基础数据科学：Numpy、Pandas 和 Matplotlib

在本课程中，我们将学习 Python 数据结构的基础知识以及最流行的数据科学库，例如 NumPy 和 Pandas，并提供分步示例！

在本课程中，我们将从理解 jupyter notebook 基础知识和如何在 jupyter notebook 中编写代码开始，一步一步地学习

然后了解 jupyter notebook 的每一项功能，接下来我们将学习基本的 Python，例如字符串、数字及其操作。我们将讨论分配和访问字符串、字符串切片、替换、连接、格式和字符串的不同方式。

在处理数字时，我们将讨论整数和浮点数的分配、访问和不同操作。这些操作包括基本操作和高级操作，例如指数。此外，我们还将检查运算顺序、增量和减量、舍入值和类型转换。

接下来，我们将学习 Python 中的基本数据结构，例如列表、元组和集合。对于列表，我们将尝试不同的分配、访问和切片选项。除了流行的列表方法之外，我们还将学习列表扩展、删除、反转、排序、最小值和最大值、存在性检查、列表循环、切片以及列表和字符串的相互转换。

对于元组，我们还将执行分配和访问选项，并使用 Python 中的集合继续执行不同的选项。之后，我们将处理 python 字典。不同的分配和访问方法。值更新和删除方法，以及循环遍历字典中的值。

之后，我们将学习如何在 python 中读取不同的文件，例如 CSV、JSON、xlv 文件等。

之后，我们将探索 numpy 基本操作，我们将尝试逐列和逐行访问选项，删除行和列，使用诸如 min 和 max 等方法获取数据帧的摘要。此外，我们将把一个 Python 字典转换为熊猫数据帧。在大数据集里，数据为空或缺失是常见情况。我们将看到如何管理数据帧内的缺失数据。我们将看到数据帧的排序和索引操作。

最后，我们将深入学习绘图工具，例如 Matplotlib、Seaborn、cufflinks 和 plotly，以及数据分析

总体而言，本课程是您开始数据科学和机器学习旅程的完美入门包。您还将在完成课程后获得经验证书（仅在您的学习平台支持的情况下）