|
-- 會員 / 註冊 --
|
|
|
|
誰說菜鳥不會數據分析(Python篇) ( 簡體 字) |
作者:方小敏,張文霖 | 類別:1. -> 程式設計 -> Python |
譯者: |
出版社:電子工業出版社 | 3dWoo書號: 51304 詢問書籍請說出此書號!【缺書】 NT售價: 345 元 |
出版日:6/1/2019 |
頁數:224 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 簡體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9787121364587 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言:《誰說菜鳥不會數據分析》系列圖書自上市以來,已擁有數十萬讀者與粉絲,口口相傳,成為職場人士案頭必備的參考用書。同時非常榮幸地獲得書刊發行業協會授予的“全行業優秀暢銷品種”稱號,這離不開廣大讀者的厚愛與支持。有讀者告訴我們,每次閱讀都會有新的體會與收獲,這讓我們很開心。 隨著云計算、互聯網、電子商務和物聯網的飛速發展,世界已經逐步邁入大數據時代。數據分析、機器學習等數據科學技術也相應流行起來,主流的數據科學技術,都將Python 作為主要的計算工具。Python 越來越被大家熟悉和認可,成為數據分析師的新寵兒,特別是在互聯網行業。 市面上Python 數據分析的相關書籍基本上多數由IT 人員編寫,寫作角度相對側重技術層面,很多基礎知識點和編寫的代碼并無詳細介紹,并且在數據分析思維體系方面相對薄弱,學習門檻非常高,讓非IT 專業朋友學起來較為痛苦。 鑒于此,本書作者于2015 年開始提煉總結工作中Python 常用的數據處理、數據分析實戰方法與技巧,并錄制成了視頻課程《Python 數據分析實戰》,發布于網易云課堂。課程上線后,受到了大量學員的支持與肯定。同時,課程上線后,根據熱心學員的寶貴反饋意見,對課程不斷進行升級更新。 通過《Python 數據分析實戰》視頻課程的錄制、升級過程中,沉淀了大量的Python 數據分析實戰教學經驗。同時大量的學員與讀者不斷來信咨詢希望早日出版《誰說菜鳥不會數據分析(Python篇)》。經過兩年時間的打磨,這本書終于與讀者見面了。 整個寫作過程是艱辛的,但是也很有成就感。 本書從解決工作實際問題出發,提煉總結工作中Python 常用的數據處理、數據分析實戰方法與技巧。本書與其他《誰說菜鳥不會數據分析》系列圖書一樣,力求通俗易懂地介紹相關知識,在不影響學習理解的前提下,盡可能地避免使用晦澀難懂的Python 編程、統計術語或模型公式,如需了解相關的知識,可查閱相關的書籍或資料。 本書的定位是帶領Python數據分析初學者入門,并能解決學習、工作中大部分的問題或需求。入門后如還需進一步進階學習,可自行擴展閱讀相關書籍或資料,學習是永無止境的,正所謂“師傅領進門,修行在個人”。
本書結構 本書以數據分析主要流程為主線,介紹如何用Python 進行數據分析。 第1章 數據分析概況:主要通過3W 模型介紹數據分析相關知識,讓讀者了解與認識數據分析。 第2章 Python 概況: 主要介紹了什么是Python,Python 的特點,Python 的函數與模塊,Python 的使用場景,以及Anaconda 的安裝與使用,讓讀者了解與認識Python。 第3章 編程基礎:主要介紹了Python 進行數據分析所需要的編程基礎,包括數據類型、賦值和變量、數據結構、向量化運算、for 循環,讓讀者對Python 在數據分析方面的使用有基本的了解與認識。 第4章 數據處理:主要介紹了在Python 中如何使用Pandas 進行數據處理操作,包括數據導入與導出、數據清洗、數據轉換、數據抽取、數據合并、數據計算,讓讀者能夠使用Python 進行常用的數據處理操作。 第5章 數據分析:主要介紹了在Python 中如何使用Pandas、sklearn 進行相關的數據分析操作,包括描述統計分析、分組分析、結構分析、分布分析、交叉分析、RFM 分析、矩陣分析、相關分析、回歸分析等常用分析方法,讓讀者能夠使用Python進行常用的數據分析操作。 第6章 數據可視化:主要介紹了在Python 中如何使用matplotlib.pyplot 進行常用的數據可視化圖形繪制,包括散點圖、矩陣圖、折線圖、餅圖、柱形圖、條形圖,讓讀者能夠使用Python 進行常用的數據可視化圖形繪制。 本書主要基于Python 3 進行介紹,故部分方法可能在Python 2 中無法實現。
適合人群 ★ 需要提升自身競爭力的職場新人。 ★ 從事咨詢、研究、分析等專業人士。 ★ 在市場營銷、產品運營、項目管理、開發運維等工作中需要進行數據分析的人士。
案例數據下載 本書配套案例數據下載方式: (1)掃碼關注微信訂閱號:小蚊子數據分析(wzdata),回復“1”或“Python篇”獲取案例數據下載鏈接 致謝 感謝廣大讀者與學員的支持,讓筆者下定決心寫這本書。在此要衷心感謝成都道然科技有限責任公司的姚新軍先生,感謝他的提議和在寫作過程中的支持。感謝參與本書優化的朋友:王斌、李偉、范霈璐、李萍、王曉、景小艷、余松。非常感謝本書的插畫師樸提的辛苦勞動,您的作品也讓本書增色不少。 感謝沈浩、張文彤、路人甲、黃成明、阿橙、許樹淮、肖驍、嚴婷、劉志軍、崔慶才、齊德勝、數據小人、鄭來軼、李艦、gashero、肖凱、鄭躍平等書評作者,感謝他們在百忙之中抽空閱讀書稿,撰寫書評,并提出寶貴意見。 最后,要感謝兩位作者的家人,感謝他們默默無聞的付出,沒有他們的理解與支持,同樣也沒有本書。 盡管我們對書稿進行了多次修改,仍然不可避免地會有疏漏和不足之處,敬請廣大讀者批評指正,我們會在適當的時間進行修訂,以滿足更多人的需要。 |
內容簡介:本書從解決工作實際問題出發,提煉總結工作中Python 常用的數據處理、數據分析實戰方法與技巧。本書力求通俗易懂地介紹相關知識,在不影響學習理解的前提下,盡可能地避免使用晦澀難懂的Python 編程、統計術語或模型公式。本書定位是帶領Python 數據分析初學者入門,并能解決學習、工作中大部分的問題或需求。入門后如還需要進一步進階學習,可自行擴展閱讀相關書籍或資料,學習是永無止境的,正所謂“師傅領進門,修行在個人”。 |
目錄:第1章 數據分析概況 /1 1.1 數據分析定義(What) /2 1.2 數據分析作用(Why) /4 1.3 數據分析步驟(How) /5 1.3.1 明確分析目的和思路 /6 1.3.2 數據收集 /7 1.3.3 數據處理 /9 1.3.4 數據分析 /9 1.3.5 數據展現 /10 1.3.6 報告撰寫 /10 1.4 數據分析的三大誤區 /12 1.5 常用的數據分析工具 /13 1.5.1 Excel /13 1.5.2 SPSS /14 1.5.3 R語言 /15 1.5.4 Python語言 /16
第2章 Python 概況 /17 2.1 Python簡介 /18 2.2 Python特點 /19 2.3 Python模塊 /20 2.3.1 函數 /20 2.3.2 模塊 /24 2.4 Python使用場景 /27 2.5 Python 2與Python 3 /28 2.6 Python與數據科學 /29 2.7 Anaconda簡介 /30 2.8 安裝Anaconda /31 2.8.1 下載Anaconda /31 2.8.2 安裝Anaconda /33 2.9 使用Anaconda /37 2.9.1 PyCharm 與Spyder /37 2.9.2 Anaconda 開始菜單 /38 2.9.3 Spyder 工作界面簡介 /39 2.9.4 項目管理 /40 2.9.5 代碼提示 /43 2.9.6 變量瀏覽 /44 2.9.7 圖形查看 /44 2.9.8 幫助文檔 /45
第3章 編程基礎 /47 3.1 數據類型 /48 3.1.1 數值型 /48 3.1.2 字符型 /50 3.1.3 邏輯型 /56 3.2 賦值和變量 /57 3.2.1 賦值和變量 /57 3.2.2 變量命名規則 /58 3.3 數據結構 /59 3.3.1 列表 /59 3.3.2 字典 /63 3.3.3 序列 /66 3.3.4 數據框 /72 3.3.5 四種數據結構的區別 /80 3.4 向量化運算 /81 3.5 for 循環 /83 3.6 Python 編程注意事項 /87
第4章 數據處理 /90 4.1 數據導入與導出 /91 4.1.1 數據導入 /91 4.1.2 數據導出 /99 4.2 數據清洗 /100 4.2.1 數據排序 /101 4.2.2 重復數據處理 /102 4.2.3 缺失數據處理 /106 4.2.4 空格數據處理 /109 4.3 數據轉換 /110 4.3.1 數值轉字符 /110 4.3.2 字符轉數值 /112 4.3.3 字符轉時間 /113 4.4 數據抽取 /115 4.4.1 字段拆分 /116 4.4.2 記錄抽取 /121 4.4.3 隨機抽樣 /127 4.5 數據合并 /130 4.5.1 記錄合并 /130 4.5.2 字段合并 /133 4.5.3 字段匹配 /135 4.6 數據計算 /140 4.6.1 簡單計算 /140 4.6.2 時間計算 /141 4.6.3 數據標準化 /142 4.6.4 數據分組 /144
第5章 數據分析 /148 5.1 對比分析 /149 5.2 基本統計分析 /152 5.3 分組分析 /155 5.4 結構分析 /158 5.5 分布分析 /159 5.6 交叉分析 /162 5.7 RFM 分析 /164 5.8 矩陣分析 /173 5.9 相關分析 /176 5.10 回歸分析 /178 5.10.1 回歸分析簡介 /178 5.10.2 簡單線性回歸分析 /180 5.10.3 多重線性回歸分析 /185
第6章 數據可視化 /189 6.1 數據可視化簡介 /190 6.1.1 什么是數據可視化 /190 6.1.2 數據可視化常用圖表 /190 6.1.3 通過關系選擇圖表 /191 6.2 散點圖 /192 6.3 矩陣圖 /203 6.4 折線圖 /210 6.5 餅圖 /215 6.6 柱形圖 /217 6.7 條形圖 /222 |
序: |
|