【增加職場技能】用一個假日進行 Python 資料分析視覺化實戰

專門處理資料的套件，進行批量處理資料，不需要一直使用重複性的操作，Pandas 只需要使用兩到三行程式即可以做到原本Python可以做到的方法。

介紹 Pandas DataFrame, Series 去儲存資料與資料表上的處理。

將資料檔案透過 Pandas 的獨立函式去讀取常見的 CSV 檔案。

在 Pandas 中的資料型別與原生 Python 的不同。

進行資料檢視去獲得 Python 資料的基本屬性。

使用 Pandas 中去定位資料，是非常核心的功能去找到 EXCEL 的欄位。

透過上述的定位資料，使用 Boolean Mask Filter 去定位資料篩選資料內容。

資料搜集上可能因數值或編程的關係，導致資料缺失空值，因此透過 Pandas 去處理空值資料清理。

使用數值運算建立所需資料內容。

使用字串運算建立所需資料內容。

Pandas lambda 迴圈遍歷方式去做資料處理。

介紹常用的資料視覺化 Matplotlib 跟 seaborn 套件。

介紹使用 Matplotlib 折線圖表繪製。

介紹使用 Matplotlib 長條圖表繪製。

介紹使用 Matplotlib 直方圖表繪製。

介紹使用 Matplotlib 圓餅圖表繪製。

介紹使用 Matplotlib 盒狀圖表繪製。

介紹使用 Matplotlib 散佈圖表繪製。

Matplotlib 圖表中的基本參數設定與參數調整。

使用 Matplotlib 跟 Pandas 進行合併操作與使用。

呈現多圖形類別的操作，進行組圖合併。

資料操作上常使用的套件，並建立在 Pandas 與 Matplotlib 去進行資料處理與視覺化顯示。

使用 countplot 呈現圖表，呈現直方統計圖表。

使用 distplot 呈現圖表，類似機率密度圖表與直方圖的結合體。

使用 boxplot 呈現圖表，以盒狀圖來呈現細緻圖表。

使用 stripplot 呈現圖表，以點狀方式呈現散佈圖表。

使用 violinplot 呈現圖表，顯示不同分類資料整體數據的小提琴圖。

使用 lmplot 呈現圖表，做線性迴歸預測圖製作。