为什么学习数据科学(一)
<p>从四个方面介绍为什么要学习数据科学:1、迅速崛起的数据科学与大数据技术;2、大数据时代下的数据科学人才市场状况 ;3、大数据驱

标签:编程基础

为什么学习数据科学(二)
<p>从四个方面介绍为什么要学习数据科学:1、迅速崛起的数据科学与大数据技术;2、大数据时代下的数据科学人才市场状况 ;3、大数据驱

标签:编程基础

为什么学习数据科学(三)
<p>从四个方面介绍为什么要学习数据科学:1、迅速崛起的数据科学与大数据技术;2、大数据时代下的数据科学人才市场状况 ;3、大数据驱

标签:编程基础

Python基础入门(一)

Python简介、数据类型、容器
 

标签:编程基础

Python基础(二)

条件与循环
 

标签:编程基础

Python基础(三)

函数,numpy初步

标签:编程基础

Python数据获取(一)

Pandas入门、导入文件数据
 

标签:数据采集

Python数据获取(二)

读取SQL数据库
 

标签:数据采集

Python数据处理(一)

Pandas进阶
 

标签:数据处理

Python数据处理(二)

数据清洗和规整案例
 

标签:数据处理

Python可视化

matplotlib的使用
 

标签:数据可视化

Python数据可视化-词云图(一)
<p>对文本数据经过Python Jieba分词,统计词频,用wordcloud可视化API制作词云图,包括基本词云,图形轮廓的词云,规定色彩的词云。<br />

标签:数据可视化

Python数据可视化-词云图(二)
<p>对文本数据经过Python Jieba分词,统计词频,用wordcloud可视化API制作词云图,包括基本词云,图形轮廓的词云,规定色彩的词云。<br />

标签:数据可视化

Python数据可视化-词云图(三)
<p>对文本数据经过Python Jieba分词,统计词频,用wordcloud可视化API制作词云图,包括基本词云,图形轮廓的词云,规定色彩的词云。<br />

标签:数据可视化

PyEcharts可视化和plotly可视化
<p>1-对2019电影票房数据,做直方图、饼图环图玫瑰图可视化;<br /> 2-对影视人物关系做力导向图可视化;<br /> 3-对GDP数据做地理位置

标签:数据可视化

反事实框架下的因果研究(一)
<p>近年来,随着社会科学越来越重视因果效应的识别,反事实框架在实证研究中呈现蓬勃发展的趋势。本课程拟介绍反事实框架的基本思想

标签:请选择

反事实框架下的因果研究(二)
<p>近年来,随着社会科学越来越重视因果效应的识别,反事实框架在实证研究中呈现蓬勃发展的趋势。本课程拟介绍反事实框架的基本思想

标签:请选择

反事实框架下的因果研究(三)
<p>近年来,随着社会科学越来越重视因果效应的识别,反事实框架在实证研究中呈现蓬勃发展的趋势。本课程拟介绍反事实框架的基本思想

标签:请选择

聚类分析(一)
<p>聚类分析指将物理或抽象对象的集合分组为由类似对象组成的多个类的过程。利用python编程技术将数据对象分类到不同的类或者簇,

标签:请选择

聚类分析(二)
<p>聚类分析指将物理或抽象对象的集合分组为由类似对象组成的多个类的过程。利用python编程技术将数据对象分类到不同的类或者簇,

标签:请选择

聚类分析(三)
<p>聚类分析指将物理或抽象对象的集合分组为由类似对象组成的多个类的过程。利用python编程技术将数据对象分类到不同的类或者簇,

标签:请选择

分类预测(一)
<p>分类预测是根据已知类别(或目标)数据集特征,对未知类别(或目标)数据进行类别(或目标)预测判断的数据分析过程。分类预测简单来说分为

标签:请选择

分类预测(二)
<p>分类预测是根据已知类别(或目标)数据集特征,对未知类别(或目标)数据进行类别(或目标)预测判断的数据分析过程。分类预测简单来说分为

标签:请选择

分类预测(三)
<p>分类预测是根据已知类别(或目标)数据集特征,对未知类别(或目标)数据进行类别(或目标)预测判断的数据分析过程。分类预测简单来说分为

标签:请选择

    页次:1/2 每页24 总数47    首页  上一页  下一页  尾页    转到:

栏目简介

本栏目为体系化设计的内容,包含Python、R等数据分析语言基础课程以及应用实例进阶课程两部分内容,旨在帮助零基础学员快速入门,并且能够进行应用实践。
  • 更多优质内容,敬请关注