1.Python编程语言学习者
2.想要从事数据分析及可视化分析方向工作
3.对数据及数据可视化感兴趣的朋友
4.不懂数据的运维不是好的DBA

1.本专栏为图文专栏，共计15篇
2.专栏定期更新，现已更新完毕
3.专栏一经订阅永久阅读， 可与作者留言互动
4.本专栏为虚拟产品，一经订阅，概不退款，请慎重订购
5.专栏阅读过程中，如有任何问题请联系51CTO小助手(微信:cto51boke/QQ:3591348659)

1.剖数据，定决策
2.数据分析及统计常用数据指标
3.掌握数据分析的流程：数据获取，清洗，分析
4.掌握数据分析常用工具与方法，做出合适的图表表达数据

• 序：如何使用Python玩转数据分析

  数据分析是当前比较好的一个从业方向，如何从一个小白能够使用Python完成基本数据分析？ 看这个专栏可能就能满足您当前需求了。

• 1.数据分析-必须要搞懂的数据指标

  数据分析和我们生活与工作密切相关，数据分析结果无时无刻不在影响我们决定；在做数据分析时我们要关注那些指标，这节我们就来解决这个问题。

• 2.数据处理利器-numpy(上)

  使用列表字典等数据结构对数据进行计算总感觉比较繁琐，效率不高，有么有更好的方式对数据进行处理？这节我们来解决这个问题，使用numpy

• 3.数据处理利器-numpy(下)

  numpy支持多种数据类型，掌握常用的数据处理与计算方法能够让我们在后面学习与工作中轻松处理大量数据。

• 4.使用图标说话-如何选择合适图表

  这节我们介绍常用的图表及应用场景，这些图表使用Python及相关模块都能实现；在实际工作与学习中，我们可以根据需求与数据选择不同图表进行展示

• 5.使用matplotlib生成数据图表

  本节我们通过一个案例完成matplolib常用图表可视化，包括：折线图，柱状图，饼状图，饼图，多图子图，及细节处理。

• 6.第一个分析任务-北京天气质量分析报告

  本节我们实际抓取北京天气，并使用前面所学习numpy，matplotlib按照需求完成数据提取，整理与可视化。

• 7.数据分析利器-pandas模块详解

  Pandas是Python数据分析中常用工具，这节主要介绍Series与DataFrame对象创建，访问，索引等相关操作。

• 8.数据处理-使用pandas完成数据导入清洗与计算

  本节主要解决三个问题：缺失数据处理，通过索引访问数据及索引变换，pandas中常用数据计算方法，并通过实际案例掌握这些方法使用技巧。

• 9.数据处理高级操作-数据合并/聚合/分组处理

  本节主要介绍pandas数据中常用整理方法：数据集合并/分组/过滤/计算，并对movielens数据集进行处理；通过理论与案例掌握pandas中数据处理常用方法。

• 10.使用Pandas透视表与时间序列

  时间序列是数据处理中必不可少部分，pandas中提供了强大的时间处理处理方法，能够将多种时间格式转换成时间序列，使数据处理起来更加方便。

• 11.seaborn可视化模块详解-图标样式与详解

  本接主要介绍seaborn模块常用设计及图表，并通过内置数据集进行数据可视化分析。

• 12.seaborn可视化模块详解-图表详解与实战

  本节继续介绍seaborn中常用的图表及使用，并通过实际案例来掌握这些常用方法。

• 13.数据分析实战：某家二手房分析

  本节主要使用前面所介绍内容对某家二手房数据完成数据清洗，整理，可视化分析；巩固前面所学知识点。

• 14.pyecharts详解与实际股票数据分析

  pyecharts是一个非常炫的可视化模块，支持三十多种图表格式，这节我们快速掌握该模块，使用其对股票进行分析。

• 15.案例：NBA球队与球员数据分析

  本节主要使用pandas, seaborn, pyecharts等知识点对2018-2019赛季常规赛球队球员数据进行可视化分析。