本书是从实践出发，同时结合一线教师的实践教学经验，以示例为主线，把可视化需要的Python基础语法，Numpy和pandas包中数据结构及读取Excel/CSV文件操作、无效数据处理操作，Matplotlib和pandas包的不同种类图形绘制框架代码等内容都融入到示例中，通过示例，循序渐进、浅显易懂地讲解可视化分析所需要的知识点。 本书适合Python可视化初学者使用，也可作为相关机构的培训用书
电子书
内容简介
本书分为4部分：第1部分主要介绍数据的采集，从数据采集的意义和基本概念开始，介绍依次介绍Python工具库、Scrapy第三方框架、如何采集数据，以及如何通过Selenium采集动态页面和手机APP数据采集；第2部主要介绍4种常用的数据分析方法；第3部分主要通过3种可视化工具介绍数据可视化；第4部分介绍一个完整的实战训练项目，帮助读者系统地梳理数据采集、分析、可视化的整体过程，巩固理论知识，增加实战经验。
章节目录
- a-fy
- 56365-bq
- c-bw
- d-x
- e-qy
- 本书资源下载
- f-ml
- 01
- 互联网信息采集
- 任务1.1 了解数据采集基础知识
- 1.1.1 数据采集的目的和分类
- 1.1.2 数据采集需要注意的问题
- 1．数据采集计划
- 2．确认数据来源
- 3．做好数据存储
- 1.1.3 数据采集要点
- 1．全面性
- 2．多维性
- 3．高效性
- 4．时效性
- 1.1.4 企业进行数据采集的原因
- 任务1.2 理解数据采集基本术语的概念
- 1.2.1 网络爬取
- 1.2.2 HTTP的概念
- 1．HTTP简介
- 2．HTTP工作原理
- 3．HTTP请求方法
- 4．HTTP请求报文及HTTP响应报文的组成
- 5．HTTP常用报文属性
- 6．使用浏览器开发者工具查看HTTP报文信息
- 1.2.3 HTTPS的概念
- 1.2.4 URL的概念
- 1．URL的组成
- 2．URL 语法剖析
- 1.2.5 HTML的概念
- 1．使用Chrome浏览器查看、修改HTML页面
- 2．常用的HTML元素
- 1.2.6 JSON的概念
- 1．JSON数据类型
- 2．JSON数据结构
- 3．对象数据结构示例
- 4．数组数据结构示例
- 任务1.3 使用Python工具库实现数据采集
- 1.3.1 urllib3
- 1．安装
- 2．访问网页
- 3．重要设置
- 1.3.2 Requests
- 1．安装
- 2．访问网页
- 3．Response响应属性
- 4．重要设置
- 5．cookie和session
- 1.3.3 Python工具库数据采集实训
- 1．简答题
- 2．编程题
- 02
- Scrapy采集框架
- 任务2.1 掌握Scrapy技术架构
- 2.1.1 什么是Scrapy
- 2.1.2 为什么选用Scrapy
- 2.1.3 Scrapy整体架构
- 2.1.4 Scrapy的安装方式
- 任务2.2 采集图书明细数据
- 2.2.1 Scrapy常用命令
- 1．全局命令
- 2．项目命令
- 2.2.2 创建并启动爬虫项目
- 1．创建爬虫项目
- 2．创建爬虫文件
- 3．启动爬虫项目
- 2.2.3 实训案例：使用Scrapy实现图书信息采集
- 1．关键步骤
- 2．具体实现
- 任务2.3 使用Scrapy Shell解析博客网页
- 2.3.1 使用Scrapy Shell
- 2.3.2 实训案例：解析某博客文章网页的内容
- 1．获取爬取到的URL
- 2．获取请求返回的状态码
- 3．通过settings获取设置的值
- 4．在浏览器中打开当前 view(response)页面
- 5．解析另一个URL
- 6．Scrapy Shell能方便快速定位页面元素
- 1．简答题
- 2．编程题
- 03
- Scrapy采集框架进阶
- 任务3.1 采集前程无忧网站招聘职位信息
- 3.1.1 Scrapy中的Response对象
- 1．Response
- 2．Response 属性、方法
- 3．Response主要子类
- 3.1.2 Scrapy中的Request对象
- 1．Request常用参数
- 2．Request回调函数
- 3.1.3 XPath选择器
- 3.1.4 网页翻页爬取
- 3.1.5 不同页面数据采集
- 3.1.6 Item封装数据
- 3.1.7 Request与Response之间传递参数的方法
- 3.1.8 Item Pipeline
- 1．Item Pipeline的作用
- 2．Item Pipeline的核心方法
- 3．启动Item Pipeline
- 3.1.9 实训案例：采集前程无忧网站招聘职位信息
- 1．关键步骤
- 2．具体实现
- 任务3.2 采集中国人民大学出版社图书列表
- 3.2.1 JSON结构
- 1．对象结构
- 2．数组结构
- 3.2.2 实训案例：采集中国人民大学出版社图书列表
- 1．关键步骤
- 2．具体实现
- 1．简答题
- 2．编程题
- 04
- 使用“Selenium+ ChromeDriver”采集动态页面
- 使用“Selenium+ChromeDriver”采集我爱我家网
- 房源信息
- 4.1.1 动态页面工作流程以及常用动态页面采集方式
- 4.1.2 Selenium工具及其安装
- 4.1.3 安装ChromeDriver
- 4.1.4 Selenium WebDriver概念及其工作流程
- 4.1.5 Selenium WebDriver常用操作
- 4.1.6 Selenium WebDriver常用定位元素的方法
- 4.1.7 Selenium WebDriver鼠标事件
- 4.1.8 Chrome无界面模式
- 4.1.9 Selenium延时等待的方式
- 1．强制等待
- 2．隐式等待
- 3．显式等待
- 4.1.10 实训案例：采集我爱我家网“房山”的房源信息
- 1．关键步骤
- 2．具体实现
- 使用“Scrapy+Selenium+ChromeDriver”采集链
- 家网房源信息
- 4.2.1 Scrapy框架与Selenium工具结合使用采集动态页面的过程
- 4.2.2 实训案例：采集链家网房源信息
- 1．简答题
- 2．编程题
- 任务4.1
- 任务4.2
- 05
- App数据采集
- 用Scrapy框架采集柠檬兼职App首页热门推荐兼职
- 信息
- 5.1.1 App数据爬取
- 1．App数据爬取简介
- 2．App与服务端的通信过程
- 5.1.2 用Charles工具监听网络请求
- 1．什么是Charles抓包工具
- 2．安装与配置Charles工具
- 5.1.3 用Charles工具监听App
- 5.1.4 用Scrapy框架采集App数据
- 5.1.5 实训案例：采集柠檬兼职App首页热门推荐兼职信息
- 1．关键步骤
- 2．具体实现
- 任务5.2 用Scrapy框架采集中华英才网App的企业库信息
- 5.2.1 HTTPS工作流程
- 5.2.2 用Charles工具监听HTTPS网络请求
- 5.2.3 客户端、Charles、服务器之间的HTTPS请求流程
- 5.2.4 用Scrapy框架爬取使用HTTPS通信协议的App数据
- 5.2.5 实训案例：采集中华英才网App的企业库信息
- 1．关键步骤
- 2．具体实现
- 1．简答题
- 2．编程题
- 任务5.1
- 06
- 使用Python进行数据分析
- 任务6.1 了解数据分析的目的
- 6.1.1 数据分析概述
- 6.1.2 数据分析的目的
- 任务6.2 使用方差分析方法分析不同药物对某病毒是否有影响
- 6.2.1 方差分析方法基本概念、术语、假定
- 1．基本概念
- 2．基本术语
- 3．基本假定
- 6.2.2 单因素方差分析
- 6.2.3 多因素方差分析
- 使用回归分析方法分析某病毒是否与温度、湿度呈
- 线性关系
- 6.3.1 回归分析方法基本概念、作用
- 1．基本概念
- 2．回归分析方法的作用
- 6.3.2 线性回归分析方法
- 6.3.3 逻辑回归分析方法
- 使用判别分析方法预测某病毒在一定的温度、湿度下
- 是否可以存活
- 6.4.1 判别分析方法基本概念
- 6.4.2 Fisher判别法
- 6.4.3 贝叶斯判别法
- 任务6.5 使用聚类分析方法分析某病毒与温度、湿度的关系
- 6.5.1 聚类分析方法基本概念
- 6.5.2 k均值聚类算法
- 6.5.3 层次聚类算法
- 1．简答题
- 2．编程题
- 任务6.3
- 任务6.4
- 07
- Matplotlib数据可视化
- 任务7.1 使用Matplotlib绘制招聘职位数量关系的线图与散点图
- 7.1.1 进行可视化的原因
- 1．可视化使数据更直观
- 2．可视化可以降低学习成本
- 3．可视化便于记忆
- 7.1.2 Matplotlib的安装方式
- 7.1.3 Matplotlib的核心原理
- 7.1.4 使用Matplotlib绘制招聘职位数量关系的线图
- 1．直接通过给定数据绘制线图
- 2．通过pandas读取数据绘制折线图
- 7.1.5 使用Matplotlib绘制房价与房屋面积关系的散点图
- 1．直接通过给定数据绘制散点图
- 2．通过pandas读取数据绘制散点图
- 使用Matplotlib绘制不同季度不同产品销售额关系的
- 柱状图与饼状图
- 7.2.1 使用Matplotlib绘制不同季度不同产品销售额关系的柱状图
- 7.2.2 使用Matplotlib绘制不同季度单个产品销售额关系的饼状图
- 1．简答题
- 2．编程题
- 任务7.2
- 08
- PyEcharts数据可视化
- 任务8.1 使用PyEcharts绘制某疾病确诊人数分布图
- 8.1.1 PyEcharts可视化工具及其安装方式
- 8.1.2 PyEcharts可视化工具常用基础知识
- 1．全局配置项
- 2．系列配置项
- 8.1.3 使用PyEcharts绘制某疾病确诊人数分布柱状图
- 8.1.4 使用PyEcharts绘制某疾病确诊人数比例饼状图
- 8.1.5 使用PyEcharts绘制某疾病确诊人数所占比例关系柱状图和线图
- 8.1.6 使用PyEcharts绘制某疾病确诊人数分布地图
- 任务8.2 使用PyEcharts绘制需求关系图
- 8.2.1 使用PyEcharts中的词云表示招聘网站中招聘方对岗位需求的关注点
- 1．结巴分词
- 2．利用词云表示招聘网站中招聘方对岗位需求的关注点
- 8.2.2 使用PyEcharts绘制对求职者不同能力需求程度的雷达图
- 1．简答题
- 2．编程题
- 09
- Bokeh数据可视化
- 任务9.1 使用Bokeh可视化工具以折线图的方式展示信息
- 9.1.1 Bokeh可视化工具及其安装方式
- 9.1.2 使用Bokeh可视化工具绘图的步骤
- 9.1.3 Bokeh可视化工具的常用基础知识
- 1．Bokeh常用基本词条
- 2．Bokeh常用功能接口
- 3．Bokeh颜色及图形属性
- 4．Bokeh数据类型及转换
- 5．Bokeh常用图形显示布局方法
- 6．图形存储
- 9.1.4 实训案例：绘制2013年～2020年全国司法案件数量变化折线图
- 1．关键步骤
- 2．具体实现
- 任务9.2 使用Bokeh可视化工具以分组柱状图的方式展示信息
- 9.2.1 Bokeh可视化工具数据交互的方式
- 1．使用工具条进行数据交互（套索关联）
- 2．使用悬浮工具控件进行数据交互
- 3．使用表格控件进行数据交互
- 9.2.2 Bokeh可视化工具中的基础柱状图
- 9.2.3 实训案例：绘制2017年～2020年全国司法案件数量分布的柱状图
- 1．关键步骤
- 2．具体实现
- 任务9.3 使用Bokeh可视化工具以饼状图的方式展示信息
- 9.3.1 使用Bokeh可视化工具中的面板及选项卡工具进行数据交互的方法
- 9.3.2 实训案例：绘制2019年及2020年全国各类司法案件分布饼状图
- 1．关键步骤
- 2．具体实现
- 1．简答题
- 2．编程题
- 10
- 项目实战——房多多网站数据获取与可视化
- 任务10.1 采集房多多网站信息
- 任务10.2 通过数据分析方法分析网站源数据
- 10.2.1 通过方差分析方法分析朝向、区域是否对上海房价有显著影响
- 10.2.2 通过回归分析方法分析上海房价与房屋面积的关系
- 任务10.3 使用Bokeh工具进行网站源数据可视化
- 10.3.1 绘制2020年上海市二手房每日房源新增数量变化的折线图
- 10.3.2 绘制2020年上海市房源发布数量大于100的地区分布柱状图
- 10.3.3 绘制2020年及2019年上海市各地区二手房房源发布数据分布情况的饼状图
展开全部
Python数据分析——从获取到可视化是2021年由人民邮电出版社出版,作者编著。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Python数据分析——从获取到可视化》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书采用理论分析和Python编程实战相结合的形式，按照数据分析与可视化的基本步骤，数据分析与可视化的基本理论知识和相应的Python库进行了详细的介绍，让读者能够在了解基本理论知识的同时快速上手实现数据分析与可视化的程序。
电子书
本书共3章。第1章讲述Python基础知识，包括Python语言基本语法、内置数据类型、Python控制语句、函数和文件操作；第2章讲述Python数据分析，包括Numpy数值计算基础、Numpy数学与算术函数、Numpy中的数据统计与分析、pandas统计分析基础、pandas数据运算、pandas数据载入与预处理；第3章讲述数据可视化，包括matplotlib绘图基础、使用pandas和Sea
电子书
本书主要内容如下：第一部分Python编程基础。第二部分：Python数据分析（Pandas，Numpy等简介、数据收集、数据清洗、数据挖掘、数据分析）。第三部分：Python数据可视化（数据可视化Matplotlib，seaborn等可视化库、财务会计案例、大数据分析案例）。第四部分：Python与自动化控制（简介、正则表达式、文件处理、Python与excel、PythonGUI控制鼠标和键盘
电子书
本书共分为9章，第1章介绍数据可视化与matplotlib的入门知识；第2-8章全面地介绍matplotlib的核心知识，包括使用matplotlib绘制简单图表、图表辅助元素的定制、图表样式的美化、子图的绘制及坐标轴共享、坐标轴的定制、绘制3D图表和统计地图、使用matplotlib绘制高级图表；第9章介绍pyecharts的基础知识。
电子书
本书共9章，内容包括数据分析及可视化概述、Python数据分析基础、Python数据可视化方法、数据挖掘基础及可视化、数据基本分析及可视化、数据综合评价及可视化等。
电子书
本书共10章，内容包括认识Python、Python语言基础、数据对象的读写、数据清洗和预处理、数据可视化、基本数据统计分析、高级数据建模分析、自然语言处理和文本挖掘、数据分析部署和应用、数据分析与数据化运营等。
电子书
本书以实践出发，全面地介绍数据可视化的流程和Python数据可视化的应用，并详细阐述使用Python解决企业实际问题的方法。全书共8章，分为基础模块(第1-5章)和实战模块(第6-8章)。基础模块包括Python数据可视化概述、数据的读取与处理、Matplotlib数据可视化基础、用seaborn绘制进阶图形、pyecharts交互式图形绘制；实战模块包括广电大数据可视化项目实战、新零售智能销售数
