Python及数据分析培训与咨询

培训目标：

Python概览
Python语言快速入门
IPython使用
NumPy
Pandas
Pandas数据加载和存储
Pandas数据预处理
Pandas数据聚合与分组运算
绘图与可视化
时间序列
Python在金融数据中的应用
大数据平台的搭建和应用
Scikit-Learn机器学习

主题	课程细分
1.Python概览	1.1为什么使用Python 1.2重要的Python库 NumPy Pandas SciPy Matplotlib 1.3IPython 1.4 Python IDE的下载与安装
2.Python语言快速入门	2.1Python解释器 2.2语言设计特点 2.3对象的调用和属性 2.4import引入 2.5数据类型 2.6控制流 2.7数据结构和序列 2.8函数 2.9 文件和操作系统
3.IPython使用	3.1启动和运行 3.2对象内省 3.3异常和跟踪 3.4与操作系统交互 3.5测试代码执行时间 3.6IPython HTML Notebook 3.7利用IPython提高代码效率的几点提示案例与演示
4.NumPy	4.1ndarray多维数组对象处理与运算 4.2元素级数组函数 4.3利用数组进行数据处理 4.4利用数组进行输入和输出 4.5线性代数 4.6随机数生成 4.7【案例与演示】
5.Pandas	5.1Pandas数据结构介绍 5.2基本功能 5.3汇总和计算描述统计 5.4处理缺失数据 5.5【案例与演示】
6.Pandas数据加载和存储	6.1读写结构化数据 6.2读写非结构化数据 6.3使用HTML和Web API 6.4使用数据库 6.5【案例与演示】
7.Pandas数据预处理	7.1合并数据集（以merge和append为主） 7.2重塑和轴向旋转 7.3数据清洗 7.4字符串操作 7.5 【案例与演示】
8.Pandas数据聚合与分组运算	8.1GroupBy技术 8.2数据聚合 8.3分组运算和转换 8.4透视表和交叉表 8.5【案例与演示】
9.绘图与可视化	9.1Matplotlib基本操作 9.2Pandas中的绘图函数 9.3【案例与演示】
10.时间序列	10.1日期和时间数据类型及工具 10.2 时间数据处理 10.3 时期及其算术运算 10.4 时间序列绘图 10.5 移动窗口函数 10.6【案例与演示】
11.Python在金融数据中的应用	11.1常见的金融数据处理与分析 11.2 Pyfolio资产组合表现与风险分析 11.3 Zipline历史数据回溯分析 11.4 【案例与演示】
12.大数据平台的搭建和应用	12.1Hadoop和MapReduce 12.2 Spark 12.3 PySpark及MLlib 12.4【案例与演示】
13.Scikit-Learn机器学习	13.1数据预处理 13.2 变量升维和降维 13.3 模型训练 13.4模型选择和调参 13.5 模型评估指标 13.6【案例与演示】