数据分析 知识地图
模块知识结构与学习路径 | 22 篇文档
该模块暂无知识地图
文档索引
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
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
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
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
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
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
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
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
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。
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。
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。
特征工程 特征工程：标准化、归一化、编码、特征选择与降维 PCA。
Pandas分组聚合 Pandas 分组聚合：groupby、agg、pivot_table、transform 详解。
Pandas时间序列 Pandas 时间序列：resample、rolling、shift、diff 与时区处理。
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。
Matplotlib子图布局 Matplotlib 子图布局：subplots、GridSpec、嵌套子图与布局调整。
Seaborn统计图表 Seaborn 统计图表：heatmap、pairplot、violinplot、catplot 详解。
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。
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。
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。
商业智能 商业智能（BI）：Tableau、Power BI、Superset 的功能与对比。
自动化报表 自动化报表：Jupyter Notebook、Markdown 导出与定时报告。