用Python玩转数据 Data Processing Using Python

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.

用Python玩转数据 Data Processing Using Python

Dozent: ZHANG Li

106.470 bereits angemeldet

Bei Mehr erfahren enthalten

6 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

1,559 Bewertungen

3 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

6 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

1,559 Bewertungen

3 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

Kategorie: Statistical Analysis
Kategorie: Data Structures
Kategorie: Object Oriented Programming (OOP)
Kategorie: Data Processing
Kategorie: Data Presentation
Kategorie: Data Analysis
Kategorie: Financial Data
Kategorie: Data Mining
Kategorie: User Interface (UI)
Kategorie: Data Capture

Werkzeuge, die Sie lernen werden

Kategorie: NumPy
Kategorie: Python Programming
Kategorie: Pandas (Python Package)

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

8 Aufgaben

Unterrichtet in Chinesisch (vereinfacht)

93%

Den meisten Lernenden hat dieser Kurs gefallen

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

In diesem Kurs gibt es 6 Module

本课程 (Please click https://www.coursera.org/learn/python-data-processing for English version) 主要面向非计算机专业学生，从Python基本语法开始，到Python中如何从本地和网络上进行数据获取，如何解析和表示数据，再到如何利用Python开源生态系统SciPy对数据进行基础和高级的统计分析及可视化，包括数据探索和预处理的具体方法，到最后如何设计一个简单的GUI界面来表示和处理数据，层层推进。

整个课程以财经数据为基础，通过构建一个个喜闻乐见的案例，让大家可以以更直观的方式领略Python的简洁、优雅和健壮，同时探讨Python除了在商业领域之外在文学、社会学和新闻等人文社科类领域以及在数学和生物等理工类领域同样拥有便捷高效的数据处理能力，并可以触类旁通将其灵活应用于各专业中。近期（2019年11月6日已更新完毕）本课程进行了全面改版，新版主要在以下几个方面做了改变： 1. 丰富了Python基础的案例实际操作和讲解； 2. 增加和扩展了如NumPy包的矢量运算和广播思想及常见应用，数据探索与预处理的多个环节，基于pandas的数据分析及数据挖掘案例等。有些是直接在原视频上修改，有些是以拓展视频的方式呈现，特别是新录制的视频因为想说的内容很多所以时长较长，很多都超过了20分钟，小伙伴们学习时可能会比较辛苦，加油加油！

欢迎你学习《用Python玩转数据》( (Please click https://www.coursera.org/learn/python-data-processing for English version))这门课程，本课程将尽量用非计算机专业的小伙伴们能听得懂的方式来讲述如何利用Python这种简单易学的程序设计语言方便快捷地获取数据、表示数据、分析数据和展示数据，基于科学计算与数据分析的SciPy库和与网络爬虫相关的Requests、Beautiful Soup库等，通过多个案例让大家轻松愉快地学会用Python玩转各领域数据。相信《用Python玩转数据》是一门可以让你不再害怕数据处理的计算机程序设计课，大壮老师期待你的加入！

Das ist alles enthalten

1 Video2 Lektüren

小伙伴们，欢迎来到Module 01"Python基础"的学习！先带大家领略一下Python简单易学和优雅健壮的特性，less is more，Python的设计者绝对深谙此道。本模块学完以后，大家可以掌握Python的基本语言结构、数据类型、基本运算、条件和循环、函数和模块等内容，用它们就可以写一些有用的程序了！

Das ist alles enthalten

16 Videos6 Lektüren2 Aufgaben1 Programmieraufgabe1 Diskussionsthema

16 VideosInsgesamt 170 Minuten

1 Python简介6 Minuten
2 第一个Python程序17 Minuten
3 Python语法基础16 Minuten
4 Python数据类型9 Minuten
5 Python基本运算10 Minuten
6 Python的函数、模块和包8 Minuten
1.1补充 Python环境搭建5 Minuten
1 条件13 Minuten
2 range函数5 Minuten
3 循环16 Minuten
4 循环中的break，continue和else11 Minuten
5 自定义函数14 Minuten
6 递归11 Minuten
7 变量作用域5 Minuten
补充1：标准库函数14 Minuten
补充2：异常10 Minuten

6 LektürenInsgesamt 60 Minuten

1.1 参考资料10 Minuten
1.1 将Python和pip加入环境变量中的方法10 Minuten
关于Python类型特性和变量管理的一点说明10 Minuten
1.1 编程小练习（不计分）10 Minuten
（标准库函数补充：必读，有趣）datetime模块timedelta类10 Minuten
1.2 控制结构和函数编程练习（8题，不计分）10 Minuten

2 AufgabenInsgesamt 60 Minuten

走近Python quiz 30 Minuten
Python面面观 quiz30 Minuten

1 ProgrammieraufgabeInsgesamt 180 Minuten

循环编程题(计分)180 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

写出递归程序的执行结果10 Minuten

欢迎进入“数据获取与表示”的学习！学完本模块，大家将会掌握Python在本地数据和网络数据获取的方式以及解析网络数据，会使用Python中基础但功能十分强大的数据结构序列、字符串、列表、元组快速有效地进行数据表示以及做简单的数据处理。

Das ist alles enthalten

10 Videos5 Lektüren1 Aufgabe1 Diskussionsthema

10 VideosInsgesamt 139 Minuten

1 本地数据获取22 Minuten
2 网络数据获取21 Minuten
2.1.1拓展视频1 正则表达式简介17 Minuten
2.2.1拓展视频2 动态网页数据爬取小例6 Minuten
1 序列9 Minuten
2 字符串17 Minuten
3 列表15 Minuten
4 元组8 Minuten
2.2.2拓展视频1 输入输出&函数式编程入门15 Minuten
2.2.2拓展视频2 可变可迭代对象修改问题解释10 Minuten

5 LektürenInsgesamt 50 Minuten

2.1.2 迷你爬虫编程小练习(不计分)10 Minuten
2.1.2进阶：爬虫项目实践(不计分, 2020年10月17日更新)10 Minuten
2.2.4序列类型的函数/方法使用小练习10 Minuten
2.2.3 序列与文件编程练习(7题，不计分)10 Minuten
2.2 序列运算、操作、函数/方法简介10 Minuten

1 AufgabeInsgesamt 30 Minuten

数据获取与表示 quiz30 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

KO奥数高手10 Minuten

欢迎来到”强大的数据结构和Python扩展库”！现在有没有觉得自己离可以用Python玩转数据又进了一步，学完本模块，大家将会掌握Python中高级的数据结构字典和集合，在某些应用中使用它们会非常方便，特别的，大家还会领略到Python最著名使用最广泛的科学计算包SciPy中ndarray、Series和DataFrame这些简洁高效的数据结构的魅力。

Das ist alles enthalten

9 Videos6 Lektüren1 Aufgabe1 Diskussionsthema

9 VideosInsgesamt 109 Minuten

1 为什么需要字典13 Minuten
2 字典的使用16 Minuten
3 集合12 Minuten
3.1.1拓展视频：字典和集合编程示例介绍12 Minuten
1 扩展库SciPy7 Minuten
2 ndarray18 Minuten
3 变长字典Series7 Minuten
4 DataFrame8 Minuten
3.2.1拓展视频：NumPy常见应用选讲17 Minuten

6 LektürenInsgesamt 60 Minuten

（字典集合补充：必读，有趣+1）编程中有效使用集合和字典2例10 Minuten
3.1 编程练习(不计分)10 Minuten
3.1 字典经典应用编程小例10 Minuten
来听大壮老师聊一聊Python化编程(2022.1)10 Minuten
3.2 参考资料SciPy url10 Minuten
3.2 创建DataFrame编程小练习(不计分)10 Minuten

1 AufgabeInsgesamt 30 Minuten

强大的数据结构和Python扩展库 quiz 30 Minuten

1 DiskussionsthemaInsgesamt 10 Minuten

NumPy中的通用函数10 Minuten

欢迎小伙伴们来到"Python数据统计与挖掘"模块的学习！本模块将从数据处理的整个过程展现Python在数据处理和分析上独特的优势，将用很多耳熟能详喜闻乐见的案例让大家领略并掌握方法和特点，学完本模块，你可以从一堆数据中快速有效地挖掘出你想要的或者你期待的又或者是未知的结果，也可以将这些数据用各类图像来表示。另外，Python中各种第三方包的数据统计方式就如开了外挂一样强大到让你咋舌，但却是普通人也可以理解并拥有的。

Das ist alles enthalten

12 Videos18 Lektüren2 Aufgaben1 Programmieraufgabe

12 VideosInsgesamt 222 Minuten

1 便捷数据获取18 Minuten
2 Python绘图基础23 Minuten
3 数据探索与预处理之数据清洗20 Minuten
4 数据预处理之数据变换22 Minuten
5 数据预处理之数据规约19 Minuten
1 数据探索之基本数据特征分析25 Minuten
2 基于pandas的数据统计与分析28 Minuten
3 聚类分析14 Minuten
4 Python的理工类应用7 Minuten
5 Python的人文社科类应用8 Minuten
4.2.2 拓展视频基于pandas的男女电影评分分析17 Minuten
4.2.3拓展视频基于随机森林的红酒品质分类21 Minuten

18 LektürenInsgesamt 210 Minuten

4.1 参考资料10 Minuten
4.1.1 代码参考（资源在4.1.1网页源代码中）10 Minuten
4.1.1 网页源代码10 Minuten
4.1.2&4.1.3 用箱形图分析成绩数据练习10 Minuten
4.1 财经数据接口TuShare研究和数据处理分析小项目10 Minuten
4.1 数据集获取：数据预处理常用数据集titanic数据集获取10 Minuten
4.1.4 数据变换之类别特征编码（重要，2026年更新）20 Minuten
4.2 代码参考10 Minuten
4.2.2 扩展：pandas与mysql数据库交互入门10 Minuten
4.2.3 K-means算法介绍和K值探讨10 Minuten
4.2.3扩展： Scikit-learn经典机器学习经典入门项目开发10 Minuten
4.2.4扩展： WAV音频处理入门研究10 Minuten
4.2.5 继续了解NLTK10 Minuten
4.2 项目—线性回归分析入门之加州房价预测（2026年9月更新）30 Minuten
4.2项目—文档相似度比较10 Minuten
4.2项目—评论情感分析10 Minuten
4.2项目—基于CNN神经网络的图像识别10 Minuten
4.2项目—进一步基于ResCNN神经网络的图像识别10 Minuten

2 AufgabenInsgesamt 50 Minuten

Python便捷数据获取与预处理 quiz30 Minuten
Python数据统计挖掘与应用 quiz 20 Minuten

1 ProgrammieraufgabeInsgesamt 180 Minuten

男女电影评分差异分析编程(计分)180 Minuten

"面向对象和图形用户界面"欢迎你！本模块将会带大家去理解什么是面向对象，图形用户界面与面向对象的关系，这部分内容只要求理解概念，将来可以在用各种新函数时更自如更简单地上手，不要求写程序。另外图形用户界面的基本框架、常用的组建和布局管理也是大家需要掌握的部分，学完它们你会发现图形用户界面开发其实并非遥不可及。本模块有彩蛋哟~~~

Das ist alles enthalten

8 Videos3 Lektüren2 Aufgaben

8 VideosInsgesamt 60 Minuten

1 GUI与面向对象3 Minuten
2 抽象14 Minuten
3 继承12 Minuten
1 GUI的基本框架9 Minuten
2 GUI常用组件5 Minuten
3 布局管理6 Minuten
4 其他GUI库4 Minuten
5 综合应用6 Minuten

3 LektürenInsgesamt 30 Minuten

5.2 面向对象基础小例：疯狂的游戏玩家10 Minuten
5.2 综合应用项目10 Minuten
5.2 代码参考10 Minuten

2 AufgabenInsgesamt 50 Minuten

面向对象和图形用户界面 quiz20 Minuten
课程总测试Examination30 Minuten

Dozent

Lehrkraftbewertungen

(68 Bewertungen)

ZHANG Li

Nanjing University

2 Kurse214.217 Lernende

von

Nanjing University

Mehr von Software Development entdecken

Nanjing University
Data Processing Using Python
Kurs
Kategorie: Vorschau
University of Michigan
Data Collection and Processing with Python
Kurs
Status: Kostenloser Testzeitraum
Macquarie University
Python for Data Analytics
Kurs
Kategorie: Vorschau
EDUCBA
Advanced Python for Data Analysis: Build & Optimize
Kurs
Status: Kostenloser Testzeitraum

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 Sterne
73,29 %
4 Sterne
21,50 %
3 Sterne
3,72 %
2 Sterne
0,89 %
1 Stern
0,57 %

Zeigt 3 von 1559 an

5.0

Geprüft am 6. März 2016

Awesome! I've taken Michigan's Python specialization, but I would say this course from Nanjing University is much better.

4.0

Geprüft am 26. Apr. 2018

课程标题为玩转“数据”，但是第5章却讲了GUI，没有针对数据分析，还不如为python入门或一览，当然老师讲的还是不错的，5周时间太短可能也是原因所在，最后表达我的老师的感谢！

5.0

Geprüft am 8. Juni 2017

课程前4章很有针对性和趣味性，适合非计算机类学生学习入门，第五章有些偏难不好理解和运用，希望可以着重在前4章的讲解细化，同时升级到python3.6哈~~ 感谢，老师的教授

Weitere Bewertungen anzeigen

Schalten Sie den Zugang zu mehr als 10.000 Kursen mit einem Abonnement frei
Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.
Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online
Schließen Sie sich den über 4.700 globalen Unternehmen an, die Coursera for Business wählen

Häufig gestellte Fragen

To access course materials, assignments, and earn a Certificate, you'll need to purchase the Certificate experience when you enroll in a course. Eligible learners may also have the option to start with a Free Trial. Some courses may also offer a Full Course, No Certificate option. This lets you access course materials, submit required assessments, and receive a final grade, but you won't be able to earn or purchase a Certificate.

When you purchase a Certificate you get access to all course materials, including graded assignments. Upon completing the course, your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.