用 JS 一次获取 HTML 表单的所有字段
|
数据科学项目的关键是与涉众交流洞察力，而可视化是实现这一目的的很好的工具。 第26天到第35天:统计、实现和用例 下一个要讨论的重要主题是统计学，探索常用的描述性统计技术，如平均值、中位数、众数、范围分析、标准差和方差。 然后介绍一些更深层次的技术，比如识别数据集中的异常值和测量误差范围。 作为探索各种统计测试(如下所示)的最后一步，了解这些统计测试在现实生活中的应用：
第36天到第40天:用于数据分析的SQL 现在是学习SQL的时候了，这很重要，因为在大多数企业用例中，数据将存储在数据库中，了解SQL将极大地帮助从系统中查询所需的数据进行分析。 您可以先安装一个开源数据库，比如MySQL，它会附带一些默认数据库，只需要处理数据并学习SQL。如果你能集中学习以下内容，那就太好了：
第41 - 50天:探索性数据分析(EDA)
在任何数据科学项目中，大约80%的时间用于此活动，因此最好花时间彻底学习此主题。为了学习探索性数据分析，这里不涉及一组特定的功能或主题，但是数据集和用例将驱动分析。因此，最好使用一些来自kaggle中主办的比赛的样本数据集，学习如何执行探索性分析。 第8天到第17天: Pandas 库 了解 Pandas 库，在 Pandas 中需要了解的一些主题是：
花10天时间彻底学习以上主题，因为这些主题在执行探索性数据分析时非常有用。在介绍这些主题时，请尝试深入粒度细节，比如理解合并和连接、交叉表和枢轴之间的差异，这样不仅可以了解它们中的每一个，还可以知道在何时和何处使用它们。 我为什么要学 Pandas？如果您从事任何数据科学项目，它们总是从探索性数据分析开始，以便更好地理解数据，而您在 Pandas 中介绍的这些主题将会派上用场。另外，因为Pandas有助于从不同的来源和格式读取数据，所以它们速度快、效率高，还提供了对数据集执行各种操作的简单功能。 第18天到第22天：Numpy Library 学会 Pandas 之后，下一个需要学习的重要库是Numpy。学习Numpy的原因是与List相比它们非常快。在Numpy中要涉及的主题包括：
为什么学习Numpy很重要?Numpy能够以快速和高效的方式对数据执行科学操作。它支持机器学习算法中常用的高效矩阵运算，panda库也广泛使用了Numpy。 第23天到第25天:可视化
现在，我们需要花一些时间来理解和使用一些关键的可视化库，比如ggplot、Plotly和Seaborn。使用示例数据集并尝试不同的可视化，如柱状图、线形/趋势图、盒状图、散点图、热图、饼状图、柱状图、气泡图和其他有趣的或交互式可视化。 （编辑：广安站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
