本书针对Python零基础的读者，重点讲解利用Python进行数据分析的基础知识，并通过大量的实战案例，使读者掌握数据处理、分析与可视化的方法。全书分为4个部分，共13章，主要内容包括：Python语法基础、网络爬虫、NumPy、pandas、正则表达式与格式化输出、数据处理与数据分析、Matplotlib、pyecharts、Altair动态可视化、NetworkX、航班数据分析、豆瓣网络数据分
电子书
内容简介
本书以Python 3.9为编程环境，从Python编程基础到扩展库，再到数据分析，逐步展开Python数据分析与可视化教学。本书首先简要介绍数据分析与可视化的相关概念，并介绍Python基础知识；然后按照数据分析的主要步骤，重点介绍与数据获取、数据处理、数据分析、数据可视化以及机器学习建模过程相关的扩展库，包括NumPy、Pandas、BeautifulSoup、sklearn、Matplotlib、seaborn、pyecharts等；最后通过股票数据量化分析和销售业客户价值数据分析两个案例实战演示Python和相关扩展库的应用，将Python数据分析和可视化知识与实用案例有机结合。
本书适合作为高等院校本科生“数据分析”等课程的教材，也适合作为数据分析初学者的自学用书，还适合从事数据分析相关工作的工程师和爱好者阅读。
章节目录
- 封面
- 扉页
- 版权信息
- 内容提要
- 前言
- 第1章 数据分析与可视化概述
- 1.1 数据与大数据
- 1.2 数据分析
- 1.3 数据可视化
- 1.3.1 数据可视化的目标
- 1.3.2 数据可视化的作用
- 1.3.3 数据可视化的优势
- 1.4 数据分析流程
- 1.5 Python数据分析与可视化
- 1.5.1 为什么选择Python做数据分析
- 1.5.2 Python数据分析与可视化常用类库
- 1.6 Jupyter Notebook的安装和使用
- 1.6.1 Jupyter Notebook的安装
- 1.6.2 Jupyter Notebook的使用
- 1.7 PyCharm的安装和使用
- 习题
- 实验一 熟悉Python开发环境
- 第2章 Python编程基础
- 2.1 Python语言简介
- 2.2 Python语言基本语法
- 2.2.1 Python基础数据类型
- 2.2.2 Python数据结构
- 2.2.3 Python控制语句
- 2.2.4 Python函数与模块
- 2.3 Python面向对象程序设计
- 2.3.1 定义和使用类
- 2.3.2 构造函数
- 2.3.3 析构函数
- 2.3.4 实例属性和类属性
- 2.3.5 私有成员与公有成员
- 2.3.6 方法
- 2.3.7 类的继承
- 2.4 Python图形用户界面设计
- 2.4.1 创建Windows窗口
- 2.4.2 几何布局管理器
- 2.4.3 Tkinter组件
- 2.4.4 Python事件处理
- 2.4.5 图形用户界面设计应用案例
- 2.5 操作常用文件
- 2.5.1 操作CSV文件
- 2.5.2 操作Excel文件
- 2.5.3 操作JSON文件
- 2.6 Python的第三方库
- 习题
- 实验二 基于Tkinter的GUI程序开发
- 第3章 科学计算NumPy库
- 3.1 NumPy数组的使用
- 3.1.1 NumPy数组说明
- 3.1.2 NumPy数组中的元素访问
- 3.1.3 NumPy数组的运算
- 3.1.4 NumPy数组的形状操作
- 3.2 NumPy中的矩阵对象
- 3.3 NumPy中的数据统计分析
- 3.3.1 排序
- 3.3.2 数据去重与数据重复
- 习题
- 实验三 NumPy数据分析应用
- 第4章 Pandas统计分析基础
- 4.1 Pandas
- 4.1.1 Series
- 4.1.2 DataFrame
- 4.2 Pandas统计
- 4.2.1 基本统计
- 4.2.2 分组统计
- 4.3 Pandas排序和排名
- 4.3.1 Series的排序
- 4.3.2 DataFrame的排序
- 4.3.3 Series和DataFrame的排名
- 4.4 Pandas筛选和过滤
- 4.4.1 筛选
- 4.4.2 按筛选条件进行汇总
- 4.4.3 过滤
- 4.5 Pandas数据透视表和交叉表
- 4.5.1 数据透视表
- 4.5.2 交叉表
- 4.6 Pandas数据导入导出
- 4.6.1 导入CSV文件
- 4.6.2 导入其他格式文件
- 4.6.3 导出Excel文件
- 4.6.4 导出CSV文件
- 4.6.5 读取和写入数据库
- 4.7 Pandas日期处理
- 4.8 Pandas数据运算
- 4.8.1 简单算术运算
- 4.8.2 应用函数运算
- 4.9 Pandas数据分析应用案例——学生成绩统计分析
- 习题
- 实验四 Pandas数据分析应用
- 第5章 Python爬取网页数据
- 5.1 HTTP与网络爬虫相关知识
- 5.2 urllib库
- 5.2.1 urllib库简介
- 5.2.2 urllib库的基本使用
- 5.3 BeautifulSoup库
- 5.3.1 BeautifulSoup库概述
- 5.3.2 BeautifulSoup库的四大对象
- 5.3.3 BeautifulSoup库解析文档树
- 5.4 requests库
- 5.4.1 requests库的使用
- 5.4.2 requests库的应用案例
- 5.5 动态网页爬虫
- 5.5.1 AJAX动态网页爬取
- 5.5.2 动态网页爬虫——爬取今日头条新闻
- 5.6 Selenium实现AJAX动态加载
- 5.6.1 安装Selenium
- 5.6.2 Selenium详细用法
- 5.6.3 Selenium应用案例
- 5.6.4 Selenium处理滚动条
- 5.6.5 Selenium动态加载——爬取今日头条新闻
- 5.7 爬虫应用案例——Python爬取新浪国内新闻
- 5.8 爬虫应用案例——Python爬取豆瓣电影TOP 250
- 习题
- 实验五 Python爬取网页信息
- 第6章 数据处理与数据分析
- 6.1 数据处理
- 6.1.1 数据清理
- 6.1.2 数据集成
- 6.1.3 数据变换与数据离散化
- 6.2 Pandas数据清理
- 6.2.1 处理缺失值
- 6.2.2 处理重复值
- 6.2.3 处理格式错误
- 6.2.4 处理错误数据
- 6.2.5 处理异常值
- 6.3 Pandas数据集成
- 6.3.1 SQL合并/连接
- 6.3.2 字段合并
- 6.3.3 记录合并
- 6.4 Pandas数据变换与数据离散化
- 6.4.1 简单函数变换
- 6.4.2 数据标准化
- 6.4.3 数据离散化
- 6.5 Pandas数据分析
- 6.5.1 描述性分析
- 6.5.2 分布分析
- 6.5.3 相关分析
- 习题
- 实验六 数据处理与数据分析
- 第7章 sklearn构造数据分析模型
- 7.1 机器学习基础
- 7.1.1 机器学习概念
- 7.1.2 机器学习分类
- 7.1.3 机器学习流程
- 7.1.4 机器学习库sklearn的安装
- 7.2 机器学习库sklearn的应用
- 7.2.1 sklearn常用数据集
- 7.2.2 聚类
- 7.2.3 分类
- 7.2.4 回归
- 7.2.5 主成分分析
- 7.2.6 鸢尾花相关的分类、预测及降维
- 习题
- 实验七 sklearn机器学习应用
- 第8章 数据可视化
- 8.1 Matplotlib绘图可视化
- 8.1.1 Matplotlib.pyplot模块——快速绘图
- 8.1.2 绘制直方图、条形图、散点图、饼图
- 8.1.3 交互式标注
- 8.2 seaborn绘图可视化
- 8.2.1 seaborn安装和内置数据集
- 8.2.2 seaborn设置背景与边框
- 8.2.3 seaborn绘制散点图
- 8.2.4 seaborn绘制折线图
- 8.2.5 seaborn绘制直方图
- 8.2.6 seaborn绘制条形图
- 8.2.7 seaborn绘制线性回归模型
- 8.2.8 seaborn绘制箱线图
- 8.3 pyecharts绘图可视化
- 8.3.1 安装pyecharts
- 8.3.2 体验图表
- 8.3.3 常用图表
- 8.4 Pandas数据分析应用案例——天气数据分析和展示
- 8.4.1 爬取数据
- 8.4.2 Pandas处理分析数据
- 8.4.3 数据可视化展示
- 8.5 数据可视化应用案例——学生成绩分布条形图展示
- 8.5.1 程序设计的思路
- 8.5.2 程序设计的步骤
- 习题
- 实验八 数据可视化
- 第9章 案例实战——股票数据量化分析
- 9.1 股票数据量化分析的背景与功能
- 9.2 程序设计的思路
- 9.3 程序设计的步骤
- 第10章 案例实战——销售业客户价值数据分析
- 10.1 销售业客户价值数据分析的意义
- 10.2 程序设计的思路
- 10.3 程序设计的步骤
- 参考文献
展开全部
Python数据分析与可视化教程（微课版）是2024年由人民邮电出版社出版,作者夏敏捷。
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数据分析与可视化教程（微课版）》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
本书采用单元式结构，每个单元中包含有多项任务，每个任务都是一项具体的应用案例。通过各单元中的任务驱动案例和拓展训练，从任务描述知识储备任务实施等环节出发，深入浅出地介绍Python数据可视化的方法和程序设计思路。本书单元1～单元3介绍数据可视化的基本概念；单元4～单元6分别介绍Matplotlib、Seabom和pyecharts库数据可视化的基本方法；单元7是pyecharts综合项目案例。本书
电子书
本书共12章，主要内容包括第1章介绍数据可视化的基础知识，第2章介绍Python数据可视化库及其参数配置，第3章介绍时序数据的可视化，并通过实际案例讲解其可视化方法，第4章介绍金融数据的可视化，并通过实际案例讲解其可视化方法，第5章介绍空间数据的可视化，并通过实际案例讲解其可视化方法，第6章介绍地理数据的可视化，并通过实际案例讲解其可视化方法，第7章介绍层次数据的可视化，并通过实际案例讲解其可视化
电子书
本书共10章，主要内容包括：Tableau数据可视化概述、Tableau连接数据源、Tableau基础操作、Tableau高级操作、Tableau数据可视化、Tableau仪表板和故事等。
电子书
本书共9章，主要内容包括：Python语法基础、Python数据结构、函数和类、正则表达式与格式化输出、Numpy和Pandas、数据处理与分析、网络爬虫、数据可视化、应用案例分析。
电子书
1.Python零基础，轻松学会数据分析与挖掘2.编码、分析、挖掘，数据分析全流程一次搞定3.微课视频，扫码即可观看，重点难点逐个击破本书适于统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生使用，也能够提高从事数据咨询、研究或分析等人士的专业水平和技能。
电子书
本书注重基础、循序渐进，系统地讲述了Microsoft推出的智能商业数据分析软件PowerBI的相关基础知识，涵盖了安装PowerBIDesktop、获取数据、查询编辑器、数据分析表达式、数据视图、管理关系、报表、可视化效果、PowerBI服务等内容，并在最后一章以社科研究数据分析为例进行了知识点的综合讲解。对于每一个知识点，本书都尽量结合实例帮助读者学习理解。前8章最后都配有综合实例来说明本章知
电子书
本书共10章，第1章介绍数据分析的概念等相关知识：第2-6章介绍Python数据分析的常用库及其应用，涵盖NumPy数组计算，pandas统计分析，使用pandas进行数据预处理，Matplotlib、seaborm与pyecharts数据可视化，以及使用scikit-learn构建模型，较为全面地阐述Python数据分析方法：第7-9章结合之前所学的数据分析技术，进行企业综合案例数据分析；第10
