电子书
内容简介
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章基于去编程化的TipDM大数据挖掘建模平台实现客户流失预测。除第1章外，本书各章都包含实训与课后习题，通过练习和操作实践，帮助读者巩固所学的内容。
章节目录
- 第 1 章 Python 数据分析概述
- 任务1.1 认识数据分析
- 1.1.1 掌握数据分析的概念
- 1.1.2 掌握数据分析的流程
- 1.1.3 了解数据分析的应用场景
- 任务1.2 熟悉Python 数据分析的工具
- 1.2.1 了解数据分析常用工具
- 1.2.2 了解Python 数据分析的优势
- 1.2.3 了解Python 数据分析常用库
- 任务1.3 安装Python 的Anaconda 发行版
- 1.3.1 了解Python 的Anaconda 发行版
- 1.3.2 在Windows 系统中安装Anaconda 发行版
- 1.3.3 在Linux 系统中安装Anaconda 发行版
- 任务1.4 掌握Jupyter Notebook 常用功能
- 1.4.1 掌握Jupyter Notebook 的基本功能
- 1.4.2 掌握Jupyter Notebook 的高级功能
- 小结
- 课后习题
- 第 2 章 NumPy 数组计算基础
- 任务2.1 掌握NumPy 数组对象ndarray
- 2.1.1 创建数组对象
- 2.1.2 生成随机数
- 2.1.3 通过索引访问数组
- 2.1.4 变换数组的形状
- 任务2.2 掌握NumPy 矩阵与通用函数
- 2.2.1 创建NumPy 矩阵
- 2.2.2 掌握ufunc 函数
- 任务2.3 利用NumPy 进行统计分析
- 2.3.1 读/写文件
- 2.3.2 使用函数进行简单的统计分析
- 小结
- 实训
- 实训1 使用数组比较运算对超市牛奶价格进行对比
- 实训2 创建6×6 的简单数独游戏矩阵
- 课后习题
- 第 3 章 pandas 统计分析基础
- 任务3.1 读/写不同数据源的数据
- 3.1.1 认识pandas 库
- 3.1.2 读/写文本文件
- 3.1.3 读/写Excel 文件
- 3.1.4 读/写数据库
- 任务3.2 掌握DataFrame 的常用操作
- 3.2.1 查看DataFrame 的常用属性
- 3.2.2 查、改、增、删DataFrame 数据
- 3.2.3 描述分析DataFrame 数据
- 任务3.3 转换与处理时间序列数据
- 3.3.1 转换时间字符串为标准时间
- 3.3.2 提取时间序列数据信息
- 3.3.3 加减时间数据
- 任务3.4 使用分组聚合进行组内计算
- 3.4.1 使用groupby()方法拆分数据
- 3.4.2 使用agg()方法聚合数据
- 3.4.3 使用apply()方法聚合数据
- 3.4.4 使用transform()方法聚合数据
- 任务3.5 创建透视表与交叉表
- 3.5.1 使用pivot_table 函数创建透视表
- 3.5.2 使用crosstab 函数创建交叉表
- 小结
- 实训
- 实训1 读取并查看某地区房屋销售数据的基本信息
- 实训2 提取房屋售出时间信息并描述房屋价格信息
- 实训3 使用分组聚合方法分析房屋销售情况
- 实训4 分析房屋地区、配套房间数和房屋价格的关系
- 课后习题
- 第 4 章 使用pandas进行数据预处理
- 任务4.1 合并数据
- 4.1.1 堆叠合并数据
- 4.1.2 主键合并数据
- 4.1.3 重叠合并数据
- 任务4.2 清洗数据
- 4.2.1 检测与处理重复值
- 4.2.2 检测与处理缺失值
- 4.2.3 检测与处理异常值
- 任务4.3 标准化数据
- 4.3.1 离差标准化数据
- 4.3.2 标准差标准化数据
- 4.3.3 小数定标标准化数据
- 任务4.4 变换数据
- 4.4.1 哑变量处理类别型数据
- 4.4.2 离散化连续型数据
- 小结
- 实训
- 实训1 合并年龄、平均血糖和中风患者信息数据
- 实训2 删除年龄异常的数据
- 实训3 离散化年龄特征
- 课后习题
- 第 5 章 Matplotlib、seaborn、pyecharts 数据可视化基础
- 任务5.1 掌握Matplotlib 基础绘图
- 5.1.1 熟悉pyplot 绘图基础语法与常用参数
- 5.1.2 使用Matplotlib 绘制进阶图形
- 任务5.2 掌握seaborn 基础绘图
- 5.2.1 熟悉seaborn 绘图基础
- 5.2.2 使用seaborn 绘制基础图形
- 任务5.3 掌握pyecharts 基础绘图
- 5.3.1 熟悉pyecharts 绘图基础
- 5.3.2 使用pyecharts 绘制交互式图形
- 小结
- 实训
- 实训1 分析学生考试成绩特征的分布与分散情况
- 实训2 分析学生考试成绩与各个特征之间的关系
- 实训3 分析各空气质量指数之间的相关关系
- 实训4 绘制交互式基础图形
- 课后习题
- 第 6 章 使用scikit-learn 构建模型
- 任务6.1 使用sklearn 转换器处理数据
- 6.1.1 加载datasets 模块中的数据集
- 6.1.2 将数据集划分为训练集和测试集
- 6.1.3 使用sklearn 转换器进行数据预处理
- 任务6.2 构建并评价聚类模型
- 6.2.1 使用sklearn 估计器构建聚类模型
- 6.2.2 评价聚类模型
- 任务6.3 构建并评价分类模型
- 6.3.1 使用sklearn 估计器构建分类模型
- 6.3.2 评价分类模型
- 任务6.4 构建并评价回归模型
- 6.4.1 使用sklearn 估计器构建线性回归模型
- 6.4.2 评价回归模型
- 小结
- 实训
- 实训1 使用sklearn 处理竞标行为数据集
- 实训2 构建基于竞标行为数据集的K-Means 聚类模型
- 实训3 构建基于竞标行为数据集的支持向量机分类模型
- 实训4 构建基于竞标行为数据集的回归模型
- 课后习题
- 第 7 章 竞赛网站用户行为分析
- 任务7.1 了解竞赛网站用户行为分析的背景和方法
- 7.1.1 了解竞赛网站背景
- 7.1.2 认识用户行为分析
- 7.1.3 熟悉竞赛网站用户行为分析的步骤与流程
- 任务7.2 预处理竞赛网站用户访问数据
- 7.2.1 特征值变换
- 7.2.2 用户识别
- 7.2.3 数据清洗
- 7.2.4 网页分类
- 7.2.5 构造特征
- 任务7.3 对竞赛网站用户进行分群
- 7.3.1 了解K-Means 聚类算法
- 7.3.2 使用K-Means 聚类算法进行用户分群
- 7.3.3 模型应用
- 小结
- 实训
- 实训1 处理某App 用户信息数据集
- 实训2 构建与用户使用信息相关的特征
- 实训3 构建K-Means 聚类模型
- 课后习题
- 第 8 章 企业所得税预测分析
- 任务8.1 了解企业所得税预测的背景与方法
- 8.1.1 分析企业所得税预测背景
- 8.1.2 了解企业所得税预测的方法
- 8.1.3 熟悉企业所得税预测的步骤与流程
- 任务8.2 分析企业所得税数据特征的相关性
- 8.2.1 了解相关性分析
- 8.2.2 计算Pearson 相关系数
- 任务8.3 使用Lasso 回归选取企业所得税预测的关键特征
- 8.3.1 了解Lasso 回归方法
- 8.3.2 选取关键特征
- 任务8.4 使用灰色预测算法和SVR 算法构建企业所得税预测模型
- 8.4.1 了解灰色预测算法
- 8.4.2 了解SVR 算法
- 8.4.3 预测企业所得税
- 小结
- 实训
- 实训1 处理英雄联盟游戏数据集
- 实训2 构建游戏胜负预测关键特征
- 实训3 构建SVR 模型
- 课后习题
- 第 9 章 餐饮企业客户流失预测
- 任务9.1 了解餐饮企业客户分析需求
- 9.1.1 了解餐饮企业客户流失预测背景
- 9.1.2 认识餐饮企业客户流失预测
- 9.1.3 熟悉餐饮企业客户流失预测的步骤与流程
- 任务9.2 预处理餐饮企业数据
- 9.2.1 数据探索
- 9.2.2 查看重复值
- 9.2.3 处理异常值
- 9.2.4 处理缺失值
- 9.2.5 构建客户流失特征
- 任务9.3 使用决策树算法和支持向量机算法进行餐饮企业客户流失预测
- 9.3.1 了解决策树算法
- 9.3.2 了解支持向量机算法
- 9.3.3 预测餐饮企业客户流失
- 小结
- 实训
- 实训1 预处理尺码信息数据
- 实训2 构建支持向量机分类模型预测客户服装尺寸
- 课后习题
- 第 10 章 基于TipDM 大数据挖掘建模平台实现客户流失预测
- 任务10.1 了解平台的相关概念、特点和功能
- 10.1.1 了解平台的界面、访问方式和特点
- 10.1.2 了解“实训库”模块的功能
- 10.1.3 了解“数据连接”模块的功能
- 10.1.4 了解“实训数据”模块的功能
- 10.1.5 了解“我的实训”模块的功能
- 10.1.6 了解“系统算法”模块的功能
- 10.1.7 了解“个人算法”模块的功能
- 任务10.2 使用平台实现客户流失预测
- 10.2.1 掌握使用平台配置客户流失预测案例的步骤和流程
- 10.2.2 数据源配置
- 10.2.3 数据预处理
- 10.2.4 构建模型
- 小结
- 实训
- 实训 预测客户服装尺寸
- 课后习题
展开全部
Python数据分析与应用（第2版）（微课版）是2022年由人民邮电出版社出版,作者曾文权，张良均主编。
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《Python数据分析与应用（第2版）（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
