课程目录：

第1章 数据分析常用库(3小时35分钟12节) 1-1 1.1.1 数据分析常用库介绍[08:14] 1-2 1.1.2 标准内置库之 math[15:23] 1-3 1.1.3 标准内置库之 copy[10:35] 1-4 1.1.4 标准内置库之 datetime[14:54] 1-5 1.1.5 标准内置库之 time[12:21] 1-6 1.1.6 标准内置库之 random[14:20] 1-7 1.1.7 其他标准内置库[22:57] 1-8 1.2.1 数据分析三剑客简介[18:48] 1-9 1.2.2 Notebook 快捷键[09:39] 1-10 1.3.1 【实战】Python 批量处理文件[36:17] 1-11 1.4.1 【实战】Python 实现银行后台交易系统（上）[22:56] 1-12 1.4.2 【实战】Python 实现银行后台交易系统（下）[28:38]

第2章 Numpy(2小时41分钟6节) 2-1 2.1.1 Numpy 基本概念[26:58] 2-2 2.1.2 Numpy 数据类型与属性[18:54] 2-3 2.1.3 Numpy 维度与轴[24:24] 2-4 2.2.1 Ndarray 数组操作[22:39] 2-5 2.2.2 Numpy 的函数[46:44] 2-6 2.3.1 Numpy 课后练习解析[22:10]

第3章 Pandas 与数据清洗(2小时19分钟6节) 3-1 3.1 认识 Pandas[45:14] 3-2 3.2 使用 Pandas[39:47] 3-3 3.3 Pandas 课后练习答案解析[13:58] 3-4 3.4.1 数据清洗之缺失值处理[17:07] 3-5 3.4.2 数据清洗之异常值处理[16:49] 3-6 3.5.1 数据清洗课后练习答案解析[06:30]

第4章 Python 的可视化 (1小时55分钟 3节) 4-1 4.1 Matplotlib[47:21] 4-2 4.2 其他可视化库[55:28] 4-3 4.3 可视化课后练习答案解析[12:47]

第5章 数据分析综述 (2小时32分钟 7节) 5-1 5.1 数据分析基本流程[24:24] 5-2 5.2 可视化基本介绍[19:08] 5-3 5.3.1 可视化注意事项[10:17] 5-4 5.3.2 可视化陷阱[26:20] 5-5 5.4.1 【实战】BI 工具初识[18:22] 5-6 5.4.2 【实战】BI 工具简单实现[22:13] 5-7 5.4.3 【实战】高阶 BI 工具使用[31:52]

第6章 数据库 (2小时 6节) 6-1 6.1.1 数据库的必要性[17:10] 6-2 6.1.2 数据库开发建立[31:21] 6-3 6.1.3 数据调度与数据仓库[20:06] 6-4 6.2.1 数据库下载安装[20:13] 6-5 6.2.2 数据库使用[12:46] 6-6 6.2.3 表格创建与数据插入[18:49]

第7章 SQL (2小时56分钟 8节) 7-1 7.1.1 表格简单查询[13:03] 7-2 7.1.2 单表排序，筛选与查询[38:00] 7-3 7.1.3 多表连接[29:13] 7-4 7.2.1 SQL 高阶技巧补充[39:29] 7-5 7.2.2 数据库小结[04:45] 7-6 7.3.1 【实战】学生选课情况查询[10:26] 7-7 7.4.1 【实战】SQL 用户画像[13:10] 7-8 7.4.2 【实战】AARRR 模型与 RFM 模型[28:00]

第8章 简单网络爬虫 (3小时 7节) 8-1 8.1.1 爬虫综述[21:56] 8-2 8.1.2 请求与响应[29:38] 8-3 8.1.3 查看响应体[16:47] 8-4 8.2.1 Python 获取网页[19:06] 8-5 8.2.2 bs4 解析网页[38:40] 8-6 8.2.3 xpath 解析网页[24:53] 8-7 8.3.1 【实战】案例解析[29:53]

第9章 复杂网络爬虫 (1小时52分钟 6节) 9-1 9.1.1 安全爬虫规范[11:45] 9-2 9.1.2 正则表达式[22:57] 9-3 9.1.3 IP 频繁访问[10:28] 9-4 9.2.1 动态页面获取与 Selenium[19:53] 9-5 9.2.2 【实战】Selenium 与自动化[21:05] 9-6 9.3.1 【实战】Selenium 与模拟登录[26:05]

第10章 更精尖的数据科学 (3小时3分钟 9节) 10-1 10.1.1 机器学习综述[27:51] 10-2 10.2.1 回归模型[35:23] 10-3 10.2.2 分类模型[33:43] 10-4 10.2.3 聚类模型[12:39] 10-5 10.2.4 集成模型[15:23] 10-6 10.2.5 时间序列模型[12:19] 10-7 10.2.6 深度学习模型[20:52] 10-8 10.2.7 机器学习小结[09:13] 10-9 10.3.1 【实战】分类模型与员工离职预测[16:31]