主題 |
|
1.Python概覽 |
1.1為什么使用Python
1.2重要的Python庫(kù)
- NumPy
- Pandas
- SciPy
- Matplotlib
1.3IPython
1.4 Python IDE的下載與安裝
|
2.Python語(yǔ)言快速入門(mén) |
2.1Python解釋器
2.2語(yǔ)言設(shè)計(jì)特點(diǎn)
2.3對(duì)象的調(diào)用和屬性
2.4import引入
2.5數(shù)據(jù)類(lèi)型
2.6控制流
2.7數(shù)據(jù)結(jié)構(gòu)和序列
2.8函數(shù)
2.9 文件和操作系統(tǒng) |
3.IPython使用 |
3.1啟動(dòng)和運(yùn)行
3.2對(duì)象內(nèi)省
3.3異常和跟蹤
3.4與操作系統(tǒng)交互
3.5測(cè)試代碼執(zhí)行時(shí)間
3.6IPython HTML Notebook
3.7利用IPython提高代碼效率的幾點(diǎn)提示
案例與演示 |
4.NumPy |
4.1ndarray多維數(shù)組對(duì)象處理與運(yùn)算
4.2元素級(jí)數(shù)組函數(shù)
4.3利用數(shù)組進(jìn)行數(shù)據(jù)處理
4.4利用數(shù)組進(jìn)行輸入和輸出
4.5線性代數(shù)
4.6隨機(jī)數(shù)生成
4.7【案例與演示】 |
5.Pandas |
5.1Pandas數(shù)據(jù)結(jié)構(gòu)介紹
5.2基本功能
5.3匯總和計(jì)算描述統(tǒng)計(jì)
5.4處理缺失數(shù)據(jù)
5.5【案例與演示】 |
6.Pandas數(shù)據(jù)加載和存儲(chǔ) |
6.1讀寫(xiě)結(jié)構(gòu)化數(shù)據(jù)
6.2讀寫(xiě)非結(jié)構(gòu)化數(shù)據(jù)
6.3使用HTML和Web API
6.4使用數(shù)據(jù)庫(kù)
6.5【案例與演示】 |
7.Pandas數(shù)據(jù)預(yù)處理 |
7.1合并數(shù)據(jù)集(以merge和append為主)
7.2重塑和軸向旋轉(zhuǎn)
7.3數(shù)據(jù)清洗
7.4字符串操作
7.5 【案例與演示】 |
8.Pandas數(shù)據(jù)聚合與分組運(yùn)算 |
8.1GroupBy技術(shù)
8.2數(shù)據(jù)聚合
8.3分組運(yùn)算和轉(zhuǎn)換
8.4透視表和交叉表
8.5【案例與演示】 |
9.繪圖與可視化 |
9.1Matplotlib基本操作
9.2Pandas中的繪圖函數(shù)
9.3【案例與演示】 |
10.時(shí)間序列 |
10.1日期和時(shí)間數(shù)據(jù)類(lèi)型及工具
10.2 時(shí)間數(shù)據(jù)處理
10.3 時(shí)期及其算術(shù)運(yùn)算
10.4 時(shí)間序列繪圖
10.5 移動(dòng)窗口函數(shù)
10.6【案例與演示】 |
11.Python在金融數(shù)據(jù)中的應(yīng)用 |
11.1常見(jiàn)的金融數(shù)據(jù)處理與分析
11.2 Pyfolio資產(chǎn)組合表現(xiàn)與風(fēng)險(xiǎn)分析
11.3 Zipline歷史數(shù)據(jù)回溯分析
11.4 【案例與演示】 |
12.大數(shù)據(jù)平臺(tái)的搭建和應(yīng)用 |
12.1Hadoop和MapReduce
12.2 Spark
12.3 PySpark及MLlib
12.4【案例與演示】 |
13.Scikit-Learn機(jī)器學(xué)習(xí) |
13.1數(shù)據(jù)預(yù)處理
13.2 變量升維和降維
13.3 模型訓(xùn)練
13.4模型選擇和調(diào)參
13.5 模型評(píng)估指標(biāo)
13.6【案例與演示】 |