Python數(shù)據(jù)分析與可視化實(shí)戰(zhàn)培訓(xùn)

【課程目標(biāo)】

本課程為基礎(chǔ)課程，主要講解如何利用Python進(jìn)行數(shù)據(jù)分析，以及數(shù)據(jù)可視化。假定學(xué)員已經(jīng)基本掌握Python語言的使用。

通過本課程的學(xué)習(xí)，達(dá)到如下目的：

1、 掌握數(shù)據(jù)分析的基本步驟和過程（數(shù)據(jù)分析六步曲）

2、 掌握搭建數(shù)據(jù)分析框架的基本思想（數(shù)據(jù)分析框架）

3、 熟悉Pandas常用數(shù)據(jù)結(jié)構(gòu)，掌握用Python訪問、操作數(shù)據(jù)集

4、 掌握Pandas常用的統(tǒng)計(jì)功能（函數(shù)和方法）

5、 理解統(tǒng)計(jì)分析原理，掌握統(tǒng)計(jì)分析常用的分析方法

6、 熟練掌握matplotlib模塊，熟練畫圖函數(shù)

7、 學(xué)會(huì)解讀圖形，形成業(yè)務(wù)結(jié)論和業(yè)務(wù)策略。

【授課時(shí)間】

2天時(shí)間

（要根據(jù)學(xué)員的實(shí)際情況調(diào)整重點(diǎn)內(nèi)容及時(shí)間）

【授課對(duì)象】

業(yè)務(wù)支持部、IT系統(tǒng)部、系統(tǒng)開發(fā)部、網(wǎng)絡(luò)運(yùn)維部等相關(guān)技術(shù)人員。

【學(xué)員要求】

1、 每個(gè)學(xué)員自備一臺(tái)便攜機(jī)(必須)。

2、 便攜機(jī)中事先安裝好Python 3.9版本及以上。

注：講師現(xiàn)場提供開源的安裝程序、擴(kuò)展庫，以及現(xiàn)場分析的數(shù)據(jù)源。

【授課方式】

分析步驟 + 分析框架+ 分析方法 + 可視化呈現(xiàn) + 案例實(shí)戰(zhàn)

采用互動(dòng)式教學(xué)，圍繞業(yè)務(wù)問題，展開數(shù)據(jù)分析過程，全過程演練操作，讓學(xué)員在分析、分享、講授、總結(jié)、自我實(shí)踐過程中獲得能力提升。

【課程大綱】

第一部分： 數(shù)據(jù)分析基礎(chǔ)

目的：掌握數(shù)據(jù)分析基本步驟和過程，學(xué)會(huì)如何構(gòu)造數(shù)據(jù)分析框架

1、 數(shù)據(jù)分析 VS 數(shù)據(jù)挖掘

2、 數(shù)據(jù)分析的六步曲

? 步驟1：明確目的--理清思路

? 步驟2：數(shù)據(jù)收集—理清思路

? 步驟3：數(shù)據(jù)預(yù)處理—尋找答案

? 步驟4：數(shù)據(jù)分析--尋找答案

? 步驟5：數(shù)據(jù)展示--觀點(diǎn)表達(dá)

? 步驟6：報(bào)表撰寫--觀點(diǎn)表達(dá)

3、 搭建精準(zhǔn)營銷分析框架

演練：如何用大數(shù)據(jù)來支撐手機(jī)精準(zhǔn)營銷項(xiàng)目

第二部分： 數(shù)據(jù)操作基礎(chǔ)

1、 簡化的Python操作過程

2、 常用擴(kuò)展包

? Numpy數(shù)組處理支持

? Pandas數(shù)據(jù)分析和探索工具

? Matplotlib可視化工具庫

3、 數(shù)據(jù)集讀寫

? 讀取文件（CSV文件、Excel文件）

? 數(shù)據(jù)集保存（CSV、Excel）

4、 數(shù)據(jù)集結(jié)構(gòu)

? 數(shù)據(jù)集基本屬性

? Index：位置索引、標(biāo)簽索引

? Series：一維結(jié)構(gòu)

? Dataframe：二維結(jié)構(gòu)

5、 數(shù)據(jù)集基本操作

? 數(shù)據(jù)訪問：行訪問/列訪問/值訪問

? 字段類型

2 類型檢查

2 類型轉(zhuǎn)換

2 定義有序類別變量

? 排序

2 按值排序

2 按索引排序

? 數(shù)據(jù)篩選

? 數(shù)據(jù)修改

? 數(shù)據(jù)刪除

第三部分： 統(tǒng)計(jì)分析方法篇

1、 統(tǒng)計(jì)分析基礎(chǔ)

? 統(tǒng)計(jì)分析的關(guān)鍵要素

? 統(tǒng)計(jì)分析三個(gè)步驟

2、 六種統(tǒng)計(jì)操作

? 描述統(tǒng)計(jì)describe

? 分類計(jì)數(shù)value_counts

? 分段計(jì)數(shù)/分箱計(jì)數(shù)value_counts(bins)

? 分類匯總(groupby, count/sum/mean/…)

? 透視表（多維統(tǒng)計(jì)分析）pivot_table

? 按日期匯總resample/to_period

案例實(shí)戰(zhàn)：掌握常用的Python統(tǒng)計(jì)函數(shù)/方法

3、 五種統(tǒng)計(jì)分析方法

? 對(duì)比分析法(不同用戶的消費(fèi)水平差異)

? 結(jié)構(gòu)分析法(用戶的學(xué)歷結(jié)構(gòu)、收入結(jié)構(gòu)分析、動(dòng)態(tài)結(jié)構(gòu)分析)

? 分布分析法(用戶的年齡分布、用戶消費(fèi)層次)

? 交叉分析法(產(chǎn)品偏好分析)

? 趨勢分析法(銷售淡旺季節(jié)、用戶活躍時(shí)間)

案例實(shí)戰(zhàn)：掌握常用的統(tǒng)計(jì)分析方法

第四部分： 數(shù)據(jù)可視化

目的：掌握作圖擴(kuò)展庫，實(shí)現(xiàn)數(shù)據(jù)可視化

1、 中文顯示的問題解決

2、 了解圖形元素及其函數(shù)

? 標(biāo)題、坐標(biāo)軸、刻度

? 數(shù)據(jù)標(biāo)簽、文本、注釋

? 圖例、網(wǎng)格線、邊框

3、 簡單圖形的畫法

? 柱狀圖（簡單/復(fù)式/堆積/堆積百分比柱狀圖）

? 直方圖（分布分析，查看分布特征）

? 箱圖（判斷離群值）

? 餅圖（結(jié)構(gòu)分析）

? 折線圖（趨勢分析）

4、 復(fù)雜圖形的畫法

? 多子圖

? 多坐標(biāo)系作圖

? 多區(qū)域作圖

5、 圖形保存

第五部分： 數(shù)據(jù)預(yù)處理

1、 數(shù)據(jù)預(yù)處理四大任務(wù)

? 數(shù)據(jù)清洗

? 數(shù)據(jù)集成

? 樣本處理

? 變量處理

2、 數(shù)據(jù)集成

? 數(shù)據(jù)追回

? 變量合并

? 拼接

演練：樣本追加與變量合并

3、 數(shù)據(jù)清洗

? 四大異常數(shù)據(jù)

? 重復(fù)值檢查與處理

? 無效值檢查與處理

? 離群值檢查與處理

? 缺失值檢查與處理

演練：異常值查找、刪除、填充

4、 樣本處理

5、 變量處理

第六部分： 實(shí)戰(zhàn)篇(上述知識(shí)點(diǎn)都融入下面分析實(shí)戰(zhàn)中)

1、 零售商用戶消費(fèi)行為分析

? 用戶行為分析框架：5W2H

? 用戶的典型特征

? 用戶的消費(fèi)能力

? 用戶的消費(fèi)水平

2、 運(yùn)營商用戶購買行為分析

? 用戶維度

2 用戶地域分布

2 用戶學(xué)歷結(jié)構(gòu)

2 用戶消費(fèi)能力/消費(fèi)層次

2 用戶流量分布/層次

2 用戶流失分析

? 產(chǎn)品維度

2 套餐銷量分析

2 套餐貢獻(xiàn)分析

2 服務(wù)滿意度分析

2 套餐偏好分析

? 時(shí)間維度

2 產(chǎn)品淡旺季分析

2 用戶活躍度分析

2 重購周期分析

? 金額維度

2 收入結(jié)構(gòu)（用戶、產(chǎn)品、區(qū)域）

2 價(jià)格偏好分析

2 成本/利潤分析

3、 金融風(fēng)險(xiǎn)數(shù)據(jù)分析

? 用戶維度

2 違約用戶的典型特征

2 違約用戶的消費(fèi)水平

? 違約的影響因素分析

2 違約與學(xué)歷/崗位的關(guān)系

2 違約與行業(yè)/職業(yè)的關(guān)系

注：會(huì)根據(jù)學(xué)員所在行業(yè)選擇合適的實(shí)戰(zhàn)案例。

結(jié)束：課程總結(jié)與問題答疑。