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。
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。
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
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
本书以Python3.9为编程环境，从Python编程基础到扩展库，再到数据分析，逐步展开Python数据分析与可视化教学。本书首先简要介绍数据分析与可视化的相关概念，并介绍Python基础知识；然后按照数据分析的主要步骤，重点介绍与数据获取、数据处理、数据分析、数据可视化以及机器学习建模过程相关的扩展库，包括NumPy、Pandas、BeautifulSoup、sklearn、Matplotli
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JupyterNotebook为主要开发工具，全面地介绍数据预处理的相关知识。全书共分8章，内容分别为初识Python数据预处理、数据获取与存储、数据清洗、数据集成、数据变换、数据规约、综合实战：家用热水器用户行为分析以及两个综合实战项目。每个章节均配置了丰富的示例或案例，通过本书的学习，读者可以充分理解常用数据预处理方法的精髓、掌握具体技术细节，并在实践中提升实际开发能力，为数据分析和机器
电子书
本书的设计和编写目标是培养读者的数据思维能力和数据预处理能力，内容具有典型性和实用性，系统介绍基于Python的数据预处理的流程和技术。全书共8个单元，单元1介绍数据预处理的基础知识，单元2介绍Python数据预处理的库pandas的用法及主要数据对象的用法，单元3～单元7依次介绍数据预处理流程中数据获取、数据合并、数据清洗、数据变换和数据描述等相关知识和技术。为突出培养读者的动手能力，本书单元2
电子书
本书针对Python零基础的读者，重点讲解利用Python进行数据分析的基础知识，并通过大量的实战案例，使读者掌握数据处理、分析与可视化的方法。全书分为4个部分，共13章，主要内容包括：Python语法基础、网络爬虫、NumPy、pandas、正则表达式与格式化输出、数据处理与数据分析、Matplotlib、pyecharts、Altair动态可视化、NetworkX、航班数据分析、豆瓣网络数据分
电子书
本书分为10章，内容包括Excel2016基础知识、工作表输入与编辑、公式、函数、图表、数据管理、数据透视分析、宏与VBA编程、财务分析函数应用、模拟分析与规划求解。全书采用由易到难、循序渐进的方式介绍了Excel常用的知识点，并通过大量的实例帮助读者理解和掌握所学内容。本书内容详实、实例丰富、操作步骤清晰、实用性强。本书可以作为高等院校相关专业的教学用书，也可以作为企事业单位人员提高数据分析能力
