一些润色

README.md

@@ -4,9 +4,9 @@
 
 ## 项目初衷
 
-动手学数据分析是Datawhale关于数据分析方向的开源项目，这个项目始于Datawhale以前的数据分析课程，那时我作为一名学员的以《python for data analysis》这本书为教材教材，通过刷这本教材的代码来学习数据分析，书里对于pandas和numpy操作讲的很细，但是对于数据分析的逻辑的内容，就少了很多。所以很多学习者和我学完之后发现，敲了一堆代码并不知道它们有什么用。“不知道怎么用”这个想法其实很好理解，在学完了比较理论的东西之后，在生活中实际运用方式和从理论中学到的会有不小的鸿沟。如何抹平这个鸿沟，可能就需要自己的尝试以及学习实战的资料。
+动手学数据分析是Datawhale关于数据分析方向的开源项目，这个项目始于Datawhale以前的数据分析课程，那时我作为一名学员，以《python for data analysis》这本书为教材，通过刷这本教材的代码来学习数据分析，书里对于pandas和numpy操作讲的很细，但是对于数据分析的内容，就少了很多。所以很多学习者和我学完之后发现，敲了一堆代码并不知道它们有什么用。“不知道怎么用”这个想法其实很好理解，在学完了比较理论的东西之后，在实际数据分析的操作中和从理论中学到的会有不小的鸿沟。如何抹平这个鸿沟，可能就需要自己的尝试以及学习实战的资料。
 
-所以有没有这样一门课，以项目为主线，将知识点孕育其中，通过边学，边做以及边被引导的方式来使学习效果达到更好，学完之后既能掌握pandas等的知识点又能掌握数据分析的大致思路和流程。通过调查发现，市面上关于**数据分析**的项目好像没有可以完全符合这样标准的（失望.jpg）。所以Datawhale的小伙伴一拍即合，一起来做一门这样的开源课程，完成上面所说的那些小目标，让所有使用了我们课程的小伙伴可以更好的开启他的数据分析之路。
+所以有没有可能建立这样一门课，以项目为主线，将知识点孕育其中，通过引导的方式进行边学边做来使学习效果达到更好，学完之后既能掌握pandas等的知识点又能掌握数据分析的大致思路和流程。通过调查发现，市面上关于**数据分析**的项目好像没有可以完全符合这样标准的（失望.jpg）。所以Datawhale的小伙伴一拍即合，一起来做一门这样的开源课程，完成上面所说的那些小目标，让所有使用了我们课程的小伙伴可以更好的开启他的数据分析之路。
 
 现在这门课程已经更新到了1.3版本，我们改善了更好的学习流程，以及提供了更好的答案讲解。后期将会逐步推出配套的教材。我们还是希望从基础的数据分析操作和数据分析流程讲起，在每个模块都引入实战的例子。之后会不断加入新的内容（比如数据挖掘的算法之类的）。这是开源项目，我们会不断迭代，大家共同参与，一起努力。
 

第一单元项目集合/第一章：第一节数据载入及初步观察-课程.ipynb

@@ -4,7 +4,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "**复习**:这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上[泰坦尼克的任务](https://www.kaggle.com/c/titanic/overview)，实战数据分析全流程。\n",
+ "**简介**:这门课程得主要目的是通过真实的数据，以实战的方式了解数据分析的流程和熟悉数据分析python的基本操作。知道了课程的目的之后，我们接下来我们要正式的开始数据分析的实战教学，完成kaggle上[泰坦尼克的任务](https://www.kaggle.com/c/titanic/overview)，实战数据分析全流程。\n",
  "这里有两份资料：\n",
  "教材《Python for Data Analysis》和 baidu.com &\n",
  "google.com（善用搜索引擎）"
@@ -250,7 +250,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 1.3.1 任务一：将你加载并做出改变的数据，在工作目录下保存为一个新文件train_chinese.csv"
+ "#### 任务：将你加载并做出改变的数据，在工作目录下保存为一个新文件train_chinese.csv"
  ]
  },
  {

第一单元项目集合/第一章：第一节数据载入及初步观察.ipynb

@@ -9,9 +9,9 @@
  "# 动手学数据分析\n",
  "\n",
  "## 项目初衷\n",
- "这件事始于datawhale以前的数据分析课程，那时我作为一名学员的以《python for data analysis》这本书为教材教材，通过刷这本教材的代码来学习数据分析，书里对于pandas和numpy操作讲的很细，但是对于数据分析的逻辑的内容，就少了很多。所以很多学习者和我学完之后发现，敲了一堆代码并不知道它们有什么用。然后我也上过datawhale的另一门课程—数据挖掘实战。这门课程又比较偏模型和实战，直接给你一个任务，让你去完成，上手难度比较大，但是它的实战性可以让你对于什么是数据挖掘，以及数据挖掘的逻辑有很好的把握。所以有没有这样一门课，以项目为主线，将知识点孕育其中，通过边学，边做以及边被引导的方式来使学习效果达到更好，学完之后既能掌握pandas等的知识点又能掌握数据分析的大致思路和流程。通过调查发现，市面上这样的项目好像没有可以完全符合这样的标准（失望.jpg）。所以datawhale的小伙伴一起来做一门这样的开源课程，完成上面所说的那些小目标，让所有使用了我们课程的小伙伴可以更好的开启他的数据分析之路。\n",
+ "这件事始于datawhale以前的数据分析课程，那时我作为一名学员的以《python for data analysis》这本书为教材，通过刷这本教材的代码来学习数据分析，书里对于pandas和numpy操作讲的很细，但是对于数据分析的内容，就少了很多。所以很多学习者和我学完之后发现，敲了一堆代码并不知道它们有什么用。然后我也上过datawhale的另一门课程—数据挖掘实战。这门课程又比较偏模型和实战，直接给你一个任务，让你去完成，上手难度比较大，但是它的实战性可以让你对于什么是数据挖掘，以及数据挖掘的逻辑有很好的把握。所以有没有这样一门课，以项目为主线，将知识点孕育其中，通过引导的方式来边学边做，来使学习效果达到更好，学完之后既能掌握pandas等的知识点又能掌握数据分析的大致思路和流程。通过调查发现，市面上这样的项目好像没有可以完全符合这样的标准（失望.jpg）。所以datawhale的小伙伴一起来做一门这样的开源课程，完成上面所说的那些小目标，让所有使用了我们课程的小伙伴可以更好的开启他的数据分析之路。\n",
  "\n",
- "这门课程现在是1.0版本，从基础的数据分析操作和数据分析流程讲起。之后会不断加入新的内容（比如数据挖掘的算法之类的）。这是开源课程，会不断迭代，大家共同参与，一起努力。\n",
+ "这门课程现在是1.3版本，从基础的数据分析操作和数据分析流程讲起。之后会不断加入新的内容（比如数据挖掘的算法之类的）。这是开源课程，会不断迭代，大家共同参与，一起努力。\n",
  "\n",
  "既然这是一门诞生于datawhale的课程，学习它的时候搭配datawhale所配备其他资源会更好。我们提供的代码是jupyter形式的，里面有你所要完成的任务，也有我们给你的提示和引导，所以这样的形式再结合datawhale的[组队学习](https://github.com/datawhalechina/team-learning)，可以和大家一起讨论，一起补充资料，那么学习效果一定会加倍。还有，datawhale之前开源了一门pandas的教程—[Joyful-Pandas](https://github.com/datawhalechina/joyful-pandas)。里面梳理了Pandas的逻辑以及代码展示，所以在我们数据分析的课程中，关于Pandas的操作，你可以参考*Joyful-Pandas*，可以让你的数据分析学习事半功倍。\n",
  "\n",
@@ -1353,7 +1353,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 1.3.1 任务一：将你加载并做出改变的数据，在工作目录下保存为一个新文件train_chinese.csv"
+ "#### 任务：将你加载并做出改变的数据，在工作目录下保存为一个新文件train_chinese.csv"
  ]
  },
  {

第二章项目集合/第二章：第一节数据清洗及特征处理-课程.ipynb

@@ -4,7 +4,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "【回顾&引言】前面一章的内容大家可以感觉到我们主要是对基础知识做一个梳理，让大家了解数据分析的一些操作，主要做了数据的各个角度的观察。那么在这里，我们主要是做数据分析的流程性学习，主要是包括了数据清洗以及数据的特征处理，数据重构以及数据可视化。这些内容是为数据分析最后的建模和模型评价做一个铺垫。"
+ "【回顾&引言】前面一章的内容主要是对基础知识做一个梳理，让大家了解数据分析的一些操作，主要做了数据的各个角度的观察。那么在这里，我们主要是做数据分析的流程性学习，主要是包括了数据清洗以及数据的特征处理，数据重构以及数据可视化。这些内容是为数据分析最后的建模和模型评价做一个铺垫。"
  ]
  },
  {
@@ -36,8 +36,8 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "## 2 第二章：数据清洗及特征处理\n",
- "我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，有一些异常点等，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，本章我们将学习缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的亚子。"
+ "## 2 第二章：第一节数据清洗及特征处理\n",
+ "我们拿到的数据通常是包含冗余或重复信息的，这些信息通常是无效的、重复的或错误的，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，本章我们将学习缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的亚子。"
  ]
  },
  {

第二章项目集合/第二章：第一节数据清洗及特征处理.ipynb

@@ -4,14 +4,14 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "【回顾&引言】前面一章的内容大家可以感觉到我们主要是对基础知识做一个梳理，让大家了解数据分析的一些操作，主要做了数据的各个角度的观察。那么在这里，我们主要是做数据分析的流程性学习，主要是包括了数据清洗以及数据的特征处理，数据重构以及数据可视化。这些内容是为数据分析最后的建模和模型评价做一个铺垫。"
+ "【回顾&引言】前面一章的内容主要是对基础知识做一个梳理，让大家了解数据分析的一些操作，主要做了数据的各个角度的观察。那么在这里，我们主要是做数据分析的流程性学习，主要是包括了数据清洗以及数据的特征处理，数据重构以及数据可视化。这些内容是为数据分析最后的建模和模型评价做一个铺垫。"
  ]
  },
  {
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "## 2 第二章：数据清洗及特征处理"
+ "## 2 第二章：第一节 数据清洗及特征处理"
  ]
  },
  {
@@ -155,7 +155,7 @@
  "metadata": {},
  "source": [
  "### 数据清洗简述\n",
- "我们拿到的数据通常是不干净的，所谓的不干净，就是数据中有缺失值，有一些异常点等，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，本章我们将学习缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的样子。"
+ "我们拿到的数据通常是包含冗余或重复信息的，这些信息通常是无效的、重复的或错误的，需要经过一定的处理才能继续做后面的分析或建模，所以拿到数据的第一步是进行数据清洗，本章我们将学习缺失值、重复值、字符串和数据转换等操作，将数据清洗成可以分析或建模的样子。"
  ]
  },
  {

第二章项目集合/第二章：第三节数据重构2-课程.ipynb

@@ -36,14 +36,14 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "# 2 第二章：数据重构\n"
+ "# 2 第二章：第二节 数据重构\n"
  ]
  },
  {
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "## 第一部分：数据聚合与运算"
+ "## 第二部分：数据聚合与运算"
  ]
  },
  {
@@ -73,7 +73,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.2：任务二：计算泰坦尼克号男性与女性的平均票价"
+ "#### 2.6.2：任务二：计算泰坦尼克号男性与女性的平均票价"
  ]
  },
  {
@@ -98,7 +98,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.3：任务三：统计泰坦尼克号中男女的存活人数"
+ "#### 2.6.3：任务三：统计泰坦尼克号中男女的存活人数"
  ]
  },
  {
@@ -114,7 +114,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.4：任务四：计算客舱不同等级的存活人数"
+ "#### 2.6.4：任务四：计算客舱不同等级的存活人数"
  ]
  },
  {
@@ -172,7 +172,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.5：任务五：统计在不同等级的票中的不同年龄的船票花费的平均值"
+ "#### 2.6.5：任务五：统计在不同等级的票中的不同年龄的船票花费的平均值"
  ]
  },
  {
@@ -188,7 +188,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.6：任务六：将任务二和任务三的数据合并，并保存到sex_fare_survived.csv"
+ "#### 2.6.6：任务六：将任务二和任务三的数据合并，并保存到sex_fare_survived.csv"
  ]
  },
  {
@@ -204,7 +204,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.7：任务七：得出不同年龄的总的存活人数，然后找出存活人数最多的年龄段，最后计算存活人数最高的存活率（存活人数/总人数）\n"
+ "#### 2.6.7：任务七：得出不同年龄的总的存活人数，然后找出存活人数最多的年龄段，最后计算存活人数最高的存活率（存活人数/总人数）\n"
  ]
  },
  {

第二章项目集合/第二章：第三节数据重构2.ipynb

@@ -182,7 +182,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "## 第一部分：数据聚合与运算"
+ "## 第二部分：数据聚合与运算"
  ]
  },
  {
@@ -221,7 +221,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.2：任务二：计算泰坦尼克号男性与女性的平均票价"
+ "#### 2.6.2：任务二：计算泰坦尼克号男性与女性的平均票价"
  ]
  },
  {
@@ -255,7 +255,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.3：任务三：统计泰坦尼克号中男女的存活人数"
+ "#### 2.6.3：任务三：统计泰坦尼克号中男女的存活人数"
  ]
  },
  {
@@ -286,7 +286,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.4：任务四：计算客舱不同等级的存活人数"
+ "#### 2.6.4：任务四：计算客舱不同等级的存活人数"
  ]
  },
  {
@@ -418,7 +418,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.5：任务五：统计在不同等级的票中的不同年龄的船票花费的平均值"
+ "#### 2.6.5：任务五：统计在不同等级的票中的不同年龄的船票花费的平均值"
  ]
  },
  {
@@ -451,7 +451,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.4.6：任务六：将任务二和任务三的数据合并，并保存到sex_fare_survived.csv"
+ "#### 2.6.6：任务六：将任务二和任务三的数据合并，并保存到sex_fare_survived.csv"
  ]
  },
  {

第二章项目集合/第二章：第二节数据重构1-课程.ipynb

@@ -36,7 +36,14 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "# 2 第二章：数据重构\n"
+ "# 2 第二章：第二节 数据重构\n"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+ "## 第一部分：数据文件的组合"
  ]
  },
  {
@@ -183,7 +190,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.5.1 任务一：将我们的数据变为Series类型的数据"
+ "#### 任务：将我们的数据变为Series类型的数据"
  ]
  },
  {

第二章项目集合/第二章：第二节数据重构1.ipynb

@@ -121,7 +121,14 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "# 2 第二章：数据重构\n"
+ "# 2 第二章：第二节 数据重构\n"
+ ]
+ },
+ {
+ "cell_type": "markdown",
+ "metadata": {},
+ "source": [
+ "## 第一部分：数据文件的组合"
  ]
  },
  {
@@ -1253,7 +1260,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "#### 2.5.1 任务一：将我们的数据变为Series类型的数据"
+ "#### 任务：将我们的数据变为Series类型的数据"
  ]
  },
  {

第二章项目集合/第二章：第四节数据可视化-课程.ipynb

@@ -11,7 +11,7 @@
  "cell_type": "markdown",
  "metadata": {},
  "source": [
- "# 2 第二章：数据可视化"
+ "# 2 第二章：第四节 数据可视化"
  ]
  },
  {