课程
使用 Python 分析调查数据
中级技能水平
更新时间 2023年11月
PythonProbability & Statistics4小时14 视频46 道练习3,700 XP2,778成就证明
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
深受数千家公司学习者的喜爱
需要团队培训？
企业版试用课程描述
学习如何在调查数据上使用 Python
无论是企业想了解员工的工作偏好，还是营销活动想知道如何更好地迎合其主要受众，调查数据都是用于更深入了解某一群体以及如何推进相关事项的最佳工具之一。 在这里，你将学习分析调查数据的目的，以及何时适合应用描述性和推断性的统计工具。
熟悉关键的统计调查分析工具
在Python中的假设检验所涵盖主题的基础上，这门实践性课程将帮助您熟悉如何使用Python分析各种调查数据。
您将学习应用各种抽样方法，确保在研究中准确代表总体，并能够从分析中推断它们对结论的影响。
在可视化调查结果的同时，您还将定性解读与建模测试相关的变量和结果，例如线性回归、双样本 t 检验和卡方检验，并将其与您正在分析的调查类型联系起来。
先决条件
Hypothesis Testing in Python1
为何分析调查数据与何时应用统计工具
什么是调查数据？我们如何确定用哪种统计检验来分析？为回答这些问题，您将能够界定各类调查数据类型，理解描述性与推断性统计等核心概念，并通过可视化调查数据来确定合适的统计建模技术。完成后，您将能够从定性与定量两方面更好地界定调查中的趋势与洞见。
2
抽样与加权
本章将带您根据调查数据的采集条件与参数，学习如何从总体调查数据中创建不同方式的样本调查数据。
3
描述性与推断性统计
现在，您将结合真实案例，理解在调查数据分析中描述性统计与推断性统计的区别。通过动手练习，您将进一步解读不同变量的含义，掌握如集中趋势与 z 分数等关键度量，并能对结果进行解释以制定可执行的步骤。
4
统计建模
最后，您将把统计建模应用于调查数据分析，包括回归分析、双样本 t 检验与卡方检验，并解释这些检验所依赖的前提假设。
使用 Python 分析调查数据
课程完成 加入超过19百万学习者，今天就开始使用 Python 分析调查数据！
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
通过 DataCamp for Mobile 提升您的数据技能
随时随地通过我们的移动课程和每日 5 分钟编程挑战提升技能。