Logo
☆☆☆☆☆
0.0
Beginner
9h

Python 数据处理

数据清洗是指对数据进行清理、转换和整理,以便进行后续分析。本课程中,你将学习如何使用 Python 有效完成数据清洗与准备,为数据科学和机器学习项目做好数据处理。 在课程过程中,你将了解处理数据时常遇到的常见问题及其解决方法。你将使用 Python 以及数据清洗中常用的库,如 NumPy 和 pandas。随后,你将学习如何利用 pandas 对数据进行清洗、转换和聚合操作。此外,你还将使用 scikit-learn 这一机器学习库来识别数据中的异常值。 课程结束后,你将能够熟练运用 Python 完成数据清洗与准备工作,为数据科学和机器学习项目提供高质量的数据支持。借助这些工具,你可以高效地应用机器学习模型,并在对数据集实施多种清洗技术后获得可靠的预测结果。

11 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
Python 数据处理
数据清洗是指对数据进行清理、转换和整理,以便进行后续分析。本课程中,你将学习如何使用 Python 有效完成数据清洗与准备,为数据科学和机器学习项目做好数据处理。 在课程过程中,你将了解处理数据时常遇到的常见问题及其解决方法。你将使用 Python 以及数据清洗中常用的库,如 NumPy 和 pa...

WHAT YOU'LL LEARN

对数据清洗的理解及其在开发数据解决方案中的应用

Content

11 Lessons • 0 Quizzes • 0 Challenges

课程简介
  1. 1

    课程介绍

数据处理入门
  1. 1

    数据处理

  2. 2

    数据整理的应用场景

  3. 3

    如何应用数据清洗

  4. 4

    自测练习:数据整理入门

结论
  1. 1

    课程概要

读取数据
  1. 1

    从URL加载CSV数据集

  2. 2

    将 Excel 数据集加载到 DataFrame 中

  3. 3

    本地加载数据集

  4. 4

    数据读取相关的编程挑战

  5. 5

    测验自己:读取数据

标准化
  1. 1

    修复列

  2. 2

    数据类型转换

  3. 3

    字符串转换

  4. 4

    标准化相关的编程挑战

  5. 5

    自我测验:标准化

语法错误和无关数据
  1. 1

    拼写错误和打字错误

  2. 2

    前导和尾随空格

  3. 3

    处理无关数据

  4. 4

    语法错误与无关数据相关的编程挑战

  5. 5

    自我测验:语法错误与无关数据

重复和缺失数据
  1. 1

    重复数据

  2. 2

    处理重复数据

  3. 3

    缺失数据

  4. 4

    处理缺失数据

  5. 5

    重复数据和缺失数据的编程挑战

  6. 6

    测验自己:重复和缺失数据

过滤与排序
  1. 1

    过滤

  2. 2

    执行过滤

  3. 3

    排序

  4. 4

    排序操作

  5. 5

    过滤与排序编程挑战

  6. 6

    自我测验:过滤与排序

拆分、合并与融合
  1. 1

    拆分列

  2. 2

    连接列

  3. 3

    合并数据框

  4. 4

    拆分、合并与连接的编程挑战

  5. 5

    测验自己:拆分、合并与融合

处理异常值
  1. 1

    异常值

  2. 2

    高级异常检测方法

  3. 3

    处理异常值

  4. 4

    处理异常值的编程挑战

  5. 5

    测验自己:处理异常值

导出数据
  1. 1

    导出到 CSV 文件

  2. 2

    导出到 Excel 文件

  3. 3

    数据导出编程挑战

  4. 4

    自测练习:导出数据

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)