课时01

1.ipython简介

课时02

2.ipython安装

课时03

3.使用技巧

课时04

4.魔术命令

课时05

5.执行shell命令

课时06

1jupyter介绍

课时07

2.jupyter安装

课时08

3.基本使用

课时09

4.编辑模式

课时10

1.anaconda介绍

课时11

2.anaconda安装

课时12

3.管理环境

课时13

4.包管理

课时14

1.numpy简介

课时15

2.Ndarray对象简介

课时16

1.numpy数据类型

课时17

2.创建Ndarray数组对象01

课时18

3.创建Ndarray数组对象02

课时19

4.创建Ndarray数组对象03

课时20

5.numpy数组与Python中列表的对比

课时21

6.Ndarray数组属性

课时22

1.切片和索引

课时23

2.高级索引

课时24

3.广播

课时25

4.迭代

课时26

1.修改数组形状

课时27

2.翻转数组

课时28

3.修改数组维度

课时29

4.连接数组

课时30

5.分割数组

课时31

6.数组元素的添加与删除

课时32

1.字符串函数

课时33

2.数学函数

课时34

3.算术函数

课时35

4.统计函数

课时36

5.排序函数

课时37

6.搜索函数

课时38

1.赋值&2.视图&3.副本

课时39

1.IO函数

课时40

1.matplotlib简介&pyplot的API

课时41

2.pylab模块

课时42

3.简单绘图

课时43

1.使用面向对象思想画图

课时44

2.axes和figure对象的关系

课时45

3.画布上创建多个子图

课时46

4.网格

课时47

5.设置轴线

课时48

6.保存图片

课时49

1.条形图

课时50

2.直方图

课时51

3.饼图

课时52

4.散点图

课时53

5.箱型图

课时54

6.轮廓图

课时55

7.图像内的文字、注释、箭头

课时56

1.Pillow模块处理图片

课时57

2.Matplotlib包中的图像模块

课时58

3.ndarray图像操作练习

课时59

4.图像灰度化

课时60

1.读取图像

课时61

2.图像灰度化

课时62

3.图像二值化

课时63

4.图像降噪

课时64

1.普通识别与换脸

课时65

2.调用摄像头识别与视频中的识别

课时66

1.pandas简介

课时67

2.系列(Series)

课时68

3.系列基本功能

课时69

4.数据帧(DataFrame)

课时70

5.数据帧基本功能

课时71

1.重建索引

课时72

2.迭代

课时73

3.排序

课时74

4.索引和选择数据

课时75

5.层次化索引

课时76

1.描述性统计信息函数

课时77

2.汇总数据

课时78

3.统计函数

课时79

4.窗口函数

课时80

1.丢失数据

课时81

2.DataFrame应用聚合

课时82

3.分组

课时83

4.合并_链接(merge函数)

课时84

5.级联(concat函数)

课时85

6.日期与时间

课时86

7.分类数据

课时87

8.可视化

课时88

9.IO操作

课时89

10..数据透视表

课时90

11.数据交叉表

课时91

1-认识数据并预处理

课时92

2-最受欢迎的菜并可视化分析

课时93

3-订单消费维度分析并可视化

课时94

4-日期与时间维度进行点菜量分析

课时95

5-项目总结

课时96

1-需求分析

课时97

2-预处理-重复值、缺失值、格式调整

课时98

3-预处理-异常值处理和偏态分布

课时99

4-预处理-月份列的数据规整

课时100

5-数据分析-货品配送服务分析

课时101

6-数据分析-销售区域潜力分析

课时102

7-数据分析-商品质量分析,项目总结

课时103

1-项目介绍，需求分析

课时104

2-导入数据,初步分析数据

课时105

3-数据预处理,用户整体消费分析(按月)

课时106

4-用户个体消费分析-消费金额与次数描述统计

课时107

5-用户个体消费分析-消费金额分布与贡献率

课时108

6-用户消费行为-首购和最后一次购买分析

课时109

7-用户分层-透视表与构建RFM模型

课时110

8-用户分层-RFM模型分析并可视化

课时111

9-用户分层-新用户，活跃用户，回流用户的流失分析1

课时112

10-用户分层-新用户，活跃用户，回流用户的流失分析2

课时113

11-用户购买周期分析

课时114

12-用户生命周期分析

课时115

13-用户复购率分析

课时116

14-用户回购率分析

课时117

15-项目总结

课时118

1-背景介绍

课时119

2-每天每月销量分析

课时120

3-用户购买量和金额分析-merge函数

课时121

4-用户2次购买门票

课时122

5-用户5次以内购买门票占比分析

课时123

6-用户复购率和复购人数分析

课时124

7-用户回购率和回购人数分析

课时125

8-新用户-活跃用户占比分析

课时126

9-回流用户，活跃用户分析

课时127

10-用户生命周期分析

课时128

11-用户留存天数计算

课时129

12-用户留存率计算

课时130

13-项目总结

课时131

01-项目介绍

课时132

02-加载数据-数据规整处理

课时133

3-是否使用优惠券消费占比分析

课时134

4-距离和折扣率分析

课时135

5-过滤出持券消费人数并联合数据

课时136

6-皮尔逊相关系数分析

课时137

7-求优惠券每天的发放量和使用量

课时138

8-优惠券发放和使用可视化分析、总结项目