终极Pandas训练营高级Python数据分析 | The Ultimate Pandas Bootcamp Advanced Python Data Analysis

终极Pandas训练营高级Python数据分析 | The Ultimate Pandas Bootcamp Advanced Python Data Analysis-幻仿编程
终极Pandas训练营高级Python数据分析 | The Ultimate Pandas Bootcamp Advanced Python Data Analysis
此内容为付费资源,请付费后查看
49.9
立即购买
您当前未登录!建议登陆后购买,可保存购买订单
付费资源
资源分类: IT编程查看预览
最近更新: 2025-08-01文件内容: 视频+中英文字幕+配套课件
视频分辨率: 1080P 高清文件大小: 14.55GB
视频语言: 英语视频字幕: 中英字幕

幻仿编程 Udemy 付费课程,独家中英字幕 + 配套资料!
限时1折特惠!课程永久访问权,随时随地学习!

终极 Pandas 训练营:高级 Python 数据分析

掌握强大的 Pandas 库,分析、操作和可视化数据。内含超过 10 个数据集及奖励!

讲师:Andy Bek


图片[1]-终极Pandas训练营高级Python数据分析 | The Ultimate Pandas Bootcamp Advanced Python Data Analysis-幻仿编程

您将学到什么

  • 从零开始学习有关熊猫的一切知识!
  • 深入了解熊猫数据结构。
  • 转换、清理、过滤、分组、透视以及以其他方式操作任何数据集。
  • 了解相关的计算机科学主题,如随机数生成器、二元运算符、内存指针等!
  • 练习在 Pandas 中直接读取来自网络、pickle、Excel 文件的数据。
  • 发现并学习数百种在 pandas 和 python 中操作数据的方法、属性和技术。

探索相关主题

  • 熊猫
  • 其他 IT 和软件
  • 信息技术与软件

要求

  • 一台电脑(Windows/Mac/Linux)。就这些!
  • 不需要任何 Python 的先验知识。
  • 无需事先了解熊猫。

描述

欢迎来到在线学习和掌握使用 pandas和 python进行数据分析的最佳资源。

通过超过 32 小时、10 多个数据集和 50 多个技能挑战,您不仅将获得对pandas 1.x 的实践掌握,还将获得数十种计算机科学、统计学和编程概念的实践掌握。

我们将分解、理解和实践 pandas 和 python 中的数百种方法、属性和技术,从根本上改变您处理数据的方式。

在终极 Pandas 训练营 (2022)中,你将不再使用过时的 Pandas 版本,也不再对同一个枯燥的数据集编写重复的命令。相反,你将学习用Pandas和Python 语言解决有趣的实际数据问题,同时处理各种类型的数据集,涵盖葡萄酒份量、电子游戏销量、SAT 成绩、股票价格、大学薪资等等!

数据分析是一门应用科学,这就是为什么在每个部分中,您都会停下来练习在专门的技能挑战中学到的知识,然后是详细的解决方案,我们经常在其中考虑和比较替代解决方案。

数据分析是各行各业最热门的技能之一,而且职位数量也在不断增加。Python 也正日益成为人们的首选语言。

Pandas 是一个出色的开源库,体现了这些趋势:基于 Python 编程语言,Pandas 是 Python 数据科学社区中事实上的数据分析库。

––––– 结构与课程 –––––

在超过 31 个小时内,我们将介绍 Pandas 提供的所有内容,从操作系列和数据框到合并数据集、处理时间序列、聚合、过滤、排序等等!

训练营的前四个部分构成了核心课程。你将熟悉序列和数据框,并深入了解 Pandas 的数据结构。

· 系列概览

· 系列方法及处理

· 介绍 DataFrames

更深入地了解 DataFrames

在接下来的八个部分中,您将深入了解更高级的主题,并将您的熊猫技能提升到另一个层次,学习如何处理多个数据集、操作时间序列、可视化数据、编写自定义函数来转换数据等等。

· 使用多个 DataFrame

· 走向多维

· GroupBy 和聚合

· 使用枢轴进行重塑

· 使用日期和时间

· 正则表达式和文本操作

· 数据可视化

· 数据格式和 I/O

Pandas 和 python 相辅相成,这就是为什么这个训练营还包括对 python 编程语言的完整介绍,以便您立即开始编写pythonic代码。

这是关于当今最宝贵技能之一的终极课程。希望你能够掌握使用 Pandas 进行数据分析的技能。

里面见!

本课程适合哪些人:

  • 任何想要深入了解和掌握熊猫的人
  • 任何有兴趣使用 Python 进行数据分析的人
共 320 节课程 • 总时长 32 小时 8 分钟
第一章 介绍
1. 课程结构1分25秒
2. Pandas 不是单线程1分58秒
3. Anaconda3分20秒
4. Jupyter Notebooks11分36秒
5. 云端与本地5分40秒
6. 你好 Python4分16秒
7. NumPy11分42秒
第二章 系列概览
1. 第1节 简介1分6秒
2. 什么是系列3分57秒
3. 参数与参数的区别2分48秒
4. 数据中有什么5分48秒
5. 数据类型属性2分15秒
6. BONUS dtypeo到底是什么3分23秒
7. 索引和范围索引7分10秒
8. 序列与索引名称5分20秒
9. 技能挑战2分3秒
10. 解决方案4分13秒
11. 另一种解决方案3分2秒
12. head和tail方法5分43秒
13. 按索引位置提取7分34秒
14. 通过标签访问元素6分59秒
15. 附加内容 addprefix 和 addsuffix 方法3分30秒
16. 使用点表示法3分45秒
17. 布尔掩码与loc索引器8分16秒
18. 使用iloc按位置提取数据3分58秒
19. 使用Callables配合loc和iloc9分53秒
20. 使用get进行选择5分19秒
21. 选择回顾5分33秒
22. 技能挑战1分50秒
23. 解决方案5分22秒
第三章 系列方法与处理
1. 章节介绍1分49秒
2. 使用readcsv读取数据8分58秒
3. 使用size、shape和len进行序列大小调整4分35秒
4. 唯一值与序列单调性5分20秒
5. count方法(1)2分16秒
6. count方法2分16秒
7. 访问和统计缺失值9分26秒
8. 额外方法5分16秒
9. 另一面 notnull 与 notna3分1秒
10. Python中布尔值本质上是数字3分19秒
11. 技能挑战1分20秒
12. 解决方案2分52秒
13. 删除和填充缺失值4分34秒
14. 描述性统计8分23秒
15. describe方法2分31秒
16. 模式与值计数7分21秒
17. idxmax和idxmin5分49秒
18. 使用sortvalues进行排序5分16秒
19. nlargest 和 nsmallest2分49秒
20. 使用sortindex进行排序3分41秒
21. 技能挑战1分2秒
22. 解决方案2分9秒
23. 序列运算与填充值8分26秒
24. 附加内容 计算方差与标准差4分33秒
25. 累计操作5分2秒
26. 使用diff进行成对差异分析3分42秒
27. 系列迭代4分11秒
28. 过滤筛选与掩码11分41秒
29. 使用update apply和map进行转换13分26秒
30. 技能挑战2分24秒
31. 解决方案1 读取数据2分7秒
32. 解决方案2 均值 中位数和标准差3分19秒
33. 解决方案3 Z分数8分4秒
第四章 使用DataFrames
1. 章节介绍1分40秒
2. 什么是DataFrame10分31秒
3. 创建 DataFrame4分40秒
4. 额外内容 构建DataFrame的另外4种方法16分8秒
5. 信息方法4分29秒
6. 营养数据解读3分55秒
7. 清理重复索引5分38秒
8. sample方法4分14秒
9. 额外内容 有放回抽样或加权抽样7分37秒
10. BONUS 随机数是如何生成的5分40秒
11. DataFrame 轴4分29秒
12. 修改索引7分41秒
13. 按标签从数据框提取数据7分22秒
14. 按位置提取DataFrame8分37秒
15. 使用at和iat进行单值访问5分24秒
16. BONUS getloc方法6分28秒
17. 技能挑战1分17秒
18. 解决方案7分49秒
19. 更多清理工作转向数值化3分25秒
20. astype方法5分56秒
21. DataFrame替换正则表达式初探10分18秒
22. 第1部分 收集单位12分59秒
23. 重命名方法7分51秒
24. DataFrame dropna10分53秒
25. BONUS 使用子集进行dropna操作7分55秒
26. 第2部分 合并带有列名的单元11分32秒
27. 第3部分 从数值中移除单位6分35秒
28. 2D过滤9分15秒
29. DataFrame 排序7分59秒
30. 在DataFrames之间使用Series6分9秒
31. 额外内容 最小值和最大值以及索引最小值和最大值与健康食品9分15秒
32. DataFrame的nlargest和nsmallest方法5分49秒
33. 技能挑战1分26秒
34. 解决方案5分53秒
35. 又一个技能挑战2分
36. 解决方案6分48秒
第五章 DataFrames 深入解析
1. 章节介绍2分23秒
2. 介绍一个新数据集3分56秒
3. 快速回顾布尔掩码索引3分42秒
4. 更多布尔掩码方法10分27秒
5. 布尔值的二元运算符10分29秒
6. 额外内容 异或和补码二进制运算12分57秒
7. 组合条件7分52秒
8. 条件作为变量4分44秒
9. 技能挑战1分7秒
10. 解决方案6分58秒
11. 索引10分
12. 使用查找进行花式索引8分30秒
13. 按索引或列排序6分59秒
14. 排序与重新排序12分29秒
15. 额外方法2分13秒
16. 额外提示 请避免这样排序3分37秒
17. 技能挑战1分17秒
18. 解决方案4分3秒
19. 识别重复项10分40秒
20. 移除重复项6分13秒
21. 删除DataFrame行2分58秒
22. BONUS 删除列3分2秒
23. BONUS 另一种弹出方式4分13秒
24. BONUS 一个复杂的替代方案5分12秒
25. DataFrames中的空值7分13秒
26. 删除和填充DataFrame缺失值7分49秒
27. BONUS 使用fillna的方法和轴10分5秒
28. 技能挑战1分37秒
29. 解决方案7分
30. 使用agg计算聚合9分23秒
31. 相同形状变换14分43秒
32. 使用apply实现更多灵活性13分14秒
33. 使用applymap进行元素级操作13分35秒
34. 技能挑战2分7秒
35. 解决方案4分56秒
36. 设置DataFrame值6分54秒
37. 设置复制警告7分15秒
38. 视图与副本9分
39. 添加DataFrame列8分2秒
40. 向DataFrames添加行9分58秒
41. BONUS DataFrame在内存中是如何存储的4分7秒
42. 技能挑战1分25秒
43. 解决方案5分53秒
第六章 使用多个DataFrame
1. 第1节 简介1分9秒
2. 介绍五个新数据集5分41秒
3. 合并DataFrame7分39秒
4. 重复索引问题7分54秒
5. 强制唯一索引7分36秒
6. BONUS 使用concat创建多个索引4分30秒
7. 列轴拼接4分17秒
8. append方法 concat的特殊情况2分32秒
9. 不同列上的连接4分48秒
10. 技能挑战1分42秒
11. 解决方案10分29秒
12. merge方法6分12秒
13. 左对齐与右对齐参数4分44秒
14. 内连接与外连接5分37秒
15. 左连接与右连接对比3分58秒
16. 一对一与一对多连接9分32秒
17. 多对多连接8分34秒
18. 按索引合并5分38秒
19. join方法3分5秒
20. 技能挑战1分11秒
21. 解决方案6分36秒
第七章 进入多维空间
1. 第1节 简介1分51秒
2. 介绍新数据4分49秒
3. 索引和范围索引4分29秒
4. 创建多级索引3分45秒
5. 从CSV读取创建多级索引3分53秒
6. 索引分层DataFrame8分6秒
7. 索引范围和切片11分56秒
8. BONUS 使用 pdIndexSlice4分13秒
9. 使用xs进行横截面分析5分30秒
10. 技能挑战1分13秒
11. 解决方案7分23秒
12. MultiIndex对象剖析7分52秒
13. 添加另一个关卡5分58秒
14. 随机打乱关卡4分29秒
15. 移除多级索引层级6分2秒
16. 多级索引排序索引6分11秒
17. 更多多级索引方法8分6秒
18. 使用stack进行重塑5分51秒
19. Flipside 解构6分35秒
20. BONUS 手动创建多级列10分59秒
21. 更简单的转置方法2分53秒
22. 附加内容 关于面板3分28秒
23. 技能挑战1分31秒
24. 解决方案7分47秒
第八章 分组与聚合
1. 章节介绍1分15秒
2. 新数据游戏销售3分4秒
3. 简单聚合回顾5分13秒
4. 条件聚合5分29秒
5. 拆分应用合并模式4分43秒
6. groupby方法4分34秒
7. DataFrameGroupBy对象4分6秒
8. 自定义索引到组映射4分32秒
9. BONUS 系列 groupby4分48秒
10. 技能挑战1分1秒
11. 解决方案5分42秒
12. 遍历分组3分15秒
13. 手动选择子组4分52秒
14. 多索引分组5分46秒
15. 微调聚合8分59秒
16. 命名聚合7分8秒
17. filter方法5分35秒
18. GroupBy 转换8分19秒
19. 额外内容 还有apply方法7分48秒
20. 技能挑战1分11秒
21. 解决方案4分53秒
第九章 使用数据透视表重塑数据
1. 章节介绍1分12秒
2. 纽约市SAT成绩新数据4分39秒
3. 数据透视7分19秒
4. 撤销数据透视表6分1秒
5. 聚合体是什么5分47秒
6. 数据透视表6分42秒
7. 额外内容 平均百分比的问题7分57秒
8. 使用GroupBy复制数据透视表2分51秒
9. 添加边距5分6秒
10. 多级索引数据透视表3分13秒
11. 应用多个函数4分13秒
12. 技能挑战1分25秒
13. 解决方案6分1秒
第十章 处理日期和时间
1. 章节介绍1分13秒
2. Python datetime模块9分39秒
3. 从文本中解析日期10分19秒
4. 更优秀的dateutil4分54秒
5. 从Datetime到字符串5分31秒
6. 使用Numpy实现高性能日期时间处理8分59秒
7. Pandas时间戳5分10秒
8. 我们的数据集布伦特油价4分29秒
9. 日期解析与DatetimeIndex5分54秒
10. 一个很酷的快捷方式 readcsv 与 parsedates4分1秒
11. 日期索引5分39秒
12. 技能挑战1分6秒
13. 解决方案3分52秒
14. DateTimeIndex 属性访问器8分54秒
15. 创建日期范围6分33秒
16. 使用pdDateOffset调整日期7分27秒
17. BONUS 时间差与绝对时间6分55秒
18. 重采样时间序列8分12秒
19. 上采样与插值10分20秒
20. 关于asfreq9分21秒
21. 附加内容 滚动窗口11分26秒
22. 技能挑战1分24秒
23. 解决方案5分18秒
第11章 正则表达式与文本处理
1. 章节介绍1分48秒
2. 我们的数据波士顿马拉松跑者3分8秒
3. Python中的字符串方法7分4秒
4. Pandas中的向量化字符串操作3分36秒
5. 案例操作2分51秒
6. 查找字符和单词6分22秒
7. 字符串与空白字符7分2秒
8. 字符串分割与拼接9分32秒
9. 更多拆分参数8分14秒
10. 技能挑战1分
11. 解决方案4分22秒
12. 截取子字符串5分50秒
13. 使用字符串方法进行掩码处理7分2秒
14. BONUS 使用getdummies解析指标10分21秒
15. 文本替换7分33秒
16. 正则表达式入门14分24秒
17. 更多正则表达式概念11分10秒
18. 如何学习正则表达式11分43秒
19. 这是有效的电子邮件吗16分43秒
20. 额外内容 重新编译的意义是什么3分27秒
21. Pandas 字符串包含 分割 与 正则表达式替换14分37秒
22. 技能挑战1分21秒
23. 解决方案12分21秒
第12章 数据可视化
1. 第1节 简介1分21秒
2. 数据可视化艺术2分52秒
3. matplotlib 基础知识12分8秒
4. 折线图11分11秒
5. 条形图10分57秒
6. 饼图10分18秒
7. 直方图10分8秒
8. 散点图11分13秒
9. 其他可视化选项8分47秒
10. 额外内容 数据墨水和图表垃圾3分26秒
11. 技能挑战1分33秒
12. 解决方案8分13秒
第13章 数据格式与输入输出
1. 章节介绍52秒
2. 读取JSON5分1秒
3. 阅读HTML14分12秒
4. 读取Excel7分58秒
5. 创建输出方法族14分56秒
6. 额外介绍Pickling6分24秒
7. Pandas中的Pickles4分53秒
8. 其他多种格式4分9秒
9. 技能挑战2分41秒
10. 解决方案7分10秒
第14章 附录A Python基础快速入门
1. 第1节 简介1分45秒
2. 数据类型2分35秒
3. 变量8分27秒
4. 算术与增强赋值运算符7分16秒
5. 整数与浮点数8分54秒
6. 布尔值和比较运算符5分12秒
7. 字符串7分52秒
8. 方法6分29秒
9. 容器 I 列表6分8秒
10. 列表与字符串6分53秒
11. 列表方法和函数7分54秒
12. 容器 II 元组4分43秒
13. 容器第3集 集合10分32秒
14. 容器第4集 字典5分15秒
15. 字典键与值8分14秒
16. 成员运算符4分28秒
17. 控制流程 if else 和 elif8分21秒
18. 非布尔值的真值3分28秒
19. For循环5分5秒
20. 范围不可变序列5分10秒
21. While循环5分55秒
22. 中断与继续4分15秒
23. 压缩可迭代对象3分39秒
24. 列表推导式7分47秒
25. 定义函数10分19秒
26. 函数参数 位置参数与关键字参数6分54秒
27. Lambda表达式5分28秒
28. 导入模块5分38秒
第15章 附录B 本地安装与设置
1. 安装 Anaconda 和 Python Windows7分17秒
2. 在 Mac 上安装 Anaconda 和 Python2分27秒
3. 在Linux上安装Anaconda和Python4分13秒
1. 关于课程更新与获取

如何获取本站课程?

免费获取方式:在本站签到、评论、发布文章等可获取积分,通过积分购买课程。
付费获取方式:购买本站【月度会员】或【永久会员】。

课程购买后是否支持更新?
是的,所有课程均提供免费更新服务。 我们致力于为您提供持续的学习支持。

如何获取更新?
单独购买的课程: 您可在“个人中心”随时查看购买记录及最新下载链接,轻松获取免费更新。
永久会员: 您可在相关页面直接查看最新下载地址,随时免费获取更新。
非永久会员(重要提示):通过会员权限下载的课程,在“个人中心”可能不显示具体订单记录。

因此,会员到期后,您将无法通过“个人中心”查看最新下载链接。
解决方案建议:续费会员: 恢复会员权限后,即可再次查看所有最新下载链接。
妥善保存下载链接: 我们强烈建议您在会员有效期内,保存好本站分享的课程下载链接。通常,课程更新内容会直接补充到原有分享链接中。
2. 关于课程资料

课程下载后资料是否齐全?
绝大部分课程资料齐全。 我们尽力确保您获得完整的学习资源。
少数情况说明: 极少数课程可能存在资料缺失情况。针对 Udemy 课程,资料形式多样,请知悉:本地文件(随视频下载): 此类课件通常随视频一并提供,下载即得。

本地文件(含链接): 课件文件中会提供资料下载链接,您需自行访问链接下载。此类资料通常也可获取。
在线平台存储(如 GitHub): 讲师会在视频中说明资料获取方式(如访问特定平台),请您按指引自行下载。
③ Udemy 平台内资料: 部分资料需登录您在 Udemy 购买的账号才能查看。此类资料本站无法提供,除非您自行在 Udemy 平台购买该课程。
3. 关于课程字幕

是否提供中英文双字幕?原本无字幕的课程是否支持?
是的,本站下载的所有课程均提供中英文双字幕,包括 Udemy 原本无任何字幕的课程。 我们致力于提升您的学习体验。

Udemy 字幕现状与本站服务:
○ Udemy 绝大多数课程本身不提供任何字幕。在少数提供字幕的课程中,也几乎不提供中文字幕。

本站字幕服务流程:
Udemy 有字幕: 我们会将其翻译成中文字幕,与英文字幕一同提供。
Udemy 无字幕: 我们会通过技术手段识别生成英文字幕,再翻译成中文字幕,一同提供给您。

字幕服务重要说明(请您理解):
翻译精度: 字幕翻译采用谷歌翻译引擎完成,虽不及人工翻译精准,但足以保障您正常学习理解。
若您仍然觉得字幕精度较低: 可联系站长针对性润色字幕(该服务仅限本站会员)。
4. 关于视频存储与使用

视频存储位置与观看/下载方式?
本站所有课程视频均存储于网盘平台。
您支持在线观看: 可在网盘内直接播放学习。
您支持下载: 可将视频下载至本地,使用播放器播放,更灵活便捷。

主要存储网盘:百度网盘

视频格式与加密情况?
本站所有课程视频均以 MP4 或 MKV 通用格式提供。
视频文件不加密,您可自由分享(请遵守相关法律法规)。
播放建议: 使用本地播放器(如 PotPlayer)播放时,可同时加载中英文字幕文件,学习体验更佳。您可参考我们提供的《PotPlayer 挂载中英双字幕教程》。
5. 关于售后支持与退款政策

遇到问题如何联系?
无论您在购买前或购买后遇到任何疑问,都欢迎随时联系站长。 我们将竭诚为您服务。

退款政策说明:
原则: 由于虚拟商品(课程、资料等)具有可复制性,一旦购买成功并完成下载,原则上不支持退款。

请您在购买前仔细阅读课程介绍、资料说明及本条款,确认符合您的需求。 如有不确定之处,欢迎先行咨询站长。

© 版权声明
THE END
喜欢就支持一下吧
点赞0 分享
评论 抢沙发

请登录后发表评论

    暂无评论内容