Nothing is particularly hard if you divide it into small jobs.
Hi，同学们，本周是我们P3阶段的最后一周，前三周我们掌握了数据分析的基本流程、Pandas在数据分析各个流程中的基本应用，使用matplotlib&Pandas进行可视化的技巧，并且在项目三中得到了巩固和锻炼。我也陆续收到了大家的项目展示，都十分厉害，尤其是问题的提出以及可视化，非常能吸引人，只是数据整理阶段的代码还需再慢慢磨练，得以精简。本周导学呢，我们就是对之前所学做一个总结，希望大家也能自己做一份总结（这份总结才是最贴切你自己需求的），优达日的时候我们会一起交流一下自己的项目心得以及踩过的坑，等你们哦~
项目三(P3)阶段总共包含四周，在这一个月内，我们要对数据分析入门进行学习，学习数据分析思维，掌握Python数据分析及可视化方法，并使用所学知识完成项目三：探索数据集，尝试着自己完成整个数据分析的流程，得到一些饶有兴趣的结论，你一定会非常有成就感哒！那么以下便是这四周的学习安排：
| 时间 | 学习重点 | 对应课程 |
|---|---|---|
| 第1周 | 数据分析过程-1 | 数据分析过程&案例研究-1 |
| 第2周 | 数据分析过程-2 | 案例研究-1&案例研究-2 |
| 第3周 | 完成项目 | 项目：探索数据集 |
| 第4周 | 项目修改与通过 | 修改项目、查缺补漏、休息调整 |
！！看这里！！：在P3课程里面安排了SQL的高阶课程，但是因为在项目三中并不会涉及到SQL知识，所以为了保证大家学习的连贯性，在完成前两周的课程之后，就开始项目。至于！！SQL的高阶知识，大家可以放在课程通关后进行选修！！；
本阶段可能是个挑战，请一定要保持自信，请一定要坚持学习和总结，如果遇到任何课程问题请参照如下顺序进行解决：
- 先自行查找问题答案（注意提取关键词），参考：谷歌/百度搜索、菜鸟教程、CSDN、stackoverflow、Python for Data Analysis, 2nd Edition 、Python Cookbook
- 若问题未解决，请将问题及其所在课程章节发送至微信群，并@助教即可
饭要一口一口吃，路要一步一步走，大家不要被任务吓到，跟着导学一步一步来，肯定没问题哒！那我们开始吧！
注：本着按需知情原则，所涉及的知识点都是在数据分析过程中必须的、常用的，而不是最全面的，想要更丰富，那就需要你们课下再进一步的学习和探索！
本周目标
- 完成你的项目，并且对P3阶段做一个自我总结，最好能以博客或者朋友圈文章的形式进行输出。
学习计划
| 时间 | 学习资源 | 学习内容 |
|---|---|---|
| 周二 | 微信群 - 每周导学 | 预览每周导学 |
| 周三、周四 | Udacity - Classroom | 项目三 |
| 周五 | 微信/Classin - 1V1 | 课程难点 |
| 周六 | Classin - 优达日 | 本周学习总结、答疑 |
| 周日 | 笔记本 | 总结沉淀 |
| 周一 | 自主学习 | 查漏补缺 |
知识点清单
第六周-数据分析过程
数据分析的基本流程
- 提出问题
- 整理数据（收集、评估、清理）
- 探索性数据分析
- 得出结论，传达结果
Pandas在数据分析中的应用
- 导入文件（read_csv/excel/sep/encoding）
- 数据评估（shape / info / describe / columns/ isnull/ duplicated/ value_counts/ sort_values/ ascending/ unique/ nunique）
- 数据筛选（df[‘col_name’]/loc/iloc/np.r_/isin/query/groupby/
&/|） - 数据清理（drop/inplace/fillna/dropna/drop_duplicates/rename/replace）
- 数据融合（merge/concat/append/join）
- 可视化（plot）
- 导出数据（to_csv/index/encoding = ‘utf-8-sig’）
第七周-可视化
基本概念（fig/ax）
开始绘图（plt.subplots/plt.add_subplot/plt.figure）
坐标轴设置
调整范围（ax.axis/xlim/ylim）
调整刻度
- 设置间隔（locator_params）
- 设置顺序，角度（xticks(order_list,tick_names,rotation)
双轴（twinx）
标题与轴标题（title,xlabel,ylabel）
图例（legend）
颜色与样式（plot(x,y,’
color``marker``line‘）网格（grid）
图像注释（annote）
平行于坐标轴的线（vline/hline）
常用可视化图形
- 散点图（scatter）
- 条形图（bar/barh）
- 直方图（hist）
- 饼状图（pie）
- 箱线图（box）
第八周-TMDb数据分析
- 如何提出问题？ 找出关键变量，提与之相关的问题
- 数据备份（copy）
- 如何将一列处理为多列？（genres列的处理）
- 拓展：pivot函数
如何着手探索性数据分析？
- 单变量 - 双变量 - 多变量
- 关键变量 - 其他变量与关键变量
可视化
- 热度图（heatmap）
- pairplot
一些函数：
- 获取某一位置的数值 quantile
- 按列表筛选 isin
第八周-FBI枪支数据分析
- DataFrame行列变换：transpose
- 按字符串内容筛选：contains
- 按索引进行数据融合：join
总结
通过这四周的学习，你又掌握了：
- 数据分析的基本流程
- Pandas在数据分析各个流程中的基本应用
- Pandas常用函数的用法
- Matplotlib在可视化中的应用
此外，你还增长了这些软技能：
- 数据分析思维（化繁为简、化难为易、关键信息的提取）
- 耐心（EDA的过程，做过的都知道）
- 细心（有没有调试半天最终才发现是自己马虎导致的问题？）
如果你学习时间充裕，你还有可能掌握了：
- Seaborn在可视化中的应用
- 如何快速有效地使用搜索引擎
- 在Stackoverflow注册账户，提出问题，成为一名铜牌用户
- 有了自己的技术博客，并发表了第一篇总结性文章
- … …
哈！这么总结下来，发现不知不觉间，又掌握了很多！又进步了很多！我导师之前教育我说：“你之所以现在这么焦虑，都是因为你自己的能力满足不了你的欲望。”那么，同样因为对未来感到焦虑来到这里学习的你们，经过这段时间的学习，焦虑是不是缓解了许多呢？哈哈，所以，请不要放松脚步，KEEP GOING！