包邮Python与机器学 微课版

项目1 用餐数据异常分析 1 任务1 用餐数据集成与处理 5 1.1.1 数据集成 9 1.1.2 数据映射 9 1.1.3 数据类型转换 10 任务2 用餐数据重复值检测与处理 10 1.2.1 检测重复值duplicated() 12 1.2.2 删除重复值drop_duplicates() 12 任务3 用餐数据缺失值检测与处理 12 1.3.1 检测缺失值isna() 15 1.3.2 处理缺失值fillna() 15 任务4 用餐数据异常值检测与处理 15 1.4.1 检测异常值 20 1.4.2 绘制散点图scatter() 21 1.4.3 绘制直方图hist() 22 1.4.4 绘制箱形图boxplot() 23 1.4.5 处理异常值 24 拓展实训：电影数据加工与处理 25 项目考核 26 项目2 碳排放数据分析 30 任务1 对碳排放数据进行分组分析 34 2.1.1 读取Excel文件数据 38 2.1.2 分组分析基本概念 39 2.1.3 描述性统计分析指标 40 任务2 对碳排放数据进行分布分析 40 2.2.1 分布分析基本概念 44 2.2.2 数据分箱cut() 44 2.2.3 可视化包Seaborn 45 任务3 对碳排放数据进行交叉分析 45 2.3.1 交叉分析基本概念 47 2.3.2 数据透视表pivot_table() 48 2.3.3 交叉表crosstab() 48 2.3.4 热力图heatmap() 48 任务4 对碳排放数据进行结构分析 49 2.4.1 结构分析基本概念 53 2.4.2 绘制饼图plot() 53 任务5 对碳排放数据进行相关分析 53 2.5.1 相关分析基本概念 56 2.5.2 相关分析corr() 56 拓展实训：数据分析方法应用 57 应用拓展（1）：电影数据复杂分析 57 应用拓展（2）：用餐数据复杂分析 58 项目考核 59 项目3 电影数据回归分析 61 任务1 使用一元线性回归分析方法对日均票房进行预测 66 3.1.1 一元线性回归 66 3.1.2 异常值的发现与处理 69 3.1.3 归一化处理 69 3.1.4 数据集的切分 73 任务2 使用多项式回归分析方法对日均票房进行预测