中国信通院专家倾情撰写和推荐，知识图谱方法技术与实践应用指南。
电子书
内容简介
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。
章节目录
- 封面
- 扉页
- 版权信息
- 内容提要
- 前言
- 第1章 数据分析基础
- 1.1 什么是数据分析
- 1.2 数据分析的应用
- 1.3 数据分析方法
- 1.3.1 对比分析法
- 1.3.2 同比分析法
- 1.3.3 环比分析法
- 1.3.4 80/20法则
- 1.3.5 回归分析法
- 1.3.6 聚类分析法
- 1.3.7 时间序列分析法
- 1.4 数据分析工具
- 1.5 数据分析流程
- 1.5.1 明确目的
- 1.5.2 获取数据
- 1.5.3 数据处理
- 1.5.4 数据分析
- 1.5.5 验证结果
- 1.5.6 数据展现
- 1.5.7 数据应用
- 1.6 Python数据分析常用模块
- 1.6.1 数值计算模块
- 1.6.2 数据处理模块
- 1.6.3 数据可视化模块
- 1.6.4 机器学习模块
- 小结
- 习题
- 第2章 NumPy模块实现数值计算
- 2.1 初识NumPy模块
- 2.1.1 NumPy的诞生
- 2.1.2 NumPy的安装
- 2.1.3 NumPy的数据类型
- 2.1.4 数组对象ndarray
- 2.1.5 数据类型对象dtype
- 2.2 NumPy模块中数组的基本操作
- 2.2.1 内置的数组创建方法
- 2.2.2 生成随机数
- 2.2.3 切片和索引
- 2.2.4 修改数组形状
- 2.2.5 组合数组
- 2.2.6 数组分割
- 2.3 NumPy模块中函数的应用
- 2.3.1 数学函数
- 2.3.2 算术函数
- 2.3.3 统计函数
- 2.3.4 矩阵函数
- 2.4 广播机制
- 小结
- 习题
- 第3章 pandas模块实现统计分析
- 3.1 安装pandas模块
- 3.2 pandas数据结构
- 3.2.1 Series对象
- 3.2.2 DataFrame对象
- 3.3 读、写数据
- 3.3.1 读、写文本文件
- 3.3.2 读、写Excel文件
- 3.3.3 读、写数据库数据
- 3.4 数据操作
- 3.4.1 数据的增、删、改、查
- 3.4.2 NaN数据处理
- 3.4.3 时间数据的处理
- 3.5 数据的分组与聚合
- 3.5.1 分组数据
- 3.5.2 聚合数据
- 3.6 数据的预处理
- 3.6.1 合并数据
- 3.6.2 去除重复数据
- 小结
- 习题
- 第4章 Matplotlib模块实现数据可视化
- 4.1 基本用法
- 4.1.1 安装Matplotlib
- 4.1.2 pyplot子模块的绘图流程
- 4.1.3 pyplot子模块的常用语法
- 4.2 绘制常用图表
- 4.2.1 绘制条形图
- 4.2.2 绘制折线图
- 4.2.3 绘制散点图
- 4.2.4 绘制饼图
- 4.2.5 绘制箱形图
- 4.2.6 多面板图表
- 4.3 3D绘图
- 4.3.1 3D线图
- 4.3.2 3D曲面图
- 4.3.3 3D条形图
- 小结
- 习题
- 第5章 客户价值分析
- 5.1 背景
- 5.2 系统设计
- 5.2.1 系统功能结构
- 5.2.2 系统业务流程
- 5.2.3 系统预览
- 5.3 系统开发必备
- 5.3.1 开发环境及工具
- 5.3.2 项目文件结构
- 5.4 分析方法
- 5.4.1 RFM模型
- 5.4.2 聚类分析
- 5.4.3 k-means聚类算法
- 5.5 技术准备
- 5.5.1 sklearn模块
- 5.5.2 k-means聚类
- 5.5.3 pandas模块
- 5.6 用Python实现客户价值分析
- 5.6.1 数据抽取
- 5.6.2 数据探索分析
- 5.6.3 数据处理
- 5.6.4 客户聚类
- 5.6.5 客户价值分析
- 小结
- 习题
- 第6章 销售收入分析与预测
- 6.1 背景
- 6.2 系统设计
- 6.2.1 系统功能结构
- 6.2.2 系统业务流程
- 6.2.3 系统预览
- 6.3 系统开发必备
- 6.3.1 开发环境及工具
- 6.3.2 项目文件结构
- 6.4 分析方法
- 6.4.1 线性回归
- 6.4.2 最小二乘法
- 6.5 线性回归模型
- 6.6 Excel日期数据处理
- 6.6.1 按日期筛选数据
- 6.6.2 按日期显示数据
- 6.6.3 按日期统计数据
- 6.7 分析与预测
- 6.7.1 数据处理
- 6.7.2 日期数据统计并显示
- 6.7.3 根据历史销售数据绘制拟合图
- 6.7.4 预测销售收入
- 小结
- 习题
- 第7章 二手房数据分析预测系统
- 7.1 需求分析
- 7.2 系统设计
- 7.2.1 系统功能结构
- 7.2.2 系统业务流程
- 7.2.3 系统预览
- 7.3 系统开发必备
- 7.3.1 开发环境及工具
- 7.3.2 文件夹组织结构
- 7.4 技术准备
- 7.4.1 sklearn库概述
- 7.4.2 加载datasets子模块中的数据集
- 7.4.3 支持向量回归函数
- 7.5 图表工具模块
- 7.5.1 绘制饼图
- 7.5.2 绘制折线图
- 7.5.3 绘制条形图
- 7.6 二手房数据分析
- 7.6.1 清洗数据
- 7.6.2 各区二手房均价分析
- 7.6.3 各区房子数量比例
- 7.6.4 全市二手房装修程度分析
- 7.6.5 热门户型均价分析
- 7.6.6 二手房售价预测
- 小结
- 习题
- 第8章 智能停车场运营分析系统
- 8.1 需求分析
- 8.2 系统设计
- 8.2.1 系统功能结构
- 8.2.2 系统业务流程
- 8.2.3 系统预览
- 8.3 系统开发必备
- 8.3.1 开发环境及工具
- 8.3.2 文件夹组织结构
- 8.4 技术准备
- 8.4.1 初识Pygame
- 8.4.2 Pygame的基本应用
- 8.4.3 时间模块
- 8.4.4 日期时间模块
- 8.5 智能停车场数据分析
- 8.5.1 停车时间数据分布图
- 8.5.2 停车高峰时间所占比例
- 8.5.3 每周繁忙统计
- 8.5.4 月收入分析
- 8.5.5 每日接待车辆统计
- 8.5.6 车位使用率
- 小结
- 习题
- 第9章 影视作品分析
- 9.1 需求分析
- 9.2 系统设计
- 9.2.1 系统功能结构
- 9.2.2 系统业务流程
- 9.2.3 系统预览
- 9.3 系统开发必备
- 9.3.1 开发环境及工具
- 9.3.2 文件夹组织结构
- 9.4 技术准备
- 9.4.1 使用jieba模块进行分词
- 9.4.2 使用wordcloud库实现词云图
- 9.5 主窗体设计
- 9.5.1 实现主窗体
- 9.5.2 查看部分的隐藏与显示
- 9.5.3 下拉列表处理
- 9.6 数据分析与处理
- 9.6.1 获取数据
- 9.6.2 生成全国热力图文件
- 9.6.3 生成主要城市评论数及平均分文件
- 9.6.4 生成词云图
- 9.7 单击查看显示内容
- 9.7.1 创建显示HTML页面的窗体
- 9.7.2 创建显示图片的窗体
- 9.7.3 绑定查询按钮单击事件
- 小结
- 习题
- 第10章 看店宝
- 10.1 需求分析
- 10.2 系统设计
- 10.2.1 系统功能结构
- 10.2.2 系统业务流程
- 10.2.3 系统预览
- 10.3 系统开发必备
- 10.3.1 开发环境及工具
- 10.3.2 文件夹组织结构
- 10.4 技术准备
- 10.4.1 使用Python操作数据库
- 10.4.2 JSON模块的应用
- 10.5 主窗体的UI设计
- 10.5.1 对主窗体进行可视化设计
- 10.5.2 将可视化窗体转换为.py文件
- 10.5.3 设置窗体及控件背景
- 10.5.4 创建窗体控制文件
- 10.5.5 主窗体预览效果
- 10.6 设计数据库表结构
- 10.7 初始数据的爬取
- 10.7.1 爬取排行信息
- 10.7.2 爬取价格信息
- 10.7.3 爬取评价信息
- 10.7.4 定义数据库操作文件
- 10.8 图表分析数据
- 10.8.1 饼图展示评价信息
- 10.8.2 分析出版社所占比例的条形图
- 10.8.3 折线图分析价格走势
- 10.8.4 Top10数据展示
- 10.9 商品排行展示
- 10.9.1 热销商品排行榜
- 10.9.2 热门商品展示
- 10.10 关注商品
- 10.10.1 分析关注商品的预警信息
- 10.10.2 重点商品的关注与取消
- 10.11 商品营销预警
- 10.11.1 商品中、差评预警
- 10.11.2 商品价格变化预警
- 10.12 关注商品图表分析
- 10.12.1 关注商品评价分析饼图
- 10.12.2 关注商品出版社占有比例
- 10.13 其他功能
- 小结
- 习题
展开全部
Python数据分析案例实战(慕课版）是2020年由人民邮电出版社出版,作者王浩 袁琴 张明慧。
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数据分析案例实战(慕课版）》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
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
数据挖掘旨在发现蕴含在数据中的有价值的数据模式、知识或规律，是目前非常热门的研究领域。理解数据挖掘模型的原理、方法并熟练掌握其实现技术是数据挖掘从业者必备的能力。本书从理论模型和技术实战两个角度，全面讲述数据挖掘的基本流程、模型方法、实现技术及案例应用，帮助读者系统地掌握数据挖掘的核心技术，培养读者从事数据挖掘工作的基本能力。全书共12章，主要内容包括数据探索、数据预处理、特征选择、基础分类模型及
电子书
本书以应用为导向，将理论与实践相结合，深入浅出地介绍了利用Python进行大数据分析与挖掘的基本知识，以及如何将其应用到具体领域的方法。本书分3篇：基础篇、案例篇和提高篇。基础篇(第1章-第6章)主要介绍Python基础知识及应用于科学计算、数据处理、数据可视化、机器学习、深度学习等方面的基础知识；案例篇(第7章-第11章)主要介绍利用Python进行金融、地理信息、交通、文本分析、图像识别等领域
电子书
本书共分11章，第1章对大数据及Hadoop进行总体介绍；第2章讲解了如何搭建Hadoop集群；第3-5章讲解了HDFS分布式文件系统、MapReduce分布式计算框架以及Zookeeper分布式协调服务；第6章讲解Hadoop2.0的新特性；第7-10章主要讲解了Hadoop生态圈中的相关辅助系统，包括Hive、HBase分布式存储系统、Flume、Saoop；第11章讲解了综合项目：电商精准营
电子书
统地阐述大数据分析处理工作流程中的重要步骤。
电子书
本书是Python入门图书，适合初学者使用。全书共9章，通过64个有趣的案例介绍Python基础知识，主要内容包括搭建Python开发环境、Python基础、字符串与列表、字典、if语句、循环语句、循环嵌套语句、文件与系统、函数。本书为慕课版教材，在人邮学院（www.rymooc.com）平台上提供了本书的配套慕课，同时编者还为本书各章节的主要内容配备了以二维码为载体的微课。此外，本书还提供课程资
