Python是公认的目前数据科学和机学习领域最受欢迎的编程软件之一。而支持Python能够火热的主要原因就是它强大易用的标准库，它们可以帮助你完美地解决几乎所有数据科学领域的问题。

提到使用Python进行数据分析，就不得不提到Pandas。

我们通常讲使用Python进行数据分析核心流程分成以上四个阶段，即字段选择（Data Selection）、数据清洗(Data Manipulation)、数据探索与可视化（Data Visualization）、建模分析（Modeling）。

Pandas通常是用于数据挖掘和清理(Data Manipulation)阶段，也就是在数据采集和存储(data capturing and storage)和数据建模和预测(data modeling and predicting)之间的中间工具，它在数据科学中起到了关键作用。

课程内容

• 数据清洗代码及数据集.zip
• 什么是数据清洗
• 数据清洗流程和常用方法
• 案例：数据探索及简单梳理
• 案例：重复值的处理
• 案例：异常值和缺失值的处理
• 案例：文本型数据的处理
  

课程地址：《Python数据清洗公开课》
DA内容精选