课程背景
本课为基础课程，主要解说怎样利用Python
开展资料拆解，以及资料可视化。假定参训者已经基本掌握
P
ython语言的采用。
课程收益
掌握资料拆解的基本步骤和进程（资料拆解六步曲）
掌握搭建资料拆解轮廓的基本思想（资料拆解轮廓）
熟稔
P
andas
常用资料结构，掌握用
P
ython访问、操作资料集
掌握
P
andas常用的统计功能（函数和办法）
领会统计拆解原理，掌握统计拆解常用的拆解办法
熟练掌握
m
atplotlib模块，往细里说，熟练画图函数
学会解读图形，形成业务结论和业务打法。
课程大纲
资料拆解基础
目的：掌握资料拆解基本步骤和进程，学会怎样构造资料拆解轮廓
资料拆解
VS 资料挖掘
资料拆解的六步曲
步骤
1
：明晰目的
--
理清思路
步骤
2
：资料收集—理清思路
步骤
3
：资料预处理—寻找答案
步骤
4
：资料拆解
--
寻找答案
步骤
5
：资料展示
--
看法表述
步骤
6
：报表撰写
--
看法表述
搭建精准营销拆解轮廓
上手
：
怎样用海量资料来支撑手机精准营销项目
资料操作基础
简化的
P
ython操作进程
常用扩展包
Numpy
数组处理支持
Pandas
资料拆解和探索抓手
Matplotlib
可视化抓手库
资料集读写
读取文件（
CSV
文件、
Excel
文件）
资料集保存（
CSV
、
Excel
）
资料集结构
资料集基本属性
Index
：位置索引，标签索引
Series
：一维结构
DataFrame
：二维结构
资料集基本操作
资料访问：行访问
/
列访问
/
值访问
字段类型
类型查验
类型转换
定义有序类别变量
排序
按照值排序
按照索引排序
资料筛选
资料修改
资料删除
统计拆解办法篇
统计拆解基础
统计拆解的要害要素
统计拆解三个步骤
六种统计操作
描述统计
d
escribe
分类计数
v
alue_counts
分段计数
/
分箱计数
v
alue_counts(bins)
分类汇总
(
groupby, count/sum/mean/…)
透视表（多维统计拆解）
p
ivot_table
按照日期汇总resample/to_period
实例实战：掌握常用的
P
ython
统计函数
/
办法
五种统计拆解办法
对比拆解法
(
不同用户的消费水平差异)
结构拆解法
(
用户的学历结构、收入结构拆解、动态结构拆解)
分布拆解法
(
用户的年龄分布、用户消费层次)
交叉拆解法
(
货品偏好拆解)
趋势拆解法
(
销售淡旺季节、用户活跃时间
)
实例实战：掌握常用的统计拆解办法
资料可视化
目的：掌握作图扩展库，达成资料可视化
中文显示的问题破解
弄懂图形元素以及其函数
标题、坐标轴、刻度
资料标签、文本、注释
图例、网格线，边框
简单图形的画法
柱状图（简单
/
复式
/
堆积
/
堆积百分比柱状图）
直方图（分布拆解，查看分布特征）
箱图（判断离群值）
饼图（结构拆解）
折线图（趋势拆解）
复杂图形的画法
多子图
多坐标系作图
多区域作图
图形保存
资料预处理
资料预处理四大差事
资料清洗
资料集成
样本处理
变量处理
资料集成
资料追回
变量合并
拼接
上手：样本追加和变量合并
资料清洗
四大异常资料
重复值查验和处理
无效值查验和处理
离群值查验和处理
缺失值查验和处理
上手：异常值查找、删除，填充
样本处理
变量处理
实战篇
(
上述学识点都融入下面拆解实战中
)
零售商用户消费行为拆解
用户行为拆解轮廓：
5W
2
H
用户的典型特征
用户的消费本领
用户的消费水平
营运商用户购买行为拆解
用户维度
用户地域分布
用户学历结构
用户消费本领
/
消费层次
用户流量分布
/
层次
用户离职拆解
货品维度
套餐销量拆解
套餐贡献拆解
服务满意度拆解
套餐偏好拆解
时间维度
货品淡旺季拆解
用户活跃度拆解
重购周期拆解
金额维度
收入结构（用户、货品、区域）
价格偏好拆解
成本
/
利润拆解
金融隐患资料拆解
用户维度
违约用户的典型特征
违约用户的消费水平
违约的影响因素拆解
违约和学历
/
岗位的关系
违约和业界
/
职业的关系
注：会根据参训者所在业界选项合适的实战实例。
结束：课程
收束
和
问题答疑
。
老师简介
Introduction to lecturers
弄懂更多
珀菲特顾问|傅一航老师
适合谁听
业务支持部、IT系统部、系统开发部、网络运维部等等相关技艺人员。。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。