本书是从实践出发，同时结合一线教师的实践教学经验，以示例为主线，把可视化需要的Python基础语法，Numpy和pandas包中数据结构及读取Excel/CSV文件操作、无效数...
电子书
内容简介
本书共9章，内容包括数据分析及可视化概述、Python数据分析基础、Python数据可视化方法、数据挖掘基础及可视化、数据基本分析及可视化、数据综合评价及可视化等。
章节目录
- A-fy
- 57840-Bq
- C-qy
- 3
- 前言
- 1．Excel与Python结合，强化实践应用
- 2．采用Jupyter网络化平台，在线教学与实践
- 3．零基础入门数据分析，微课和云计算平台同步指导
- 4．教学资源丰富，在线资源共享
- D-ml
- 3
- 目录
- 01
- 数据分析及可视化概述
- 第1章
- 1.1 数据分析概述
- 1.1.1 传统的数据分析
- 1．数据分析基础
- 2．传统数据分析基本步骤
- 1.1.2 大数据分析基础
- 1．大数据的含义
- 2．大数据分析方法
- 1.1.3 数据分析可视化工具
- 1．常用数据分析工具简介
- 2．数据分析及可视化工具选择
- 1.2 数据的收集与管理
- 1.2.1 数据分析集的构成
- 1．数据分析指标的分类
- 2．数据分析指标体系的构建原则
- 3．数据集的构成
- 1.2.2 数据的收集与保存
- 1．数据的收集范围
- 2．数据的构成形式
- 3．数据的存储方式
- 【Excel的基本操作】
- 练习题1
- 一、选择题
- 二、论述题
- 02
- Python数据分析基础
- 第2章
- 2.1 Python数据处理基础
- 2.1.1 Python的编程环境
- 1．Python基础编程环境
- 2．Anaconda数据分析包
- 3．Jupyter项目
- 2.1.2 Python的编程基础
- 1．Python的工作目录
- 2．Python基本数据类型
- 3．Python扩展数据类型
- 2.1.3 Python的函数定义
- 1．函数的定义与调用
- 2．函数的参数与返回值
- 2.2 Python数据处理方法
- 2.2.1 Python数据处理包
- 1．常用数据处理包
- 2．数据框及其构成
- 3．数据框的读存
- 【Excel的基本操作】
- 2.2.2 数据框的基本操作
- 1．数据框结构
- 2．数据框显示
- 3．选取列变量
- 4．选取行数据
- 【Excel的基本操作】
- 2.2.3 数据框的重组与透视
- 1．合并数据框
- 2．数据框的重构
- 3．数据框的透视
- 【Excel的基本操作】
- 【Excel的基本操作】
- 练习题2
- 一、选择题
- 二、计算题
- 03
- Python数据可视化方法
- 第3章
- 3.1 基于列表的可视化
- 3.1.1 Matplotlib的基本绘图
- 1．横向数据的绘图
- 【Excel的基本操作】
- 2．纵向数据的绘图
- 【Excel的基本操作】
- 3.1.2 Matplotlib图形设置
- 1．图形大小设置
- 2．标题、标签及颜色
- 3．线型和符号
- 3.2 基于数据框的可视化
- 3.2.1 基于pandas的可视化
- 1．pandas的绘图函数
- 2．pandas数据框绘图法
- 3．选取面板数据
- 3.2.2 基于cufflinks的可视化
- 1．关于cufflinks绘图包
- 2．cufflinks数据框绘图法
- 练习题3
- 一、选择题
- 二、计算题
- 04
- 数据挖掘基础及可视化
- 第4章
- 4.1 数据的透视分析
- 4.1.1 透视表的构建
- 1．无筛选透视表
- 【Excel的基本操作】
- 【Excel的基本操作】
- 2．有筛选透视表
- 【Excel的基本操作】
- 3．透视表的分析
- 【Excel的基本操作】
- 4.1.2 透视图的绘制
- 【Excel的基本操作】
- 4.2 探索性数据分析
- 4.2.1 纵向数据探索性分析
- 1．绝对数动态数列
- 2．相对数动态数列
- 【Excel的基本操作】
- 4.2.2 横向数据探索性分析
- 1．频数表与直方图
- 【Excel的基本操作】
- 2．数据的分布特征
- 3．正态分布检验图
- 练习题4
- 一、选择题
- 二、计算题
- 05
- 数据基本分析及可视化
- 第5章
- 5.1 数据的描述性统计分析
- 5.1.1 数据的描述统计
- 1．次序统计
- 2．集中趋势
- 3．离散程度
- 【Excel的基本操作】
- 【Excel的基本操作】
- 4．箱形图
- 【Excel的基本操作】
- 5.1.2 数据的综合统计
- 1．多变量数据统计
- 【Excel的基本操作】
- 2．数据的分组统计
- 5.2 数据的聚类分析
- 5.2.1 聚类分析的思想
- 1．聚类分析的起源
- 2．聚类分析的类型
- 3．聚类分析统计量
- 5.2.2 层次聚类分析
- 1．层次聚类方法
- 2．层次聚类步骤
- 3．实例分析
- 练习题5
- 计算题
- 06
- 数据综合评价及可视化
- 第6章
- 6.1 综合评价的方法及应用
- 6.1.1 单指标数据分析
- 1．单指标数据比较分析
- 【Excel的基本操作】
- 2．数据的无量纲化方法
- 【Excel的基本操作】
- 6.1.2 综合评价指数的构建
- 1．指标权重计算
- 【Excel的基本操作】
- 2．综合评价指数计算
- 【Excel的基本操作】
- 3．综合评价指数的可视化
- 6.2 综合指数的监测预警
- 6.2.1 综合指数的构建
- 6.2.2 综合指数的差异分析
- 1．绝对差异分析
- 2．相对差异分析
- 6.2.3 综合指数的监测预警
- 1．单地区监测图
- 2．多地区监测图
- 练习题6
- 计算题
- 07
- 数据统计推断及可视化
- 第7章
- 7.1 随机抽样及其分布图
- 7.1.1 总体和样本
- 1．基本概念
- 2．随机抽样
- 7.1.2 统计量的分布
- 1．标准正态分布
- 2．t分布
- 7.2 参数的统计推断
- 7.2.1 参数的估计方法
- 1．点估计
- 2．区间估计
- 7.2.2 假设检验的思想
- 1．假设检验的基本思想
- 2．假设检验的基本步骤
- 7.2.3 均值比较的t检验
- 1．单样本均值的t检验
- 【Excel的基本操作】
- 【Excel的基本操作】
- 2．两样本均值的t检验
- 【Excel的基本操作】
- 练习题7
- 一、选择题
- 二、计算题
- 08
- 数据模型分析及可视化
- 第8章
- 8.1 相关分析及可视化
- 8.1.1 两变量线性相关分析
- 1．相关系数的计算
- 2．相关系数的检验
- 【Excel的基本操作】
- 8.1.2 多变量线性相关分析
- 1．相关系数矩阵及散点图
- 【Excel的基本操作】
- 2．变量间相关系数的检验
- 8.2 线性回归模型及可视化
- 8.2.1 两变量线性回归模型
- 1．简单线性模型估计
- 2．简单线性模型检验
- 3．实例分析模型
- 【Excel的基本操作】
- 4．模型预测方法
- 8.2.2 多变量线性回归模型
- 1．多变量线性回归模型形式
- 2．线性回归模型的基本假设
- 3．偏回归系数的假设检验
- 4．回归模型的检验与评判
- 【Excel的基本操作】
- 8.2.3 可线性化的非线性模型
- 1．两变量非线性回归模型
- 2．趋势模型的构建
- 【Excel的基本操作】
- 3．生产函数及其应用
- 8.3 一般线性模型及可视化
- 8.3.1 一般线性模型的形式
- 1．线性回归模型
- 2．方差分析模型
- 3．协方差分析模型
- 8.3.2 单因素方差分析模型
- 1．横向数据比较
- 2．纵向数据比较
- 练习题8
- 一、选择题
- 二、计算题
- 09
- 文本数据挖掘及在线数据分析
- 第9章
- 9.1 文本数据预处理、挖掘及可视化
- 9.1.1 文本数据的预处理
- 1．字符及字符串统计
- 2．字符串连接与拆分
- 3．字符串查询与替换
- 9.1.2 文本数据挖掘及可视化
- 1．文本数据挖掘的概念与方法
- 2．Python分词包jieba
- 3．文本数据的收集与分词
- 4．词频与词云分析及可视化
- 9.2 在线数据的获取及分析
- 9.2.1 简单数据的获取及分析
- 1．行政区划数据的获取
- 2．居民消费水平数据的获取
- 3．股票数据的获取
- 9.2.2 网络数据的获取及分析
- 1．Python爬虫步骤
- 2．爬虫数据的分析
- 练习题9
- 一、选择题
- 二、计算题
- fla
- Excel数据分析及工具
- 附录A
- A1 Excel中的分析函数
- A1.1 函数结构及使用
- A1.2 函数的输入及引用
- 1．按照引用的绝对与相对划分
- 2．跨表格单元格引用的情形
- A2 Excel中的数据分析工具
- A2.1 Excel数据分析工具加载
- A2.2 数据分析工具的使用
- flb
- Python基本运算函数
- 附录B
- B1 Python编程运算基础
- B1.1 运算符及控制语句
- B1.2 数据框的取值
- B2 Python函数的使用
- B2.1 内置函数
- B2.2 库函数
- flc
- Python数据分析平台快速入门
- 附录C
- C1 安装Anaconda
- C1.1 安装Anaconda个人版
- C1.2 运行Anaconda个人版
- C2 Jupyter的启动
- C2.1 菜单模式
- C2.2 命令行模式
- C3 Spyder的启动
- C3.1 Spyder编程界面
- C3.2 Spyder设置
- ckwx
- 3
- 参考文献
展开全部
数据分析及可视化（Excel+Python）是2022年由人民邮电出版社出版,作者王斌会 编著。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《数据分析及可视化（Excel+Python）》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
本书是从实践出发，同时结合一线教师的实践教学经验，以示例为主线，把可视化需要的Python基础语法，Numpy和pandas包中数据结构及读取Excel/CSV文件操作、无效数...
电子书
本书以循序渐进的方式，由浅入深地讲述了数据分析的整个过程。全书共分6章，主要内容包括：数据分析概述、数据可视化初步、数据可视化进阶、数据挖掘基础、数据分析报告和综合案例。每章内...
电子书
本书采用理论分析和Python编程实战相结合的形式，按照数据分析与可视化的基本步骤，数据分析与可视化的基本理论知识和相应的Python库进行了详细的介绍，让读者能够在了解基本理...
电子书
本书以“自动售货机”产品销售为主线，共分7个项目。项目1介绍了某企业“自动售货机”的经营困惑，以及“自动售货机”数据分析的流程；项目2为商品的整体销售情况分析；项目3为区域销售...
电子书
本书以任务为导向，全面地介绍了数据分析的流程和PowerBI数据分析的应用，详细讲解了使用PowerBI解决企业实际问题的方法。全书共8章，包括数据分析与可视化概述、数据获取、...
电子书
本书分为4部分：第1部分主要介绍数据的采集，从数据采集的意义和基本概念开始，介绍依次介绍Python工具库、Scrapy第三方框架、如何采集数据，以及如何通过Selenium采...