数据分析
统计建模与可视化
- 001 入门 数据分析概述 数据分析领域全景概览、Python 工具链介绍与系统化学习路线
- 002 中级 NumPy 数组操作、线性代数与随机数 NumPy 核心用法：多维数组操作、广播机制、线性代数运算与随机数生成
- 003 中级 Pandas -- DataFrame/Series、数据清洗、合并重塑 Pandas 核心数据结构与操作：Series/DataFrame 创建、索引筛选、分组聚合、合并拼接与重塑
- 004 中级 Matplotlib -- 折线图、柱状图、散点图与子图 Matplotlib 数据可视化核心：基础图表类型、样式定制、子图布局与 Jupyter 交互式绘图
- 005 中级 Seaborn -- 统计可视化、热力图与分布图 Seaborn 高级统计可视化：分布图、关系图、分类图、热力图与多图网格
- 006 中级 统计学 -- 描述统计、推断统计与假设检验 数据分析所需的统计学基础：描述统计量、概率分布、参数估计、假设检验与 Python 实现
- 007 中级 数据清洗 -- 缺失值、异常值与数据类型转换 数据清洗实战技巧：缺失值处理策略、异常值检测与修正、数据类型转换与格式统一
- 008 中级 实战案例 -- 电商用户行为分析 完整数据分析项目实战：从业务问题定义到结论输出，覆盖数据加载、清洗、EDA、统计检验与可视化全流程
- 009 进阶 数据分析进阶与实战 时间序列分析、机器学习入门、数据清洗实战、大数据分析、数据仓库与商业智能。
- 010 中级 数据分析全流程 数据分析全流程：定义问题、数据采集、清洗、探索、建模、可视化与报告。
- 011 中级 数据清洗详解 数据清洗详解：缺失值处理、异常值检测、重复值去重与数据类型转换。
- 012 中级 特征工程 特征工程：标准化、归一化、编码、特征选择与降维 PCA。
- 013 中级 Pandas分组聚合 Pandas 分组聚合：groupby、agg、pivot_table、transform 详解。
- 014 中级 Pandas时间序列 Pandas 时间序列：resample、rolling、shift、diff 与时区处理。
- 015 中级 NumPy广播机制 NumPy 广播机制：不同形状数组的运算规则与内存效率。
- 016 中级 Matplotlib子图布局 Matplotlib 子图布局：subplots、GridSpec、嵌套子图与布局调整。
- 017 中级 Seaborn统计图表 Seaborn 统计图表：heatmap、pairplot、violinplot、catplot 详解。
- 018 中级 假设检验详解 假设检验详解：t 检验、卡方检验、方差分析（ANOVA）与 p 值解读。
- 019 中级 相关性分析 相关性分析：皮尔逊相关系数、斯皮尔曼相关系数与偏相关分析。
- 020 中级 回归分析 回归分析：线性回归、逻辑回归、多项式回归与模型评估。
- 021 中级 商业智能 商业智能（BI）：Tableau、Power BI、Superset 的功能与对比。
- 022 中级 自动化报表 自动化报表：Jupyter Notebook、Markdown 导出与定时报告。