通过学习 Python数据分析与应用课程，可以掌握Python进行科学计算、可视化绘图、数据处理，分析与建模、构建聚类、回归、分类模型的主要方法和技能，并为后续相关课程学习及将来从事数据分析挖掘研究、数据分析工作奠定基础。
Python数据分析与应用学习目录包括：
第1模块: Python数据分析概述
课时 1 : 1.1认识数据分析
课时 2 : 1.2熟悉Python数据分析的工具
课时 3 : 1.3 安装anaconda与启动jupyter notebook
课时 4 : 1.4 掌握jupyter notebook常用功能
第2模块: NumPy数值计算基础
课时 5 : 2.1.1Numpy简介
课时 6 : 2.1.2 数组创建及基础属性
课时 7 : 2.1.3 初识数组的特点
课时 8 : 2.1.4 创建常用数组
课时 9 : 2.1.5 数组数据类型
课时 10 : 2.1.6 生成随机数
课时 11 : 2.1.7 一维数组的索引
课时 12 : 2.1.8 逻辑型索引
课时 13 : 2.1.9 多维数组的索引
课时 14 : 2.1.10 求解距离矩阵
课时 15 : 2.1.11 变化数组shape
课时 16 : 2.2.1 Numpy矩阵介绍
课时 17 : 2.2.2 Numpy通用函数介绍
课时 18 : 2.2.3 通用函数的广播机制
课时 19 : 2.3.1 Numpy读写二进制文件
课时 20 : 2.3.2 Numpy读写txt文件
课时 21 : 2.3.3 利用Numpy对数据进行简单统计分析
第3模块: Matplotlib数据可视化基础
课时 22 : 3.1.1 Matplotlib介绍
课时 23 : 3.1.2 基础图形绘制
课时 24 : 3.1.3 常用参数设置
课时 25 : 3.2.1 绘制散点图
课时 26 : 3.2.2 散点图参数设置
课时 27 : 3.2.3 绘制折线图
28 : 3.3.1 绘制饼图
课时 29 : 3.3.2 绘制箱线图
第4模块: Pandas统计分析基础
课时 30 : 4.1 Pandas简介
课时 31 : 4.2.1 Pandas读取文本数据
课时 32 : 4.2.2 存储数据框
课时 33 : 4.2.3 Pandas读取excel文件
课时 34 : 4.2.4 将数据框存储为excel文件
课时 35 : 4.3.1 构建数据框
课时 36 : 4.3.2 查看数据框的常用属性
课时 37 : 4.3.3 按行列顺序访问数据框中的元素
课时 38 : 4.3.4 按行列名称访问数据框中的元素
课时 39 : 4.3.5 修改数据框中的元素
课时 40 : 4.3.6 删除数据框中的元素
课时 41 : 4.3.7 描述分析数据框中的元素
课时 42 : 4.4.1 转换成时间类型数据
课时 43 : 4.4.2 时间类型数据的常用操作
第5模块: 使用Pandas进行数据预处理
课时 48 : 5.1.1 表堆叠
课时 49 : 5.1.2 主键合并
课时 50 : 5.1.3 重叠合并
课时 51 : 5.2.1 检测与处理重复值
.....
第6模块: 使用scikit-learn构建模型
课时 57 : 6.1.1Scikit-Learn简介
课时 58 : 6.1.2 获取及认识datasets中的数据
课时 59 : 6.1.3 将数据集划分为训练集和测试集
课时 60 : 6.1.4 利用转化器进行数据转化操作
课时 61 : 6.2 构建并评价聚类模型
......
课程以多个任务为导向，以Python数据分析常用技术和真实案例相结合方式，深入浅出介绍使用Python进行数据分析及应用的重要内容。首先了解数据分析的基本概念和流程，在宏观上理解数据分析能够解决什么问题。接着介绍Python数据分析常用库NumPy、Matplotlib、pandas、scikit-learn的应用，并结合具体的任务讲解操作。
学习Python可以先以这些基础课程下手~
