本书重点介绍了目前处理数据非常有效的工具——Excel、Python和数据库的应用知识。本书通过一则完整的故事讨论了如何以Python编程为中心，结合Excel和数据库的特点，并以基础统计学贯穿其中，帮助读者深入地了解数据分析的相关知识。在本书中，首先，讨论了如何使用Excel整理数据，以及Excel中数学和统计函数的应用；其次，探讨了与Python编程相关的数据分析内容，包括在Python中进行
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。
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
电子书
本书从大数据可视化的基本概念入手，介绍大数据的采集及预处理、大数据可视化的主要工具及使用相关工具进行可视化分析等方面的内容。《大数据分析可视化》共8章。第1章-第3章主要介绍大数据可视化的基本概念、相关工具和大数据采集及预处理，第4章-第6章主要介绍基本图形制作、极坐标系和平行坐标系下各类图形制作及基本三维图形与地图制作，第7章-第8章主要介绍机器学习可视化图形制作及进阶图形制作。
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、无效数据处理操作，Matplotlib和pandas包的不同种类图形绘制框架代码等内容都融入到示例中，通过示例，循序渐进、浅显易懂地讲解可视化分析所需要的知识点。 本书适合Python可视化初学者使用，也可作为相关机构的培训用书
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。每章内附有实用性范例供读者练习，巩固所学知识。 本书在讲解数据可视化的基础性原理的同时，融入真实案例分析，具有较强的实用性，帮助读者举一反三，真正学会大数据可视化和数据挖掘的工具软件，能运用大数据思维解决学习和工作中的实际问题。
电子书
本书主要针对数据科学、统计学、商学领域的教学，介绍基于Python软件的数据可视化基础知识、数据计算与交互式绘图，机器学习中的可视化工具和技术，以及特定数据结构下的可视化技术，如金融数据结构、生物数据结构、网络数据结构中的可视化展示，并配以丰富的案例，紧密结合常见的统计方法和机器学习方法。本书配有大量实际案例和习题，涉及金融、经济管理、医疗影像、健康大数据、地理数据等方面的知识，内容翔实，能让授课
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为区域销售情况分析；项目4为商品库存的分析；项目5为用户行为的分析；项目6为商品销售量的预测；项目7介绍了“自动售货机”周报的撰写。
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论知识的同时快速上手实现数据分析与可视化的程序。
电子书
本书共3章。第1章讲述Python基础知识，包括Python语言基本语法、内置数据类型、Python控制语句、函数和文件操作；第2章讲述Python数据分析，包括Numpy数值计算基础、Numpy数学与算术函数、Numpy中的数据统计与分析、pandas统计分析基础、pandas数据运算、pandas数据载入与预处理；第3章讲述数据可视化，包括matplotlib绘图基础、使用pandas和Sea
