Pandas数据分析编程练习100例

Pandas数据分析技术的实战练习100题

*   01 Series和DataFrame/

  *   01 001 用list构造series.mp4 (4.33 MB), 01:00

  *   02 002 用Dict初始化Series.mp4 (5.53 MB), 01:17

  *   03 003 Series转换成Python List.mp4 (4.39 MB), 01:04

  *   04 课件资料.txt (0.00 MB)

  *   05 004 Series转换成DataFrame.mp4 (5.66 MB), 01:18

  *   06 005 借助Numpy创建Series.mp4 (8.92 MB), 02:06

  *   07 006 转换Series的数据类型.mp4 (9.38 MB), 02:05

  *   08 007 给Series添加新的元素.mp4 (7.13 MB), 01:34

  *   09 008 Series用reset index转换成df.mp4 (5.76 MB), 01:22

  *   10 009 使用字典创建DF.mp4 (9.73 MB), 02:09

  *   11 010 给DataFrame设置索引列.mp4 (6.79 MB), 01:32

  *   12 011 生成一个月份的所有天日期.mp4 (9.13 MB), 02:04

  *   13 012 生成一年的所有周一日期.mp4 (11.61 MB), 02:31

  *   14 013 生成一天的所有小时.mp4 (10.79 MB), 02:18

  *   15 014 用日期生成DataFrame.mp4 (9.67 MB), 02:10

  *   16 015 使用日期和随机数生成DataFrame.mp4 (15.75 MB), 03:10

  *   17 016 打印DataFrame的前后数据行.mp4 (6.58 MB), 01:13

  *   18 017 df的信息和基本数据统计.mp4 (14.44 MB), 03:07

  *   19 018 统计数据列的值出现次数.mp4 (8.69 MB), 01:52

  *   20 019 df前N行存入CSV文件.mp4 (5.21 MB), 01:04

  *   21 020 加载CSV文件到df.mp4 (5.72 MB), 01:18

*   02 Stock数据集/

  *   01 021 Stock数据-加载Stock数据CSV文件.mp4 (5.28 MB), 01:10

  *   02 022 Stock数据-Stock的信息和基本数据统计.mp4 (9.88 MB), 02:07

  *   03 023 Stock数据-更改索引列为普通数据列.mp4 (8.97 MB), 01:56

  *   04 024 Stock数据-给Stock数据新增年份和月份.mp4 (8.30 MB), 01:53

  *   05 025 Stock票数据-计算每年份的平均收盘价.mp4 (9.22 MB), 02:01

  *   06 026 Stock数据-找出数据收盘价低行.mp4 (10.43 MB), 02:09

  *   07 027 Stock数据-筛选出部分数据列.mp4 (8.25 MB), 01:45

  *   08 028 Stock数据-设置日期列为索引列.mp4 (6.46 MB), 01:16

  *   09 029 Stock数据-删除不需要的数据列.mp4 (7.52 MB), 01:21

  *   10 030 Stock数据-对列进行重命名.mp4 (12.21 MB), 02:32

*   03 电信客户流失数据集/

  *   01 031 电信客户流失-加载电信客户流失数据集.mp4 (9.10 MB), 01:58

  *   02 032 电信客户流失-计算每一数据列的缺失值.mp4 (8.37 MB), 01:43

  *   03 033 电信客户流失-正确设置数据列的类型.mp4 (18.45 MB), 03:53

  *   04 034 电信客户流失-将类别字段转换成cat类型.mp4 (15.39 MB), 02:56

  *   05 035 电信客户流失-对cat类型字段数据统计.mp4 (9.73 MB), 02:16

  *   06 036 电信客户流失-churn字段的数据分布.mp4 (6.19 MB), 01:27

  *   07 037 电信客户流失-多维度查看月费字段统计.mp4 (8.64 MB), 01:51

  *   08 038 电信客户流失-Churn字段的数据映射.mp4 (7.86 MB), 01:48

  *   09 039 电信客户流失-查看字段相关性矩阵.mp4 (10.17 MB), 02:12

  *   10 040 电信客户流失-从数据集中采样数据行.mp4 (6.81 MB), 01:20

*   04 两列随机数据/

  *   01 041 两列随机数-合并两个Series到DF.mp4 (12.03 MB), 02:32

  *   02 042 两列随机数-多条件筛选DataFrame.mp4 (6.50 MB), 01:30

  *   03 043 两列随机数-根据现有列计算新列.mp4 (6.83 MB), 01:28

  *   04 044 两列随机数-根据现有列截断列.mp4 (8.22 MB), 01:56

  *   05 045 两列随机数-数据列大小5个数.mp4 (7.06 MB), 01:25

  *   06 046 两列随机数-计算数字的累积加和值.mp4 (6.76 MB), 01:25

  *   07 047 两列随机数-计算一列数字的中位数.mp4 (5.19 MB), 01:12

  *   08 048 两列随机数-使用query筛选数据.mp4 (6.71 MB), 01:28

  *   09 049 两列随机数-将df的前几行生成一个字典.mp4 (5.17 MB), 01:11

  *   10 050 两列随机数-将df的前几行生成html.mp4 (5.54 MB), 01:14

*   05 随机数矩阵数据/

  *   01 051 随机矩阵-构造随机数df并筛选.mp4 (11.05 MB), 02:14

  *   02 052 随机矩阵-使用两列进行组合筛选.mp4 (6.59 MB), 01:30

  *   03 053 随机矩阵-for循环遍历dataframe.mp4 (7.18 MB), 01:28

  *   04 054 随机矩阵-精确设置df的单元格的值.mp4 (9.95 MB), 02:08

  *   05 055-扫描字母文件列表.mp4 (15.39 MB), 03:27

  *   06 056 随机矩阵-重新设置索引列.mp4 (8.61 MB), 01:45

  *   07 057 随机矩阵-统计数据列的空值个数.mp4 (6.36 MB), 01:22

  *   08 058 随机矩阵-使用数字填充缺失值.mp4 (6.23 MB), 01:18

  *   09 059 随机矩阵-修改df列的顺序.mp4 (5.57 MB), 01:14

  *   10 060 随机矩阵-删除df的一列或多列.mp4 (7.35 MB), 01:36

*   06 二手车数据/

  *   01 061 二手车-数据介绍和加载.mp4 (6.92 MB), 01:25

  *   02 062 二手车-输出df标题名称列表.mp4 (3.34 MB), 00:46

  *   03 063 二手车-删除数据列.mp4 (5.89 MB), 01:11

  *   04 064 二手车-统计字段缺失值.mp4 (4.09 MB), 00:57

  *   05 065 二手车-移除包含缺失值的行.mp4 (6.97 MB), 01:24

  *   06 066 二手车-列名改成小写.mp4 (4.88 MB), 01:01

  *   07 067 二手车-过户次数的分布.mp4 (4.76 MB), 01:02

  *   08 068 二手车-排量字段的处理分析.mp4 (9.33 MB), 02:06

  *   09 069 二手车-马力字段的处理分布.mp4 (10.62 MB), 02:22

  *   10 070 二手车-每年有多少车.mp4 (4.96 MB), 01:05

  *   11 071 二手车-传动类型的转换.mp4 (8.19 MB), 01:42

  *   12 072 二手车-保存csv文件.mp4 (5.74 MB), 01:16

*   07 伦敦单车数据集/

  *   01 073 伦敦单车-加载csv文件.mp4 (7.14 MB), 01:27

  *   02 074 伦敦单车-查看前后5行数据.mp4 (4.24 MB), 00:52

  *   03 075 伦敦单车-转换时间类型字段.mp4 (6.55 MB), 01:23

  *   04 076 伦敦单车-新增小时字段.mp4 (5.46 MB), 01:10

  *   05 077 伦敦单车-新增月份字段.mp4 (5.21 MB), 01:10

  *   06 078 伦敦单车-统计每月湿度平均.mp4 (8.41 MB), 01:53

  *   07 079 伦敦单车-每小时的分享次数.mp4 (8.61 MB), 01:46

  *   08 080 伦敦单车-周末每小时分享次数.mp4 (10.26 MB), 02:04

  *   09 081 伦敦单车-风速和湿度筛选数据.mp4 (8.36 MB), 01:44

  *   10 082 伦敦单车-筛选复制周末数据.mp4 (7.84 MB), 01:39

  *   11 083 伦敦单车-周末数据存csv.mp4 (7.96 MB), 01:44

*   08 保险费数据集/

  *   01 084 保险费-读取数据csv文件.mp4 (5.17 MB), 01:06

  *   02 085 保险费-检测重复行.mp4 (6.90 MB), 01:32

  *   03 086 保险费-删除重复行.mp4 (5.17 MB), 01:08

  *   04 087 保险费-删选object类型列.mp4 (7.35 MB), 01:33

  *   05 088 保险费-转换列到cat类型.mp4 (7.96 MB), 01:35

  *   06 089 保险费-筛选数值类型列.mp4 (7.22 MB), 01:27

  *   07 090 保险费-分离类别和数值列.mp4 (12.77 MB), 02:36

  *   08 091 保险费-类别列的描述统计.mp4 (6.96 MB), 01:36

  *   09 092 保险费-数值列的描述统计.mp4 (5.47 MB), 01:12

  *   10 093 保险费-统计值的均值方差.mp4 (8.39 MB), 01:47

  *   11 094 保险费-统计缺失值.mp4 (3.15 MB), 00:45

  *   12 095 保险费-dummies数据编码.mp4 (10.19 MB), 02:17

  *   13 096 保险费-查看相关性矩阵.mp4 (6.16 MB), 01:16

  *   14 097 保险费-相关性矩阵的筛选.mp4 (8.33 MB), 01:46

  *   15 098 保险费-特征和标签的分离.mp4 (10.16 MB), 02:01

*   09 衣服数据数据集/

  *   01 099 衣服数据-构建dataframe.mp4 (3.63 MB), 00:42

  *   02 100 衣服数据-批量转换类型.mp4 (8.31 MB), 01:37

  *   03 101 衣服数据-dummies转换.mp4 (4.77 MB), 01:04

  *   04 102 衣服数据-dummies加drop转换.mp4 (5.35 MB), 01:07

*   10 Json数据集/

  *   01 103 pandas加载json文件.mp4 (9.54 MB), 02:04

  *   02 104 从字符串解析出国家名称.mp4 (7.78 MB), 01:47

  *   03 105 统计多于一次的国家名称.mp4 (10.75 MB), 02:13

  *   04 106 转换字符串到数值类型.mp4 (8.28 MB), 01:46

  *   05 107 计算大值小值所在的行.mp4 (9.60 MB), 02:04

  *   06 108 根据数值区分存储到多个CSV.mp4 (8.13 MB), 01:43

*   11 两只Stock关联分析/

  *   01 109 两只Stock-读取Stock数据CSV.mp4 (8.54 MB), 01:35

  *   02 110 两只Stock-批量给列名加前缀.mp4 (7.56 MB), 01:27

  *   03 111 两只Stock-按日期关联两个df.mp4 (6.73 MB), 01:18

  *   04 112 两只Stock-筛选所需要的列.mp4 (8.08 MB), 01:30

  *   05 113 两只Stock-计算每只Stock当日涨跌幅.mp4 (10.36 MB), 01:53

  *   06 114 两只Stock-计算同涨同跌的信号.mp4 (10.47 MB), 01:49

  *   07 115 两只Stock-计算同时涨跌的比例.mp4 (10.91 MB), 02:04