB), 06:57

* 03 图表的常用设置-标记设置 (12.59 MB), 05:02

* 04 图表的常用设置-图布的设置 (8.43 MB), 03:01

* 05 图表的常用设置-设置坐标轴和网格线 (41.78 MB), 15:11

* 06 图标的常用设置-文本标签_标题_图例 (15.51 MB), 06:04

* 07 图标的常用设置-文本注释 (11.63 MB), 05:07

* 08 图表的常用设置-坐标刻度线 (39.89 MB), 14:11

* 03 常用图表的设置/

* 01 常用图表-折线图 (25.66 MB), 10:21

* 02 常用图表-简单柱状图 (7.18 MB), 03:21

* 03 常用图表-基本柱状图 (21.85 MB), 08:50

* 04 常用图表-多柱状图 (43.24 MB), 16:06

* 05 常用图表-基本直方图 (9.93 MB), 04:39

* 06 常用图表-直方图分析学生成绩 (13.21 MB), 05:28

* 07 常用图表-简单饼形图 (13.92 MB), 05:25

* 08 常用图表-基础饼形图 (24.67 MB), 09:57

* 09 常用图表-分裂饼形图 (11.46 MB), 03:44

* 10 常用图表-环形饼图 (21.25 MB), 06:43

* 11 常用图表-简单散点图 (6.92 MB), 03:09

* 12 常用图表-销售收入与广告费用的散点图 (19.27 MB), 06:51

* 13 常用图表-基本面积图 (8.50 MB), 04:00

* 14 常用图表-使用面积图分析销售情况 (25.06 MB), 09:20

* 15 常用图表-使用热力图对比分析学生的各科成绩 (21.94 MB), 10:49

* 16 常用图表-基本箱形图 (8.83 MB), 04:20

* 17 常用图表-通过箱形图判断异常值 (47.46 MB), 22:23

* 18 常用图表-绘制子图的第一种方式subplot函数 (20.74 MB), 09:41

* 19 常用图表-绘制子图的第二种方式 (19.03 MB), 07:48

* 20 常用图表-绘制子图的第三种方式 (11.69 MB), 04:52

* 04 图表的保存/

* 01 图表的保存 (7.47 MB), 02:24

* 05 数据提取与操作/

* 01 导入HTML网页数据补充所 (7.19 MB), 01:25

* 02 数据提取-按行提取 (28.95 MB), 11:54

* 03 数据提取-按列提取 (16.04 MB), 06:42

* 04 数据提取-提取区域数据 (16.89 MB), 07:50

* 05 数据抽取-提取指定条件数据 (10.32 MB), 04:13

* 06 数据操作-按列增加数据 (11.74 MB), 05:07

* 07 数据操作-按行增加数据 (9.73 MB), 04:10

* 08 数据操作-修改数据 (32.23 MB), 13:45

* 09 数据操作-删除数据 (20.28 MB), 09:07

* 06 数据清洗/

* 01 数据清洗-缺失值与重复值的处理 (81.95 MB), 23:24

* 02 数据清洗-异常值的检测与处理 (6.25 MB), 02:46

* 07 索引设置/

* 01 初识索引 (13.01 MB), 06:23

* 02 重新设置索引 (31.01 MB), 12:53

* 03 设置行索引与连续索引 (20.86 MB), 06:24

* 08 数据的排序与排名/

* 01 数据的排序 (24.56 MB), 08:28

* 02 数据的排名 (17.66 MB), 05:23

* 09 数据计算/

* 01 数据计算-求和与平均值 (19.52 MB), 08:03

* 02 数据计算-最大最小值-中位数 (16.01 MB), 05:16

* 03 数据计算-众数-方差 (48.97 MB), 16:41

* 04 数据计算-标准差-分位数 (23.66 MB), 10:30

* 05 数据格式化-设置小数位数 (30.92 MB), 11:14

* 06 数据格式化-设置百分比 (15.24 MB), 05:22

* 07 数据格式化-设置千位分隔符 (21.33 MB), 05:08

* 10 数据分组统计/

* 01 apply_map_applymap的区别 (40.35 MB), 15:07

* 02 数据分组计算 (38.94 MB), 13:53

* 03 分组数据的迭代 (25.76 MB), 08:16

* 04 对一列或多列使用聚合函数 (18.98 MB), 06:12

* 05 自定义函数实现分组统计 (15.41 MB), 05:50

* 06 通过字典或Series对象进行分组统计 (29.43 MB), 09:36

* 11 数据移位和转换/

* 01 数据移位 (15.12 MB), 06:27

* 02 将一列数据转成多列数据 (17.55 MB), 06:37

* 03 将元组数据进行分割 (9.44 MB), 04:16

* 04 行列转换stack_unstack (17.94 MB), 05:54

* 05 行列转换pivot (9.74 MB), 03:10

* 06 DataFrame转成字典_列表_元组 (31.53 MB), 11:04

* 07 DataFrame转成HTML文件 (5.80 MB), 01:29

* 12 数据的合并和导出/

* 01 merge方法一对一数据合并 (36.04 MB), 13:40

* 02 merge方法多对一数据合并 (11.36 MB), 04:32

* 03 merge方法多对多数据合并 (12.36 MB), 04:41

* 04 concat方法纵向合并 (12.59 MB), 04:49

* 05 concat方法横向合并-交叉合并 (11.41 MB), 03:47

* 06 数据导出到Excel文件 (11.17 MB), 03:55

* 07 数据导出到多sheet表 (11.77 MB), 04:40

* 08 数据导出到CSV文件 (13.14 MB), 04:42

* 13 时间序列/

* 01 日期格式的转换 (25.27 MB), 09:13

* 02 dt对象的基本使用 (15.60 MB), 06:17

* 03 获取指定日期区间的数据 (24.57 MB), 08:00

* 04 按不同时期统计数据 (22.29 MB), 08:01

* 05 按不同日期统计并显示数据 (24.80 MB), 08:51

* 06 date_range方法的使用 (6.14 MB), 02:46

* 07 resamplt方法的使用 (20.38 MB), 08:23

* 08 降采样处理 (18.24 MB), 05:28

* 09 升采样处理 (8.31 MB), 03:50

* 10 时间序列数据汇总 (13.19 MB), 05:17

* 11 移动窗口数据计算 (18.21 MB), 08:33

* 03 数据分析模块-NumPy/

* 01 初识Pandas/

* 01 初识Pandas (9.34 MB), 03:42

* 02 Pandas模块的安装 (23.52 MB), 07:55

* 02 Series对象/

* 01 Series对象的创建 (10.41 MB), 05:12

* 02 Series的索引操作 (16.62 MB), 07:23

* 03 DataFrame对象/

* 01 DataFrame对象的创建 (20.21 MB), 09:40

* 02 字典创建DataFrame对象的注意事项 (7.81 MB), 03:04

* 03 DataFrame的重要属性 (23.53 MB), 09:40

* 04 DataFrame的重要函数 (12.81 MB), 04:43

* 04 导入外部数据/

* 01 导入Excel数据 (37.55 MB), 11:32

* 02 导入CSV_txt_HTML网页数据 (37.54 MB), 11:42

* 05 数据提取与操作/

* 01 导入HTML网页数据补充所 (7.19 MB), 01:25

* 02 数据提取-按行提取 (28.95 MB), 11:54

* 03 数据提取-按列提取 (16.04 MB), 06:42

* 04 数据提取-提取区域数据 (16.89 MB), 07:50

* 05 数据抽取-提取指定条件数据 (10.32 MB), 04:13

* 06 数据操作-按列增加数据 (11.74 MB), 05:07

* 07 数据操作-按行增加数据 (9.73 MB), 04:10

* 08 数据操作-修改数据 (32.23 MB), 13:45

* 09 数据操作-删除数据 (20.28 MB), 09:07

* 06 数据清洗/

* 01 数据清洗-缺失值与重复值的处理 (81.95 MB), 23:24

* 02 数据清洗-异常值的检测与处理 (6.25 MB), 02:46

* 07 索引设置/

* 01 初识索引 (13.01 MB), 06:23

* 02 重新设置索引 (31.01 MB), 12:53

* 03 设置行索引与连续索引 (20.86 MB), 06:24

* 08 数据的排序与排名/

* 01 数据的排序 (24.56 MB), 08:28

* 02 数据的排名 (17.66 MB), 05:23

* 09 数据计算/

* 01 数据计算-求和与平均值 (19.52 MB), 08:03

* 02 数据计算-最大最小值-中位数 (16.01 MB), 05:16

* 03 数据计算-众数-方差 (48.97 MB), 16:41

* 04 数据计算-标准差-分位数 (23.66 MB), 10:30

* 05 数据格式化-设置小数位数 (30.92 MB), 11:14

* 06 数据格式化-设置百分比 (15.24 MB), 05:22

* 07 数据格式化-设置千位分隔符 (21.33 MB), 05:08

* 10 数据分组统计/

* 01 apply_map_applymap的区别 (40.35 MB), 15:07

* 02 数据分组计算 (38.94 MB), 13:53

* 03 分组数据的迭代 (25.76 MB), 08:16

* 04 对一列或多列使用聚合函数 (18.98 MB), 06:12

* 05 自定义函数实现分组统计 (15.41 MB), 05:50

* 06 通过字典或Series对象进行分组统计 (29.43 MB), 09:36

* 11 数据移位和转换/

* 01 数据移位 (15.12 MB), 06:27

* 02 将一列数据转成多列数据 (17.55 MB), 06:37

* 03 将元组数据进行分割 (9.44 MB), 04:16

* 04 行列转换stack_unstack (17.94 MB), 05:54

* 05 行列转换pivot (9.74 MB), 03:10

* 06 DataFrame转成字典_列表_元组 (31.53 MB), 11:04

* 07 DataFrame转成HTML文件 (5.80 MB), 01:29

* 12 数据的合并和导出/

* 01 merge方法一对一数据合并 (36.04 MB), 13:40

* 02 merge方法多对一数据合并 (11.36 MB), 04:32

* 03 merge方法多对多数据合并 (12.36 MB), 04:41

* 04 concat方法纵向合并 (12.59 MB), 04:49

* 05 concat方法横向合并-交叉合并 (11.41 MB), 03:47

* 06 数据导出到Excel文件 (11.17 MB), 03:55

* 07 数据导出到多sheet表 (11.77 MB), 04:40

* 08 数据导出到CSV文件 (13.14 MB), 04:42

* 13 时间序列/

* 01 日期格式的转换 (25.27 MB), 09:13

* 02 dt对象的基本使用 (15.60 MB), 06:17

* 03 获取指定日期区间的数据 (24.57 MB), 08:00

* 04 按不同时期统计数据 (22.29 MB), 08:01

* 05 按不同日期统计并显示数据 (24.80 MB), 08:51

* 06 date_range方法的使用 (6.14 MB), 02:46

* 07 resamplt方法的使用 (20.38 MB), 08:23

* 08 降采样处理 (18.24 MB), 05:28

* 09 升采样处理 (8.31 MB), 03:50

* 10 时间序列数据汇总 (13.19 MB), 05:17

* 11 移动窗口数据计算 (18.21 MB), 08:33

* 04 数据处理/

* 01 初识NumPy/

* 01 初识NumPy (10.52 MB), 04:01

* 02 创建数组/

* 01 数组的相关概念 (10.70 MB), 04:19

* 02 创建简单的数组 (25.10 MB), 12:33

* 03 不同方式创建数组 (15.52 MB), 07:08

* 04 从数值范围创建数组 (25.96 MB), 10:54

* 05 生成随机数组 (16.96 MB), 07:26

* 06 从已有的数组中创建数组 (30.47 MB), 13:38

* 03 数组的基本操作/

* 01 数组的数据类型 (11.47 MB), 05:49

* 02 数组运算 (9.07 MB), 05:23

* 03 数组的索引 (8.29 MB), 04:12

* 04 一维数组的切片操作 (15.84 MB), 08:09

* 05 列表的切片操作与数组的切片操作的区别 (7.00 MB), 03:48

* 06 二维数组的切片操作 (11.23 MB), 05:30

* 07 数组重塑 (5.06 MB), 02:45

* 08 数组重置 (8.05 MB), 04:08

* 09 数组的增_删操作 (16.59 MB), 08:51

* 10 数组的修改_查询操作 (13.14 MB), 07:09

* 04 NumPy矩阵的基本操作/

* 01 mat函数创建简单的矩阵 (7.38 MB), 03:57

* 02 使用mat函数创建常见的矩阵 (13.33 MB), 06:57

* 03 矩阵的加法_减法_除法运算 (17.69 MB), 07:46

* 04 矩阵的乘法运算 (7.88 MB), 03:37

* 05 数组的乘积与点积 (6.33 MB), 02:59

* 06 矩阵的相乘与矩阵对应元素相乘 (6.07 MB), 03:09

* 07 矩阵的转置与矩阵的求逆 (3.31 MB), 01:53

* 05 NumPy常用统计分析函数/

* 01 NumPy中的数学运算函数 (35.12 MB), 17:39

* 02 NumPy中的统计分析函数 (32.35 MB), 16:03

* 03 数组的排序 (19.71 MB), 10:34

* 04 综合应用-NumPy用于图像灰度处理 (18.15 MB), 06:15

* 04 数据分析理论-统计学/

* 01 数据分析理论-统计学/

* 01 统计学/

* 01 1.统计量分析 (522.40 MB), 33:11

* 02 2.Python代码统计量分析 (79.39 MB), 44:29

* 03 3.参数估计 (48.22 MB), 30:51

* 04 4.高斯最大似然估计 (29.09 MB), 18:57

* 05 概率论分析 (433.35 MB), 36:12

* 06 关联分析 (49.32 MB), 26:04

* 07 5.回归分析 (41.80 MB), 24:22

* 08 回归分析与参数估计 (62.44 MB), 38:55

* 09 线性回归对广告投放预测 (54.70 MB), 24:45

* 10 常用数据分析方法 (58.38 MB), 35:58

* 11 数据分析模型 (35.98 MB), 18:35

* 05 自动化办公/

* 01 自动化办公/

* 01 1.用Python高效处理Excel (135.56 MB), 39:35

* 02 2.快速拆分工作表 (189.13 MB), 34:48

* 03 3.Excel案例课 (157.01 MB), 36:10

* 04 4.会议照片汇总与批量制作报销单 (131.53 MB), 37:04

* 05 5.制作通知单 (88.11 MB), 25:20

* 06 6.生成算术试题 (145.21 MB), 40:17

* 07 7.批量生成邀请函和合同 (137.90 MB), 32:34

* 08 8.整合报销单 (82.71 MB), 24:39

* 06 网络爬虫/

* 01 网络爬虫/

* 01 1.爬虫基础知识 (109.14 MB), 13:24

* 02 2.利用urllib爬取起点中文网 (207.11 MB), 48:54

* 03 3.使用requests快捷爬取下厨房 (219.61 MB), 49:21

* 04 4.jsonpath提取数据 (219.68 MB), 34:35

* 05 5.利用XPath提取起点小说月票排行榜信息 (92.17 MB), 23:49

* 06 5.利用XPath提取起点小说月票排行榜信息 (133.35 MB), 27:17

* 07 数据分析思维-12大行业业务模式/

* 01 数据分析思维-12大行业业务模式/

* 01 国内电商行业/

* 01 1.1国内电商行业-业务模式 (52.21 MB), 18:50

* 02 1.2国同电商行业-业务指标 (43.49 MB), 13:24

* 03 1.3国同电商行业-复购率分析 (64.88 MB), 18:19

* 04 1.4国内电商行业-如何做好复盘 (25.45 MB), 12:03

* 02 跨境电商行业/

* 01 2.1跨境电商行业-业务模式和业务指标 (13.84 MB), 09:52

* 02 2.2跨境电商行业-会员分析 (34.32 MB), 13:45

* 03 2.3跨境电商行业-广告分析 (39.48 MB), 15:11

* 03 金融信贷行业/

* 01 3.1金融信贷行业-业务模式 (27.41 MB), 20:17

* 02 3.2金融信贷行业-业务指标 (13.48 MB), 08:27

* 03 3.3金融信贷行业-逾期分析 (29.58 MB), 10:36

* 04 3.4金融信贷行业-如何制定风控策略 (47.51 MB), 23:28

* 04 金融第三方支付行业/

* 01 4.1金融第三方支付行业-业务模式和业务指标 (10.53 MB), 06:49

* 02 4.2金融第三方支付行业-终端产品对交易笔数的分析 (19.92 MB), 11:34

* 05 家政行业/

* 01 5.1家政行业-业务模式和业务指标 (22.70 MB), 14:49

* 02 5.2家政行业-什么原因导致上海的净增比较高利润率比较少 (19.28 MB), 11:07

* 06 旅游行业/

* 01 6.1旅游行业-业务模式和业务指标 (16.52 MB), 10:59

* 02 6.2旅游行业-投诉对下一年复购率的影响 (10.05 MB), 07:27

* 07 在线教育行业/

* 01 7.1在线教育行业-业务模式 (15.23 MB), 10:36

* 02 7.2在线教育行业-业务指标 (30.81 MB), 17:38

* 03 7.3在线教育行业-案例分析 (37.31 MB), 14:38

* 08 运营商行业/

* 01 8.1运营商行业-业务模式和业务指标 (22.57 MB), 13:40

* 02 8.2运营商行业-案例分析 (59.83 MB), 32:01

* 09 内容行业/

* 01 9.1内容行业-行业模式和业务指标 (9.01 MB), 06:34

* 02 9.2内容行业-回答量下滑分析 (25.41 MB), 14:45

* 03 9.3内容行业-用户分类 (12.11 MB), 07:37

* 10 房产行业/

* 01 10.1房产行业-业务模式-业务指标 (18.07 MB), 11:59

* 02 10.2房产行业-案例分析 (18.07 MB), 10:28

* 11 汽车行业/

* 01 11.1.汽车行业-业务模式-业务指标 (13.66 MB), 10:20

* 02 11.2汽车行业-案例分析-远景SUV (24.99 MB), 16:06

* 12 零售行业/

* 01 12.1零售行业-业务模式 (27.21 MB), 17:38

* 02 12.2零售行业-业务指标 (23.16 MB), 14:41

* 03 12.3零售行业-案例分析 (13.32 MB), 08:06

* 06 综合案例/

* 01 数据分析-项目实战/

* 01 市场岗位数据分析/

* 01 竞品分析 (79.30 MB), 24:27

* 02 财务岗位数据分析/

* 01 会计报销清单合并处理 (177.23 MB), 34:04

* 02 企业还款账期测定1 (133.68 MB), 34:53

* 03 企业还款账期测定2 (102.04 MB), 16:07

* 04 应收账款账期计算管理模型 (190.32 MB), 47:40

* 05 应收账款对账数据模型 (148.55 MB), 18:31

* 06 财务报表可视化看板-理论 (48.40 MB), 12:52

* 07 财务报表可视化看板-资产负债表可视化看板 (145.23 MB), 26:37

* 08 财务报表可视化看板-利润表可视化看板 (137.06 MB), 29:05

* 09 财务报表可视化看板-现金流量数据可视化看板 (148.81 MB), 29:16

* 03 人事岗位数据分析/

* 01 人事-人效数据分析-理论 (55.06 MB), 14:30

* 02 人事-人效数据分析-数据建模 (196.90 MB), 30:05

* 03 8-1人事-人员组织结构数据分析-理论 (40.42 MB), 11:21

* 04 8-2人事-人员结构数据分析-仪表盘 (171.69 MB), 30:49

* 05 8-3人事-薪酬数据分析 (143.59 MB), 36:24