学习路线
├─── CLASSDATA_Chapter00基础语言
│ └── CLASSDATA_Chapter00基础语言练习
│ ├── .ipynb_checkpoints
│ ├── CLASSDATA_Chapter00基础语言练习.ipynb
│ └── 参考代码
│ ├── .ipynb_checkpoints
│ ├── CH06函数.ipynb
│ ├── CH07模块与包.ipynb
│ ├── CH08数据读写.ipynb
│ ├── 项目01商铺数据加载及存储.ipynb
│ └── 项目02基于Python的算法函数创建
│
├─── CLASSDATA_Chapter01重点工具：数据解析
│ ├── CH01科学计算工具：Numpy
│ │ ├── .ipynb_checkpoints
│ │ ├── 【个人笔记】CH01科学计算工具：Numpy.ipynb
│ │ └── 参考代码
│ │ ├── .ipynb_checkpoints
│ │ ├── CH01科学计算工具：Numpy.ipynb
│ │ └── CH01科学计算工具：Numpy_课程作业答案.ipynb
│ │
│ ├── CH02数据分析工具：Pandas
│ │ ├── .ipynb_checkpoints
│ │ ├── 【个人笔记】CH02数据分析工具：Pandas_Part01.ipynb
│ │ ├── 【个人笔记】CH02数据分析工具：Pandas_课程作业.ipynb
│ │ └── 参考代码
│ │ ├── .ipynb_checkpoints
│ │ ├── CH02数据分析工具：Pandas__Part01.ipynb
│ │ ├── CH02数据分析工具：Pandas__Part02.ipynb
│ │ ├── CH02数据分析工具：Pandas__Part03.ipynb
│ │ └── CH02数据分析工具：Pandas_课程作业答案.ipynb
│ │
│ ├── CH03图标绘制工具：Matplotlib
│ │ ├── CH03图表绘制工具：Matplotlib_Part01.ipynb
│ │ ├── CH03图表绘制工具：Matplotlib_Part02.ipynb
│ │ └── CH03图表绘制工具：Matplotlib_Part03.ipynb
│ │
│ ├── CH04空间分析工具：GIS
│ │ ├── 1.坐标系的基本概念.jpg
│ │ ├── 2.地理坐标系.jpg
│ │ ├── 3.投影坐标系.jpg
│ │ ├──
│ │ └──
│ │
│ └── END
│
├─── CLASSDATA_Chapter02进阶算法学习：统计分析
│ ├── CH01数据特征分析
│ │ ├── .ipynb_checkpoints
│ │ ├── 【个人笔记】CH01数据特征分析_课程1.2_分布分析.ipynb
│ │ ├── 【个人笔记】CH01数据特征分析_课程1.3_对比分析.ipynb
│ │ ├── 【个人笔记】CH01数据特征分析_课程1.4_统计分析.ipynb
│ │ ├── 【个人笔记】CH01数据特征分析_课程1.5_帕累托分析.ipynb
│ │ ├── 【个人笔记】CH01数据特征分析_课程1.6_正态性检验.ipynb
│ │ ├── 深圳罗湖二手房信息.csv
│ │ └── 参考代码
│ │ ├── .ipynb_checkpoints
│ │ ├── CH01数据特征分析_课程1.2_分布分析.ipynb
│ │ ├── CH01数据特征分析_课程1.3_对比分析.ipynb
│ │ ├── CH01数据特征分析_课程1.4_统计分析.ipynb
│ │ ├── CH01数据特征分析_课程1.4_统计分析.ipynb
│ │ ├── CH01数据特征分析_课程1.6_正态性检验.ipynb
│ │ ├── CH01数据特征分析_课程1.7_相关性分析-冲突-Metrodata.ipynb
│ │ ├── CH01数据特征分析_课程1.7_相关性分析.ipynb
│ │ ├── 显著性对照表.jpg
│ │ ├── 正太分布表.png
│ │ └── 深圳罗湖二手房信息.csv
│ │
│ ├── CH02数据处理
│ │ ├── .ipynb_checkpoints
│ │ ├── 【个人笔记】CH02数据处理_课程2.1_缺失值处理.ipynb
│ │ ├── 【个人笔记】CH02数据处理_课程2.2_异常值处理.ipynb
│ │ ├── 【个人笔记】CH02数据处理_课程2.3_数据归一化.ipynb
│ │ ├── 【个人笔记】CH02数据处理_课程2.4_数据连续属性离散化.ipynb
│ │ ├── 课程2.1 缺失值处理_拉格朗日插值法.jpg
│ │ └── 参考代码
│ │ ├── .ipynb_checkpoints
│ │ ├── CH02数据处理_课程2.1_缺失值处理.ipynb
│ │ ├── CH02数据处理_课程2.2_异常值处理.ipynb
│ │ ├── CH02数据处理_课程2.3_数据归一化.ipynb
│ │ └── CH02数据处理_课程2.4_数据连续属性离散化.ipynb
│ │
│ ├── CH03数学建模
│ │ ├── .ipynb_checkpoints
│ │ ├── CH03数学建模算法_监督学习(分类)-KNN最邻近分类.jpg
│ │ ├── CH03数学建模算法_监督学习(回归)-线性回归.jpg
│ │ ├── CH03数学建模算法_随机算法-蒙特卡罗模拟.jpg
│ │ ├── CH03数学建模算法_非监督学习(聚类)-K-means聚类.jpg
│ │ ├── CH03数学建模算法_非监督学习(聚类)-PCA主成分分析.jpg
│ │ ├── CH03数学建模算法内容.jpg
│ │ ├── 【个人笔记】CH03数学建模_课程3.2_回归.ipynb
│ │ └── 参考代码
│ │ ├── .ipynb_checkpoints
│ │ ├── CH03数学建模_课程3.2_回归.ipynb
│ │ ├── CH03数学建模_课程3.3_分类.ipynb
│ │ ├── CH03数学建模_课程3.4_聚类.ipynb
│ │ └── CH03数学建模_课程3.5_蒙特卡罗模拟.ipynb
│ │
│ └── END
│
├─── CLASSDATA_Chapter03数据表大逻辑：结果输出与美化
│ ├── CH01
│ │ ├──
│ │ └──
│ │
│ ├── CH02
│ │ ├──
│ │ └──
│ │
│ ├── CH03
│ │ ├──
│ │ └──
│ │
│ ├── CH04
│ │ ├──
│ │ └──
│ │
│ └── END
│
├─── Demo_BecomeALeader
│ ├── 数据分析Demo-成为领导人的秘诀
│ │ ├── .ipynb_checkpoints
│ │ ├── 数据资料
│ │ ├── matplotlib颜色表lFZum.png
│ │ ├── matplotlib颜色表lnCk6u.jpg
│ │ ├── .ipynb_checkpoints
│ │ └── 【个人笔记】F02_案例一_成为领导的秘诀.ipynb
│ │
│ └── END
│
├─── Matplotlib
│ ├── 利用Matplotlib绘制图形
│ │ ├── Sandian_demo
│ │ │ ├── 01.csv
│ │ │ ├── matplotlib_test.ipynb
│ │ │ └── sandian.py
│ │ ├── HeroinOverdoses
│ │ │ ├── HeroinOverdosesJumpy.py
│ │ │ └── overdose_data_1999-2015.xls
│ │ ├──
│ │ │ ├──
│ │ │ └──
│ │ ├──
│ │ │
│ │ └──
│ │
│ └── END
│
├─── Python数据分析精英训练营(系列)
│ ├── 三个案例来了解数据分析基本流程和步骤，熟悉真实应用场景
│ │ ├── 课件 6.12 - 小试牛刀——足球运动员分析
│ │ │ ├── 牛刀小试——足球运动员分析.ipynb
│ │ │ └──
│ │ ├── 课件 6.13 - 循序渐进——AQI分析与预测
│ │ │ ├── 循序渐进——AQI分析与预测.ipynb
│ │ │ └──
│ │ └── 课件 6.14 - 登堂入室——文本分析实现新闻推荐
│ │ ├── 登堂入室——文本分析实现新闻推荐.ipynb
│ │ └──
│ │
│ └── END
│
├─── Python数据分析职业发展路线.jpg
│
├─── .gitattributes
│
├─── README.md
│
└─── END
补充说明：
1.关于matplotlib颜色表
可参照网站：https://stackoverflow.com/questions/22408237/named-colors-in-matplotlib
2.关于matplotlib中文问题
方法一：
（平台：windows,python3.5）
1）：打开设置文件，输入以下代码会显示matplotlibrc文件的地址
import matplotlib
matplotlib.matplotlib_fname()
2）：修改matplotlibrc文件
将文件中的#font.family: sans-serif去掉注释，修改为font.family: Microsoft YaHei
3）：重启jupyter notebook可显示为中文
方法二：加上两行代码
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False