全书共分10章，内容包括数据分析基础、NumPy模块实现数值计算、pandas模块实现统计分析、Maplotlib模块实现数据可视化、客户价值分析、销售收入分析与预测、二手房数据分析预测系统、智能停车场运营分析系统、影视作品分析和看店宝。
电子书
内容简介
本书以Python数据分析的常用技术与交通行业真实案例相结合的方式，深入浅出地介绍了Python数据分析与挖掘技术的重要内容。全书共10章，内容包括绪论、Python数据分析简介、数据获取、数据探索、数据预处理、构建模型、运输车辆驾驶行为分析、公交车站点设置优化分析、铁路站点客流量预测，以及基于TipDM大数据挖掘建模平台实现运输车辆驾驶行为分析。本书大部分章节包含课后习题，通过练习和操作实践，读者可以巩固所学的内容。 本书可作为高校数据分析相关专业的教材，也可作为交通行业相关的教学、培训教材，还可作为数据分析爱好者的自学用书。
章节目录
- 封面
- 扉页
- 版权页
- 内容提要
- 序
- 前言
- 第1章 绪论
- 1.1 了解交通大数据
- 1.1.1 交通大数据的背景
- 1.1.2 交通大数据的应用
- 1.2 认识数据分析
- 1.2.1 掌握数据分析的基本任务
- 1.2.2 熟悉数据分析的基本流程
- 1.3 了解常用的数据分析工具
- 1.4 配置Python开发环境
- 1.4.1 安装Anaconda
- 1.4.2 掌握Jupyter Notebook的使用方法
- 小结
- 课后习题
- 第2章 Python数据分析简介
- 2.1 入门Python数据分析
- 2.1.1 了解基本命令
- 2.1.2 掌握数据结构
- 2.1.3 函数式编程
- 2.1.4 导入与添加库
- 2.2 了解Python数据分析常用的扩展库
- 2.2.1 NumPy
- 2.2.2 SciPy
- 2.2.3 pandas
- 2.2.4 Matplotlib
- 2.2.5 scikit-learn
- 小结
- 课后习题
- 第3章 数据获取
- 3.1 了解常见的数据来源
- 3.2 了解交通信息的采集
- 3.2.1 交通信息的分类与特点
- 3.2.2 常见的交通信息采集技术
- 3.3 了解常见的数据类型
- 3.4 掌握数据的读取方式
- 3.4.1 读取数据库数据
- 3.4.2 读取文件数据
- 小结
- 课后习题
- 第4章 数据探索
- 4.1 分析数据质量
- 4.1.1 分析缺失值
- 4.1.2 分析异常值
- 4.2 分析数据特征
- 4.2.1 分析数据的统计量
- 4.2.2 分析数据的分布情况
- 4.2.3 对比分析数据
- 4.2.4 分析数据的周期性
- 4.2.5 分析数据的相关性
- 小结
- 课后习题
- 第5章 数据预处理
- 5.1 数据清洗
- 5.1.1 处理缺失值
- 5.1.2 处理异常值
- 5.2 数据变换
- 5.2.1 函数变换
- 5.2.2 数据标准化
- 5.2.3 离散化连续型数据
- 5.3 属性构造
- 5.4 属性规约
- 5.5 数据合并
- 5.5.1 多表合并
- 5.5.2 分组聚合
- 小结
- 课后习题
- 第6章 构建模型
- 6.1 构建分类与回归模型
- 6.1.1 了解回归分析
- 6.1.2 了解朴素贝叶斯
- 6.1.3 了解决策树
- 6.1.4 了解人工神经网络
- 6.1.5 评价分类与回归模型
- 6.2 构建聚类模型
- 6.2.1 了解常用的聚类算法
- 6.2.2 了解K-Means聚类
- 6.2.3 了解密度聚类
- 6.2.4 聚类模型评价
- 6.3 构建时间序列模型
- 6.3.1 了解常用的时间序列模型
- 6.3.2 预处理时间序列
- 6.3.3 分析平稳时间序列
- 6.3.4 分析非平稳时间序列
- 小结
- 课后习题
- 第7章 运输车辆驾驶行为分析
- 7.1 分析背景与目标
- 7.1.1 背景
- 7.1.2 数据说明
- 7.1.3 分析目标
- 7.2 数据探索分析
- 7.2.1 分布分析
- 7.2.2 相关性分析
- 7.2.3 异常值检测
- 7.3 驾驶行为聚类分析
- 7.3.1 K-Means聚类
- 7.3.2 层次聚类
- 7.3.3 高斯混合模型聚类
- 7.3.4 谱聚类
- 7.4 构建驾驶行为预测模型
- 7.4.1 构建线性判别分析模型
- 7.4.2 构建朴素贝叶斯模型
- 7.4.3 构建神经网络模型
- 7.5 驾驶行为分析总结与建议
- 小结
- 课后习题
- 第8章 公交车站点设置优化分析
- 8.1 分析背景与目标
- 8.1.1 背景
- 8.1.2 数据说明
- 8.1.3 分析目标
- 8.2 探索公交刷卡数据
- 8.3 预处理公交车载GPS数据与刷卡数据
- 8.3.1 属性规约
- 8.3.2 缺失值处理
- 8.3.3 数据去重
- 8.4 构建DBSCAN模型
- 8.5 公交车站点设置优化分析
- 8.5.1 计算上车人数
- 8.5.2 计算下车人数
- 8.5.3 结果分析
- 小结
- 课后习题
- 第9章 铁路站点客流量预测
- 9.1 分析背景与目标
- 9.1.1 背景
- 9.1.2 数据说明
- 9.1.3 分析目标
- 9.2 预处理客流量数据
- 9.3 探索客流量数据
- 9.3.1 不同站点上下车客流量分布分析
- 9.3.2 不同时段上下车客流量分布分析
- 9.3.3 分析节假日客流量变化
- 9.4 构建模型并预测客流量
- 9.4.1 构建时间序列模型
- 9.4.2 预测非节假日客流量
- 9.4.3 预测节假日客流量
- 小结
- 课后习题
- 第10章 基于TipDM大数据挖掘建模平台实现运输车辆驾驶行为分析
- 10.1 TipDM大数据挖掘建模平台简介
- 10.1.1 共享库
- 10.1.2 数据连接
- 10.1.3 数据集
- 10.1.4 我的工程
- 10.1.5 个人算法
- 10.2 实现运输车辆驾驶行为分析
- 10.2.1 数据源配置
- 10.2.2 数据探索分析
- 10.2.3 驾驶行为聚类分析
- 10.2.4 构建驾驶行为预测模型
- 小结
展开全部
Python数据分析基础与案例实战是2023年由人民邮电出版社出版,作者张良均 主编。
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数据分析基础与案例实战》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
|a本书以Python数据分析常用技术与真实案例相结合的方式，介绍Python商务数据分析应用的重要内容。全书共10章，内容包括：商务数据分析概述、Python数据分析简介、数据获取、探索性分析、数据预处理等。
电子书
本书共11章，分为基础篇(第1-5章)和实战篇(第6-11章)，基础篇包括数据挖掘基础、Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识：实战篇包括6个案例，分别为信用卡高风险客户识别、餐饮企业菜品关联分析、金融服务机构资金流量预测、O2O优惠券使用预测、电视产品个性化推荐，以及基于TipDM大数据挖掘建模平台实现金融服务机构资金流量预测。本书大部分章节包含实训和课后
电子书
本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的
电子书
本书以任务为导向，全面介绍了数据分析的流程和Excel数据分析的应用，并详细阐述了使用Excel2016解决企业实际问题的方法。全书共11章，分为基础部分（第1～6章）和实战部分（第7～11章）。基础部分的内容包括数据分析与Excel2016概述、外部数据的获取、数据处理、函数的应用、数据透视表和数据透视图、数据分析与可视化；实战部分为新零售智能销售数据分析项目实战，内容包含项目数据处理、商品销售
电子书
本书面向大数据应用型人才，以任务为导向，系统地介绍Python数据分析与挖掘的常用技术与真实案例。全书共7章，第1、2章介绍Python数据分析的常用模块及其应用，涵盖NumPy数值计算模块、pandas数据分析模块，较为系统地阐述Python数据分析的方法；第3、4章介绍轻量级的数据交换格式JSON和连接MySQL数据库的pymysql模块，并以此进行数据综合案例的分析；第5章介绍Matplot
电子书
本书主要介绍数据分析的基础知识和实操过程。全书共7章，首先从数据分析概述入手，介绍数据分析的基础知识、数据分析的流程、常用的数据分析方法及数据分析的道德与职业原则。接着以八爪鱼采集器和Excel为例，从商务数据采集概述及初级应用、数据采集高级应用及采集实例、数据清洗与整理、数据可视化、数据分析报告的撰写等数据分析的流程切入，结合具体的案例进行详细讲解。最后为数据分析案例实践，主要介绍旅游产品的游记
电子书
本书全面讲解Python数据分析的相关知识和技术，内容包括Python数据分析概述、NumPy数值计算、Matplotlib数据可视化、Pandas数据分析、数据预处理、Sklearn机器学习。 本书以培养学生编程能力和数据分析能力为目标，注重技术应用能力的培养。 本书内容充实、结构合理、实用性强，具有明确的应用能力培养目标，易于接受和理解，学完本书后，可以具备数据分析的基本能力。 本书适合
