Python+Vue 全栈开发BI数据可视化项目（高清完结）

.
├──  1-为什么越来越多的开发者选择或者尝试“BI可视化”的新赛道/
│   ├── [ 16M]  1-1 进军可视化IB新赛道，让自己的发展之路更宽
│   ├── [2.3M]  1-2 本章概览
│   ├── [ 18M]  1-3 可视化BI的企业需求及业界典型场景
│   ├── [4.5M]  1-4 BI可视化对标的岗位及前景
│   ├── [7.3M]  1-5 如何选择更适合的可视化BI工具
│   ├── [ 16M]  1-6 进军“可视化BI”领域，你准备好了吗
│   └── [ 10M]  1-7 高效学习可视化BI的方法和线路
├──  2-知识储备-python必备技能/
│   ├── [ 12M]  2-1 本章概览&技术选型优势
│   ├── [ 14M]  2-2 细数需要掌握哪些python能力
│   ├── [ 23M]  2-3 内置数据结构
│   ├── [ 33M]  2-4 Ndarray数据结构
│   ├── [ 24M]  2-5 pandas数据结构
│   └── [ 18M]  2-6 面向对象编程
├──  3-知识储备-Numpy的使用/
│   ├── [ 23M]  3-1 本章概览及专业术语梳理
│   ├── [ 16M]  3-2 numpy在数据分析中的用途
│   ├── [ 45M]  3-3 numpy数据计算
│   ├── [ 41M]  3-4 numpy数学公式计算以及案例实操
│   └── [5.1M]  3-5 本章重点梳理
├──  4-知识储备-Pandas的使用/
│   ├── [2.7M]  4-1 本章概览
│   ├── [ 15M]  4-2 pandas介绍
│   ├── [6.2M]  4-3 pandas与numpy的区别
│   ├── [ 13M]  4-4 pandas的数据结构（1）
│   ├── [ 21M]  4-5 pandas的数据结构（2）
│   ├── [ 17M]  4-6 pandas的数据结构（3）
│   ├── [8.4M]  4-7 pandas的数据结构（4）
│   ├── [9.2M]  4-8 pandas的数据结构（5）
│   ├── [ 65M]  4-9 利用pandas对数据描述性统计及分组聚合
│   ├── [ 51M]  4-10 利用pandas对数据合并和拼接（1）
│   ├── [ 57M]  4-11 利用pandas对数据合并和拼接（2）
│   ├── [ 44M]  4-12 利用pandas对数据进行遍历
│   ├── [ 29M]  4-13 利用pandas对数据进行排序
│   ├── [ 63M]  4-14 利用pandas对数据的缺失值进行处理
│   ├── [ 42M]  4-15 利用pandas操作文件
│   ├── [7.0M]  4-16 pandas的使用注意事项
│   └── [ 22M]  4-17 本章重点内容梳理
├──  5-知识储备-利用matplotlib可视化展示数据/
│   ├── [7.5M]  5-1 本章概览
│   ├── [ 24M]  5-2 绘制折线图
│   ├── [ 26M]  5-3 绘制柱状图
│   ├── [ 27M]  5-4 绘制散点图
│   ├── [ 18M]  5-5 绘制直方图
│   └── [6.9M]  5-6 重点内容梳理
├──  6-知识储备-数据建模/
│   ├── [8.9M]  6-1 本章概览
│   ├── [8.0M]  6-2 多元回归模型介绍
│   ├── [ 54M]  6-3 多元回归模型建模
│   ├── [ 48M]  6-4 多元回归模型建模
│   ├── [ 51M]  6-5 K-Means聚类算法（上）
│   ├── [ 42M]  6-6 K-Means聚类算法（下）
│   └── [ 36M]  6-7 时间序列模型
├──  7-可视化BI开发实战-情景分析/
│   └── [ 11M]  7-1 情景分析
├──  8-可视化BI开发实战-数据预处理/
│   ├── [ 17M]  8-1 本章概览及为什么数据预处理
│   ├── [ 31M]  8-2 异常数据处理
│   ├── [ 48M]  8-3 运用正则处理数据（1）
│   ├── [ 41M]  8-4 运用正则处理数据（2）
│   ├── [ 37M]  8-5 聚合分组变化规约
│   └── [ 14M]  8-6 本章重点内容梳理
├──  9-可视化BI开发实战-数据建模/
│   ├── [ 12M]  9-1 本章概览
│   ├── [ 41M]  9-2 平稳时间序列建模（1）
│   ├── [ 23M]  9-3 平稳时间序列建模（2）
│   ├── [ 41M]  9-4 非平稳时间序列建模
│   └── [6.7M]  9-5 本章重点内容梳理
├──  10-可视化BI开发实战-系统设计/
│   ├── [ 37M]  10-1 系统设计（上）
│   └── [ 23M]  10-2 系统设计（下）
├──  11-可视化BI开发实战-数据存储/
│   ├── [ 36M]  11-1 mysql基本操作回顾
│   ├── [4.3M]  11-2 配置文件
│   ├── [ 21M]  11-3 使用python封装mysql1
│   ├── [ 27M]  11-4 使用python封装mysql2
│   ├── [ 45M]  11-5 使用python封装mysql3
│   ├── [ 26M]  11-6 使用python封装mysql4
│   └── [5.6M]  11-7 本章重点内容回顾
├──  12-可视化BI开发实战-后端服务开发/
│   ├── [ 31M]  12-1 利用flask快速搭建简单服务并验证
│   ├── [ 32M]  12-2 利用MVC思路开发数据层内部接口
│   ├── [ 22M]  12-3 利用MVC思路开发逻辑层内部接口-1
│   ├── [ 23M]  12-4 利用MVC思路开发逻辑层内部接口-2
│   ├── [ 34M]  12-5 利用MVC思路开发view层外部接口
│   ├── [ 11M]  12-6 flask服务入口程序开发
│   └── [7.9M]  12-7 验证flask服务启动是否正确
├──  13-可视化开发实战-前端开发/
│   ├── [7.2M]  13-1 前端知识介绍
│   ├── [ 19M]  13-2 快速搭建vue脚手架
│   ├── [ 53M]  13-3 echars组件化
│   ├── [ 63M]  13-4 脚手架详解
│   ├── [ 24M]  13-5 echars组件化
│   ├── [ 27M]  13-6 使用css优化页面布局
│   ├── [ 66M]  13-7 数据的静态渲染（上）
│   ├── [ 60M]  13-8 数据的静态渲染（下）
│   ├── [ 54M]  13-9 使用js和axios渲染后端数据（上）
│   └── [ 54M]  13-10 使用js和axios渲染后端数据（下）
└── 资料代码/