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
内容简介
|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。
章节目录
- 第 1 章 商务数据分析概述
- 1.1 商务数据分析的基本概念
- 1.2 数据分析流程
- 1.2.1 需求分析
- 1.2.2 数据获取
- 1.2.3 探索性分析
- 1.2.4 数据预处理
- 1.2.5 构建模型
- 1.2.6 模型评价
- 1.2.7 应用
- 1.3 商务数据分析应用场景
- 1.4 数据分析工具
- 1.4.1 常用的数据分析工具
- 1.4.2 Python 数据分析的优势
- 1.4.3 Python 数据分析常用库
- 小结
- 课后习题
- 第 2 章 Python 数据分析简介
- 2.1 Python 数据分析环境
- 2.1.1 Python 的Anaconda 发行版
- 2.1.2 Anaconda 安装
- 2.2 Python 使用入门
- 2.2.1 运行方式
- 2.2.2 基本命令
- 2.2.3 库的导入与添加
- 小结
- 课后习题
- 第 3 章 数据获取
- 3.1 常见的数据来源
- 3.2 数据类型
- 3.3 数据读取方式
- 3.3.1 数据库连接
- 3.3.2 文件读取
- 3.4 常用的Python 数据格式转换与读/写函数
- 3.4.1 常用的Python 数据格式转换函数
- 3.4.2 常用的Python 数据读/写函数
- 小结
- 课后习题
- 第 4 章 探索性分析
- 4.1 描述性统计分析
- 4.1.1 集中趋势统计指标
- 4.1.2 离散程度统计指标
- 4.2 可视化分析
- 4.2.1 散点图
- 4.2.2 折线图
- 4.2.3 柱形图
- 4.2.4 饼图
- 4.2.5 箱线图
- 4.2.6 热力图
- 4.3 常用的Python 探索性分析函数
- 4.3.1 常用的Python 基本统计分析函数
- 4.3.2 常用的Python 作图函数
- 小结
- 课后习题
- 第 5 章 数据预处理
- 5.1 数据清洗
- 5.1.1 缺失值处理
- 5.1.2 异常值处理
- 5.2 数据合并
- 5.2.1 多表合并
- 5.2.2 分组聚合
- 5.3 数据变换
- 5.3.1 函数变换
- 5.3.2 数据标准化
- 5.3.3 连续属性离散化
- 5.3.4 属性构造
- 5.4 Python 的主要数据预处理函数
- 小结
- 课后习题
- 第 6 章 构建模型
- 6.1 分类与回归
- 6.1.1 实现过程
- 6.1.2 常用的分类与回归算法
- 6.1.3 回归分析
- 6.1.4 决策树
- 6.1.5 人工神经网络
- 6.1.6 分类与回归算法评价
- 6.1.7 常用的Python 分类与回归算法
- 6.2 聚类分析
- 6.2.1 常用的聚类分析算法
- 6.2.2 K-Means 算法
- 6.2.3 聚类分析算法评价
- 6.2.4 常用的Python 聚类分析算法
- 6.3 关联规则
- 6.3.1 常用的关联规则算法
- 6.3.2 Apriori 算法实现
- 6.4 时序模式
- 6.4.1 时间序列分析方法与模型
- 6.4.2 时间序列的预处理
- 6.4.3 平稳时间序列分析
- 6.4.4 非平稳时间序列分析
- 6.4.5 常用Python 时序模式算法
- 6.5 智能推荐
- 6.5.1 常见的智能推荐算法
- 6.5.2 智能推荐算法评价
- 6.5.3 Python 智能推荐算法
- 小结
- 课后习题
- 第 7 章 O2O 优惠券个性化投放
- 7.1 业务背景与项目目标
- 7.2 分析方法与过程
- 7.2.1 数据获取
- 7.2.2 探索性分析
- 7.2.3 数据预处理
- 7.2.4 构建模型
- 7.2.5 模型评价
- 7.2.6 应用
- 小结
- 课后习题
- 第 8 章 零售商品购物篮分析
- 8.1 业务背景与项目目标
- 8.2 分析方法与过程
- 8.2.1 数据获取
- 8.2.2 探索性分析
- 8.2.3 数据预处理
- 8.2.4 构建模型
- 8.2.5 模型评价
- 8.2.6 应用
- 小结
- 课后习题
- 第 9 章 餐饮企业综合分析
- 9.1 业务背景与项目目标
- 9.2 分析方法与过程
- 9.2.1 数据获取
- 9.2.2 探索性分析
- 9.2.3 数据预处理
- 9.2.4 构建模型
- 9.2.5 模型评价
- 9.2.6 应用
- 小结
- 课后习题
- 第 1 0 章 基于TipDM 数据挖掘建模平台进行餐饮企业综合分析
- 10.1 平台简介
- 10.1.1 首页
- 10.1.2 数据源
- 10.1.3 工程
- 10.1.4 系统组件
- 10.1.5 TipDM 数据挖掘建模平台的本地化部署
- 10.2 快速构建餐饮企业综合分析工程
- 10.2.1 数据获取
- 10.2.2 数据预处理
- 10.2.3 探索性分析
- 10.2.4 构建模型
- 小结
- 课后习题
- 参考文献
展开全部
Python商务数据分析与实战是2022年由人民邮电出版社出版,作者何伟，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商务数据分析与实战》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
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
本书共11章，分别介绍了机器学习概述、数据准备、特征工程、有监督学习、无监督学习、智能推荐的相关知识，并介绍了市财政收入分析案例、基于非侵入式电力负荷监测与分解的电力分析案例、航空公司客户价值分析案例、广电大数据营销推荐案例以及基于TipDM数据挖掘建模平台实现航空公司客户价值分析案例。
电子书
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
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
本书以广电大数据案例为主线，系统介绍数据仓库Hive存储和初步处理方法的相关知识。本书条理清楚、重点突出，内容循序渐进、由浅入深。本书共8章，包括广电大数据用户画像需求分析、部署开发环境、广电用户数据存储、广电用户基本数据简单查询、广电用户账单与订单数据查询进阶、广电用户收视行为数据查询优化、广电用户数据清洗及数据导出，以及广电用户数据存储与处理的程序开发。本书大部分章包含实训和课后习题，通过练习
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
电子书
本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；最后讨论如何解决实际的问题。本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参
