(微信同号)【课程目标】
本课程为基础课程，主要讲解如何利用Python进行数据分析，以及数据可视化。假定学员已经基本掌握Python语言的使用。
通过本课程的学习，达到如下目的：
1、 掌握数据分析的基本步骤和过程（数据分析六步曲）
2、 掌握搭建数据分析框架的基本思想（数据分析框架）
3、 熟悉Pandas常用数据结构，掌握用Python访问、操作数据集
4、 掌握Pandas常用的统计功能（函数和方法）
5、 理解统计分析原理，掌握统计分析常用的分析方法
6、 熟练掌握matplotlib模块，熟练画图函数
7、 学会解读图形，形成业务结论和业务策略。
【授课时间】
2天时间
（要根据学员的实际情况调整重点内容及时间）
【授课对象】
业务支持部、IT系统部、系统开发部、网络运维部等相关技术人员。
【学员要求】
1、 每个学员自备一台便携机(必须)。
2、 便携机中事先安装好Python 3.9版本及以上。
注：讲师现场提供开源的安装程序、扩展库，以及现场分析的数据源。
【授课方式】
分析步骤 + 分析框架+ 分析方法 + 可视化呈现 + 案例实战
采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。
【课程大纲】
第一部分： 数据分析基础
目的：掌握数据分析基本步骤和过程，学会如何构造数据分析框架
1、 数据分析 VS 数据挖掘
2、 数据分析的六步曲
Ø 步骤1：明确目的--理清思路
Ø 步骤2：数据收集—理清思路
Ø 步骤3：数据预处理—寻找答案
Ø 步骤4：数据分析--寻找答案
Ø 步骤5：数据展示--观点表达
Ø 步骤6：报表撰写--观点表达
3、 搭建精准营销分析框架
演练：如何用大数据来支撑手机精准营销项目
第二部分： 数据操作基础
1、 简化的Python操作过程
2、 常用扩展包
Ø Numpy数组处理支持
Ø Pandas数据分析和探索工具
Ø Matplotlib可视化工具库
3、 数据集读写
Ø 读取文件（CSV文件、Excel文件）
Ø 数据集保存（CSV、Excel）
4、 数据集结构
Ø 数据集基本属性
Ø Index：位置索引、标签索引
Ø Series：一维结构
Ø Dataframe：二维结构
5、 数据集基本操作
Ø 数据访问：行访问/列访问/值访问
Ø 字段类型
² 类型检查
² 类型转换
² 定义有序类别变量
Ø 排序
² 按值排序
² 按索引排序
Ø 数据筛选
Ø 数据修改
Ø 数据删除
第三部分： 统计分析方法篇
1、 统计分析基础
Ø 统计分析的关键要素
Ø 统计分析三个步骤
2、 六种统计操作
Ø 描述统计describe
Ø 分类计数value_counts
Ø 分段计数/分箱计数value_counts(bins)
Ø 分类汇总(groupby, count/sum/mean/…)
Ø 透视表（多维统计分析）pivot_table
Ø 按日期汇总resample/to_period
案例实战：掌握常用的Python统计函数/方法
3、 五种统计分析方法
Ø 对比分析法(不同用户的消费水平差异)
Ø 结构分析法(用户的学历结构、收入结构分析、动态结构分析)
Ø 分布分析法(用户的年龄分布、用户消费层次)
Ø 交叉分析法(产品偏好分析)
Ø 趋势分析法(销售淡旺季节、用户活跃时间)
案例实战：掌握常用的统计分析方法
第四部分： 数据可视化
目的：掌握作图扩展库，实现数据可视化
1、 中文显示的问题解决
2、 了解图形元素及其函数
Ø 标题、坐标轴、刻度
Ø 数据标签、文本、注释
Ø 图例、网格线、边框
3、 简单图形的画法
Ø 柱状图（简单/复式/堆积/堆积百分比柱状图）
Ø 直方图（分布分析，查看分布特征）
Ø 箱图（判断离群值）
Ø 饼图（结构分析）
Ø 折线图（趋势分析）
4、 复杂图形的画法
Ø 多子图
Ø 多坐标系作图
Ø 多区域作图
5、 图形保存
第五部分： 数据预处理
1、 数据预处理四大任务
Ø 数据清洗
Ø 数据集成
Ø 样本处理
Ø 变量处理
2、 数据集成
Ø 数据追回
Ø 变量合并
Ø 拼接
演练：样本追加与变量合并
3、 数据清洗
Ø 四大异常数据
Ø 重复值检查与处理
Ø 无效值检查与处理
Ø 离群值检查与处理
Ø 缺失值检查与处理
演练：异常值查找、删除、填充
4、 样本处理
5、 变量处理
第六部分： 实战篇(上述知识点都融入下面分析实战中)
1、 零售商用户消费行为分析
Ø 用户行为分析框架：5W2H
Ø 用户的典型特征
Ø 用户的消费能力
Ø 用户的消费水平
2、 运营商用户购买行为分析
Ø 用户维度
² 用户地域分布
² 用户学历结构
² 用户消费能力/消费层次
² 用户流量分布/层次
² 用户流失分析
Ø 产品维度
² 套餐销量分析
² 套餐贡献分析
² 服务满意度分析
² 套餐偏好分析
Ø 时间维度
² 产品淡旺季分析
² 用户活跃度分析
² 重购周期分析
Ø 金额维度
² 收入结构（用户、产品、区域）
² 价格偏好分析
² 成本/利润分析
3、 金融风险数据分析
Ø 用户维度
² 违约用户的典型特征
² 违约用户的消费水平
Ø 违约的影响因素分析
² 违约与学历/岗位的关系
² 违约与行业/职业的关系
注：会根据学员所在行业选择合适的实战案例。
结束：课程总结与问题答疑。
