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
内容简介
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分析、电商数据的竞品分析两个真实的案例，教会读者活学活用。
章节目录
- A-fy
- 56987-bq
- c-qy
- 前言
- d-ml
- 目录
- 01
- 数据分析概述
- 第1章
- 1.1 数据分析的基础知识
- 1.1.1 数据分析的定义
- 1.1.2 数据分析的分类
- 1.1.3 数据分析的用处
- 1．利用数据监控现状
- 2．利用数据分析原因
- 3．利用数据预测未来
- 1.1.4 数据分析的工具
- 1.2 数据分析的流程
- 1.2.1 数据采集
- 1．企业内部数据库
- 2．公开数据库
- 3．电子商务数据
- 4．市场调查数据
- 1.2.2 数据清洗
- 1．重复数据处理
- 2．缺失值处理
- 3．错误数据处理
- 1.2.3 数据整理
- 1．数据抽取
- 2．数据分组
- 3．数据转换
- 4．数据抽样
- 1.2.4 数据可视化
- 1.2.5 数据分析报告撰写
- 1.3 常用的数据分析方法
- 1.3.1 PEST分析法
- 1.3.2 5W2H分析法
- 1.3.3 逻辑树分析法
- 1.3.4 相关分析
- 1.3.5 回归分析
- 1.3.6 综合评价分析法
- 1.3.7 四象限分析法
- 1.4 数据分析的道德与职业原则
- 1.4.1 数据分析造假
- 1.4.2 数据分析正能量
- 1.4.3 道德与伦理规范
- 1.4.4 职业原则
- 【本章小结】
- 【习题一】
- 【技能实训】
- 学 习 心 得
- 02
- 商务数据采集概述及初级应用
- 第2章
- 2.1 商务数据采集概述
- 2.1.1 初识数据
- 1．数据的构成
- 2．数据的获取途径
- 2.1.2 商务数据的含义
- 1．商务数据的基本概念
- 2．商务数据的作用
- 2.1.3 商务数据的来源与采集
- 1．商务数据的主要来源
- 2．商务数据的采集流程
- 2.2 商务数据的采集方法与采集工具
- 2.2.1 商务数据采集方法
- 1．Web爬虫
- 2．API
- 2.2.2 初识数据采集器
- 1．数据采集器简介
- 2．数据采集技术原理
- 2.2.3 数据采集器的安装与界面
- 1．数据采集器的注册与安装
- 2．数据采集器界面介绍
- 2.3 数据采集器初级应用
- 2.3.1 模板任务模式及实例
- 2.3.2 自定义任务模式及实例
- 1．单网页数据采集
- 2．列表详情页数据采集
- 3．正则表达式工具与分支判断
- 【本章小结】
- 【习题二】
- 【技能实训】
- 学 习 心 得
- 03
- 数据采集高级应用及采集实例
- 第3章
- 3.1 数据采集的高级应用
- 3.1.1 屏蔽网页广告
- 3.1.2 禁止加载图片
- 3.1.3 增量采集
- 1．对比URL法
- 2．触发器法
- 3.1.4 登录采集
- 1．账号密码登录
- 2．Cookie登录
- 3.1.5 图片及附件采集与下载
- 3.2 数据采集实例
- 3.2.1 金融网站的数据采集
- 3.2.2 百度地图中店铺的数据采集
- 3.2.3 电商产品的数据采集
- 3.2.4 职场招聘的数据采集
- 【本章小结】
- 【习题三】
- 【技能实训】
- 学 习 心 得
- 04
- 数据清洗与整理
- 第4章
- 4.1 数据清洗与整理的基本原则
- 1．完整性
- 2．唯一性
- 3．合法性
- 4．一致性
- 4.2 数据清洗的基本操作
- 4.2.1 删除重复项
- 1．正常情况
- 2．特殊情况
- 4.2.2 处理缺失值
- 1．填充原值
- 2．填充均值
- 4.2.3 分离组合列
- 1．按分隔符拆分
- 2．按固定宽度拆分
- 4.2.4 处理非法值
- 4.3 数据整理的基本方法
- 4.3.1 常规的数据整理方法
- 1．特殊字符处理
- 2．统一单位
- 3．数据离散化
- 4．自定义分组
- 5．数值型数据的数据类型转换
- 6．匹配
- 4.3.2 日期时间型的数据处理方法
- 1．提取日期值
- 2．转换日期格式
- 3．计算日期
- 【本章小结】
- 【习题四】
- 【技能实训】
- 学 习 心 得
- 05
- 数据可视化
- 第5章
- 5.1 常用统计量介绍及实现方法
- 5.1.1 集中趋势
- 1．平均数
- 2．中位数
- 3．众数
- 5.1.2 离散程度
- 1．异众比率
- 2．极差
- 3．四分位差
- 4．方差
- 5．标准差
- 5.1.3 分布形态
- 5.2 数据说明表
- 5.2.1 数据说明表的制作要点
- 1．变量类型
- 2．字段类型
- 3．取值范围
- 4．衍生变量
- 5．特殊情况
- 5.2.2 案例展示
- 1．变量类型
- 2．详细说明
- 3．取值范围
- 4．备注
- 5.3 数据可视化方法
- 5.3.1 单变量数据可视化
- 1．单个定性变量
- 【图表美化】
- 【图表解读】
- 2．单个定量变量
- 【图表美化】
- 【图表解读】
- 5.3.2 双变量数据可视化
- 1．两个定性变量
- 【图表美化】
- 【图表解读】
- 2．两个定量变量
- 【图表美化】
- 【图表解读】
- 【图表解读】
- 3．一个定性变量和一个定量变量
- 【图表美化】
- 【图表解读】
- 4．一个时间变量和一个定量变量
- 【图表美化】
- 【图表解读】
- 5.3.3 多变量数据可视化
- 【图表解读】
- 【本章小结】
- 【习题五】
- 【技能实训】
- 学 习 心 得
- 06
- 数据分析报告的撰写
- 第6章
- 6.1 数据分析报告概述
- 6.1.1 数据分析报告的定义
- 6.1.2 数据分析报告的写作原则
- 1．规范性原则
- 2．真实性原则
- 3．严谨性原则
- 4．创新性原则
- 6.1.3 数据分析报告的作用
- 1．呈现分析结果
- 2．审视现状预警
- 3．提供决策支持
- 6.1.4 数据分析报告的分类
- 1．按照要解决的问题分类
- 2．按照针对的受众分类
- 3．按照业务场景分类
- 4．按照展现形式分类
- 5．其他类型
- 6.2 数据分析报告的结构
- 6.2.1 标题
- 1．常见标题类型
- 2．拟定标题时需注意的方面
- 6.2.2 背景介绍
- 6.2.3 正文
- 1．数据获取说明
- 2．现状描述分析
- 3．建模分析
- 6.2.4 结论与建议
- 6.2.5 附录
- 6.3 撰写数据分析报告的注意事项
- 1．逻辑清晰
- 2．表达严谨
- 3．分析合理
- 4．排版简洁
- 6.4 数据分析报告撰写案例
- 一把木吉他，一个她——线上吉他价格影响因素分析
- 一、背景介绍
- 二、数据说明
- 三、描述分析
- 1．商品属性
- 2．店铺属性
- 3．物流属性
- 四、结论
- 【本章小结】
- 【习题六】
- 【技能实训】
- 学 习 心 得
- 07
- 数据分析案例实践
- 第7章
- 7.1 基于马蜂窝旅游产品的游记分析
- 7.1.1 马蜂窝数据的获取
- 7.1.2 马蜂窝数据的清洗与整理
- 7.1.3 马蜂窝数据的可视化
- 7.1.4 马蜂窝数据分析报告示例
- 一、背景介绍
- 二、数据说明
- 三、描述分析
- 四、结论与建议
- 7.2 基于电商数据的竞品分析
- 7.2.1 电商数据的获取
- 7.2.2 电商数据的清洗与整理
- 7.2.3 电商数据的可视化
- 7.2.4 竞品分析案例展示
- 一、背景介绍
- 二、数据说明
- 三、竞品分析
- 1．运行内存
- 2．前摄像素
- 3．后摄像素
- 4．分辨率
- 5．屏幕尺寸
- 6．电池容量
- 7．价格
- 8．累计评价量
- 【本章小结】
- 【习题七】
- 【技能实训】
- ck
- 参考文献
- 附录D
展开全部
数据分析基础与实战（微课版）是2022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《数据分析基础与实战（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
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
数据是非常重要的资产，是“数字经济”时代的核心生产要素。本书主要面向财经类等非大数据技术、计算机科学与技术等专业的学生，旨在培养学生大数据处理能力。本书重点讲解MySQL数据库基础、Python程序基础、浪潮可视化大数据三大核心内容，根据岗位典型工作任务，MySQL数据库重点讲解库表操作、结构化查询部分，Python重点讲解数据采集、数据整理与数据分析部分，同时拓展浪潮可视化数据处理应用。本书以企
电子书
本书全面系统地介绍了数字绘画的绘制技巧和要点，内容包括数字绘画的概念及其发展、数字绘画的创作工具、数字绘画基础、表现效果实战、复古题材电影概念设计与制作、科幻题材电影概念设计与制作、Q版游戏概念设计与制作、卡通类游戏概念设计与制作、写实类游戏概念设计与制作，结合电影、游戏领域的角色概念设计，深入浅出地展现了数字绘画从项目要求、项目分析到项目设计与绘制的完整流程。全书均以项目案例为主线，每个项目都有
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
本书由浅入深，内容丰富。全书共11章，主要内容包括第1章R语言数据分析概述、第2章R语言数据操作基础、第3章数据读写、第4章数据预处理、第5章数据的描述统计分析、第6章数据相关性分析、第7章R语言可视化基础、第8章高级可视化工具、第9章聚类分析、第10章关联规则、第11章分类及预测。
电子书
本书以培养应用能力为目标，将理论与实际应用相结合，系统地讲解使用Excel 2016进行数据处理与分析的方法。全书共分为11章，主要内容包括数据的输入与编辑，单元格数据的格式设置，公式、引用与名称，函数及其应用，数据图表处理，数据的排序与筛选，数据的汇总、合并与透视，数据的查询与核对，工作表的显示与打印，数据的安全与保密设置及Excel VBA基础等。本书可作为普通高等院校相关专业的教材，也可作为
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。
