Python大数据实战:大规模爬取分析与可视化课程
课程天数:2天
课程介绍:
顶级大数据平台公司的资深架构师、最权威Python大会PyCon首席讲师讲授,实战与10年+经验与技巧结合,掌握数据分析与可视化以及在Python中应用的最佳捷径。
全真案例,借助案例与数据分析的知识与原理,借助最佳实践,帮助您提高数据爬取、处理分析与可视化能力,从而获取大数据带来的价值。
关注业界流行工具包与最佳实践,以实战训练驱动对数据获取、处理、分析与可视化进行理解与运用。
在课程中要逐一解决的问题:
爬虫难以编写,执行效率低下
爬虫不够灵活,过于简单,容易被识别,容易出错,自适应差
数据规整耗时耗力,效果不佳
分析方法缺乏,难以快速有效地提取信息与要素
可视化效率低下,无法满足需求
分析可视化架构不够健全,适应性差
培训对象:
大数据系统开发部、大数据分析中心、IT系统部、业务支持部、网络运维部等相关技术人员。
课程内容:
第一单元:Python大数据爬取与处理基础
主题:以爬取某网站数据为例,讲解实际爬虫与数据处理用到的Python核心技巧。
具体内容:
1、从几个爬虫与数据分析实际案例开始讲起如何构建一个健壮的大数据爬取、整理、分析与可视化系统。
覆盖知识:生态、概念与挑战
2、从一个网络爬虫与数据分析的例子中,讲解更健壮的爬虫文本处理
覆盖技术:IO、Http、字符串编码、正则表达式
3、继续上例子,讲解更有效的数据处理与解析
覆盖技术:切片、列表推导式、内置数据结构、迭代器、生成器等
第二单元:Python高级数据爬取与数据清洗实战
主题:进一步提升爬虫稳定性、并发性与分布式扩展能力,并着手数据清洗工作。
具体内容:
1、以实际爬虫为例,改造并发提升稳定性
覆盖技术:错误处理、状态保存、任务发现等
2、继续之前爬虫的例子,改造并发提升性能
覆盖技术:GIL、线程池、进程池、异步IO
3、进一步改造提升爬虫的分布式能力
覆盖技术:队列服务、数据状态服务、调度服务
4、以实际数据为例,对数据进行规整、清洗与验证
覆盖技术:Pandas、DataFrame等
第三单元:Python高级数据分析实战。
主题:通过某网站数据,使用Pandas、SeaBorn进行多维与高阶数据分析
详细内容:
1、DataFrame数据操作
案例分析:多维度数据的操作与分析。
2、IO操作与数据预清洗
案例分析:杂乱数据的加载与预处理。
3、高级数据清洗
案例分析:高级数据清洗
4、数据展示
案例分析:可视化直观的展示客户分布与规律
5、数据转换与丰富
案例分析:丰富数据内容与格式转换成需要的样子。
6、高阶数据统计与展示
案例分析:使用高级接口进行快速分析与展示。
7、多维数据分析
案例分析:使用SeaBorn进行高级统计回归分析。
第四单元:Python时间序列数据分析实战。
主题:通过某网站数据,使用Pandas进行基于时间序列的分析
详细内容:
1、时间序列的格式
案例分析:基于时间的数据进行统计分析
2、高级时间格式
案例分析:时间格式的调整与转换
3、时间块数据分析
案例分析:基于时间块的数据分析。
第五单元:Python可视化扩展实战
主题:通过某网站数据,使用Jupyter、Flask/Django、Grafana、Dash构建可视化服务
详细内容:
1、以实际网站数据,简单数据可视化与分享服务构建
覆盖技术:使用Jupyter作为数据分享平台
2、以实际网站数据,构建更加灵活的数据可视化服务
覆盖技术:使用Flask/Django作为数据底层欧宁泰
3、扩展可视化性能,进一步提升更大数据可视化能力
覆盖技术:使用Grafana作为数据展示平台
4、扩展可视化能力,增加更多交互性
覆盖技术:使用Dash构建交互式可视化服务