Python数据分析从入门到精通（微课视频版）

本书特色 零基础入门,简单易学 本书内容安排由浅入深、循序渐进,入门与实战相结合。针对零基础的读者本书首 先讲解了与数据分析相关的 Python基础知识,然后系统讲解了 Python数据分析包 Pandas、 Numpy的应用, 和数据预处理、筛选、转换、聚合、分组运算与可视化操作等,知识点讲解详细,实例演示操作过程,对一些相对复杂抽象的数据操作提供了配图,辅助读者理解。知识点的讲解上力求简单易学,以便零基础的读者也能够轻松入门。 商业案例宝战,对接社会需求 除实例演示具体操作外,本书亦重点讲解了产品数据分析、客户数据分析、营销数 据分析3个应用领域的12个综合案例实战,从实际应用角度帮助读者提升编程实战能力,对接社会岗位需求。 配套视频讲解,手把手学 本书提供了35集配套视频讲解,读者可以手机扫码或者电脑下载学习,手把手教你 批量处理海量数据,实现数据可视化分析。 实例多,用实例学习更高效 本书编写模式采用基础知识+实例操作的形式,跟着大量实例去学习,边学边做。从做中学,可以使学习更深入、更高效。 服务快,学习无后顾之忧 本书提供公众号资源下载、QQ群在线交流疑,方便读者学习, 解决疑难问题, 使学习无后顾之忧。

第一篇 Python基础入门 第1章 Python开发环境搭建 1.1 Python简介 1.2 Anaconda下载和安装 1.3 编写第一个Python程序 1.3.1 Jupyter Notebook操作界面介绍 1.3.1 第一个Python程序 1.3.1 编写程序的流程 1.4 添加注释提高Python代码的可读性 1.5 学习Python的好帮手 第2章 Python快速入门 2.1 Python语法概述 2.1.1 数据类型 2.1.2 变量 2.1.3 表达式和语句 2.1.4 函数 2.1.5 对象方法调用 2.2 Python处理常规数据类型 2.1.1 常用数学运算 2.1.2 操作文本数据 2.1.3 时间日期数据 2.1.4 练习题 2.3 Python常用数据结构 2.3.1 顺序结构——列表 2.3.2 顺序结构应用举例 2.3.3 映射结构——字典 2.3.4 映射结构应用举例 2.3.5 元组 2.3.6 for循环用于遍历数据结构 2.3.7 练习题 2.4 Python常用控制结构 2.4.1 代码块与判断条件 2.4.2 根据不同条件执行不同操作 2.4.3 for循环 2.4.4 重复做某件事，直到某个条件实现 2.4.5 range函数实现重复做某件事N次 2.4.6 控制结构的嵌套 2.4.7 跳出循环 2.4.8 zip函数 2.4.9 列表推导式 2.4.10 用Python 实现简单的猜数游戏 2.5 用函数消除重复的代码 2.5.1 定义函数 2.5.2 用函数简化代码的实例 2.5.3 模块 2.5.4 匿名函数 2.5.5 列表推导式和函数 2.5.6 字符串格式化 2.5.7 练习题 2.6 面向对象入门 2.6.1 面向对象是一种抽象的手段 2.6.2 Python面向对象其实很简单 2.6.3 用Python模拟一个简单的角色扮演游戏 2.6.4 练习题 2.7 小结 第二篇 Python数据处理 第3章 数据分析入门 3.1 数据分析要分析什么 3.1.1 数据分析的作用 3.1.2 常用数据分析指标 3.2 数据分析的基本流程 3.2.1 分析业务需求，明确数据分析要解决的问题 3.2.2 获取数据 3.2.3 探索数据 3.2.4 预处理数据 3.2.5 分析数据 3.2.6 制作数据分析报告 第4章 常用数据分析包 4.1 Pandas介绍 4.2 Series数据结构 4.2.1 Series是什么 4.2.2 创建Series 4.2.3 读取Series 4.2.4 修改Series 4.2.5 自动对齐 4.3 DataFrame数据结构 4.3.1 DataFrame是什么 4.3.2 创建DataFrame 4.3.3 使用切片运算符读取DataFrame 4.3.4 loc属性和iloc属性 4.3.5 遍历DataFrame 4.4 NumPy介绍 4.4.1 创建NumPy数组 4.4.2 NumPy数组的数据类型转换 4.4.3 NumPy数组的数据选择 4.4.4 NumPy数组的常用属性 4.4.5 NumPy数组的运算 4.4.6 添加元素和删除元素 4.4.7 NumPy数组的排序 4.4.8 NumPy数组的转置与反转 4.4.9 NumPy数组的合并 4.4.10 NumPy数组的分拆 4.4.11 NumPy数组与统计函数 4.4.12 NumPy数组与数学函数 4.4.13 随机选择元素 4.4.14 复制NumPy数组 4.5 小结 第5章 数据导入与导出 5.1 Windows文件路径 5.2 读写Excel文件 5.3 读取CSV文件 5.4 导出数据到Excel文件和CSV文件 5.5 读取txt文件 5.6 读取JSON数据 5.7 读取关系数据库 5.7.1 类比Excel，理解数据库关系库中的概念 5.7.2 安装MySQL 5.7.3 安装sqlalchemy和mysql-connector-python 5.7.4 Pandas读取数据库 5.7.5 你只需要学会SELECT语句 5.7.6 导出数据库数据到Excel文件 5.7.7 大数据量的应对方法 5.8 小结 第6章 数据预处理 6.1 了解数据的基础信息 6.2 缺失值处理 6.2.1 发现缺失值 6.2.2 处理缺失值 6.3 异常值处理 6.3.1 发现异常值 6.3.2 处理异常值 6.4 重复值处理 6.4.1 检测重复值 6.4.2 删除重复的行 6.4.3 返回去重后的值 6.5 调整DataFrame的样式 6.5.1 调整数字颜色 6.5.2 调整数字的背景颜色 6.5.3 调整数字的显示形式 6.5.4 增加颜色数据条 6.5.6 隐藏列 6.6 小结 第7章 数据表的筛选与转换 7.1 删除多余的列 7.2 添加新的列 7.3 修改列名 7.4 数据类型转换 7.4.1 常规数据类型转换 7.4.2 字符串转换成时间 7.4.3 字符串转换为数字 7.5 替换数值 7.6 排序 7.7 计算排名 7.8 按数值区间划分数据 7.9 按条件筛选数据 7.9.1 按条件读取Series数据 7.9.2 按条件读取DataFrame数据 7.10 调整索引 7.10.1 用某一列作为行索引 7.10.2 直接修改index属性 7.10.3 设置多层次索引 7.10.4 行索引与列索引互转 7.10.5 重置索引 7.10.6 行列互换 7.11 时间序列 7.11.1 生成时间序列 7.11.2 时间索引 7.11.3 序列平移 7.11.4 频率转换 7.11.5 时期及其运算 7.12 类型数据 7.13 转换为Python列表 7.14 小结 第8章 数据表的聚合与分组运算 8.1 数据按分组聚合 8.1.1 用groupby方法分组 8.1.2 按多层次索引分组 8.1.3 遍历分组 8.1.4 聚合函数 8.1.5 分组后的合并整理 8.2 表的联结 8.3 表的合并 8.3.1 合并DataFrame 8.3.2 合并Series 8.4 数据透视表 8.5 小结 第9章 数据可视化 9.1 借助Excel画图 9.2 用matplotlib画图 9.2.1 初始化 9.2.2 plot方法 9.2.3 折线图 9.2.4 图表常用参数设置 9.2.5 柱状图 9.2.6 直方图 9.2.7 箱型图 9.2.8 堆叠面积图 9.2.9 散点图 9.2.10 饼图图 9.3 用pyecharts画图 9.3.1 pyecharts介绍 9.3.2 绘制第一个pyecharts图表 9.3.3 常用参数设置 9.3.4 柱状图 9.3.5 配置柱状图 9.3.6 饼图和环形图 9.3.7 折线图 9.3.8 面积图 9.3.9 配置折线图 9.3.10 散点图 9.3.11 箱型图 9.3.12 气泡图 9.3.13 地图 9.3.14 漏斗图 9.3.15 雷达图 9.3.16 绘制组合图表 9.4 小结 第三篇 Python数据分析实战 第10章 产品数据分析 10.1 了解各个产品分类的大概状况 10.2 比对不同的产品线 10.3 发现历史销售数据的时间规律 10.4 产品促销活动分析 第11章 客户数据分析 11.1 客户分类 11.2 客户留存分析 11.2.1 案例数据介绍 11.2.2 用户注册时间与留存的关系 11.2.3 用户地区与留存的关系 11.2.4 用户首次购买产品与留存的关系 11.3 客户生命周期分析与RFM模型 11.3.1 RFM模型介绍 11.3.2 实现RFM模型 第12章 营销数据分析 12.1 不同广告渠道的比较 12.2 互联网广告投放效果分析 12.2.1 案例数据介绍 12.2.2 了解广告组的概况 12.2.3 广告各个维度的分布特征 12.2.4 计算广告的业务指标 12.2.5 用户属性与广告效果的关系 12.2.6 广告分类 练习题答案

暂无相关内容，正在全力查找中

暂无其它内容！

暂时还没有人为这本书评论！