PYTHON电商数据分析实战

图书标准信息

• 作者 周志鹏
• 出版社 机械工业出版社
• 出版时间 2023-11
• 版次 1
• ISBN 9787111737841
• 定价 89.00元
• 装帧 其他
• 开本 16开
• 页数 248页
• 字数 336千字

【内容简介】

这既是一本能带领读者零基础快速掌握Python数据分析方法与流程的工具书，又是一本从电商出发指导读者解决各类数据分析问题的实用指南。 首先，本书以Python数据分析中使用率极高的Pandas为切入点，注重对数据分析思维和技能的培养，详细讲解了Pandas的操作以及数据分析的方法，可覆盖80%以上的数据分析应用场景，为数据分析师打下坚实基础。 然后，本书以电商这个广大读者熟知且普适性极强的业务领域为依托，通过大量案例讲解了报表自动化、行业机会挖掘、用户分层、用户分群、用户偏好分析、同期群分析、指标波动归因分析、品牌分析等8大电商场景的数据分析方法，理论与案例深度融合。 本书以实用为本，聚焦重点，Python数据分析常用的高频功能不到Python数据分析能力的20%，本书去繁就简，只专注于能解决大部分问题的重点模块。本书以实战制胜，案例牵引，从表层直观地看，这些案例能解决各种电商业务问题；从深层仔细地分析，作者的本意实则是通过对这些案例抽丝剥茧，手把手教读者在实战中掌握数据分析的通用思维、方法和技能。 所以，如果你是关注电商业务的数据分析师，本书针对常见电商数据分析场景给出了具体的方法和解决方案，可照搬使用；如果你是一位没有任何数据分析基础的小白，这本书更加适合你，不仅能快速掌握数据分析的基本思维和方法，而且能在大量案例中获得实战技能和经验。

【作者简介】

:
周志鹏，数据分析专家，有多年数据分析从业经验，现就职于某头部电商品牌，担任数据分析经理。在美妆、餐饮、宠物、保健品、母婴等多个电商行业有丰富的数据分析经验。负责过经营指标体系搭建、行业趋势竞争分析、货品策略洞察、用户会员体系构建和落地等多个关键项目。
    微信公众号“数据不吹牛”主理人，原创文章全网累计阅读量超100万。热爱分享，致力于将技能和实践结合，用数据分析解决实际商业问题。

【目录】

前 言

第1章 Python数据分析准备  1

1.1 Python数据分析基础  1

1.1.1 数据分析的基本概念  1

1.1.2 为什么选择Python  2

1.1.3 Pandas和Python的关系  2

1.2 如何高效学习Pandas  3

1.2.1 Pandas学习中的误区  3

1.2.2 高效学习Pandas  3

1.3 Python所需的环境搭建  5

1.3.1 Python环境的选择  5

1.3.2 Anaconda的下载和安装  5

1.3.3 运行代码  7

1.4 本章小结  13

第2章 Pandas快速入门  14

2.1 Pandas的两大数据结构  14

2.1.1 初识Pandas  14

2.1.2 Series和DataFrame  15

2.2 数据读取和存储  17

2.2.1 Excel文件的读取  17

2.2.2 CSV文件的读取  20

2.2.3 其他文件类型的读取  21

2.2.4 存储数据  22

2.3 快速认识数据  22

2.3.1 查看数据  22

2.3.2 查看数据类型  23

2.3.3 统计信息概览  23

2.4 数据处理初体验  24

2.4.1 增  24

2.4.2 删  24

2.4.3 选  25

2.4.4 改  25

2.5 常用数据类型及操作  25

2.5.1 字符串  25

2.5.2 数值型  26

2.5.3 时间类型  28

2.6 本章小结  29

第3章 玩转索引  30

3.1 索引概述  30

3.1.1 到底什么是索引  30

3.1.2 两种索引类型  31

3.2 基于位置（数字）的索引  31

3.2.1 场景一：行选取  32

3.2.2 场景二：列选取  32

3.2.3 场景三：行列交叉选取  33

3.3 基于名称（标签）的索引  33

3.3.1 基于loc的行选取  34

3.3.2 基于loc的列选取  35

3.3.3 基于loc的交叉选取  35

3.3.4 场景四：多条件索引  36

3.4 本章小结  38

第4章 数据清洗四大核心操作  39

4.1 增：拓展数据维度  39

4.1.1 纵向合并  39

4.1.2 横向连接  41

4.2 删：剔除噪声数据  44

4.2.1 缺失值处理  44

4.2.2 去除重复项  47

4.3 选：基于条件选择数据  48

4.3.1 按条件索引/筛选  48

4.3.2 排序  49

4.4 改：改变数据形态  50

4.4.1 转置  50

4.4.2 分组  50

4.4.3 切分  52

4.5 本章小结  54

第5章 Pandas两大进阶利器  55

5.1 数据透视表  55

5.1.1 什么是数据透视表  55

5.1.2 Pandas数据透视表简介  55

5.1.3 Pandas数据透视表实例  56

5.2 强大又灵活的apply  58

5.2.1 apply初体验  59

5.2.2 用apply计算优选、最差成绩  59

5.2.3 筛选每个分组下的第3名  61

5.3 本章小结  64

第6章 数据可视化  65

6.1 Matplotlib基础知识  65

6.1.1 Matplotlib简介  65

6.1.2 可视化的关键步骤  65

6.2 Matplotlib基础操作  66

6.2.1 画图前的准备  66

6.2.2 创建画布  66

6.2.3 画图  68

6.2.4 设置坐标轴  69

6.2.5 润色  71

6.3 绘制常用图形  74

6.3.1 绘制折线图  74

6.3.2 绘制柱状图  75

6.3.3 绘制散点图  76

6.3.4 绘制其他常用图形  77

6.4 本章小结  78

第7章 走近电商：商业方法论与

分析体系  79

7.1 什么是电商  79

7.2 三大关键角色  80

7.2.1 用户  80

7.2.2 商家  80

7.2.3 平台  81

7.3 电商基础指标  82

7.3.1 用户相关指标  83

7.3.2 商品相关指标  83

7.4 电商分析方法论及应用  84

7.4.1 黄金公式  84

7.4.2 GROW  86

7.4.3 AIPL  88

7.4.4 抖音5A与京东4A  89

7.5 数据分析师重生之我是老板  90

7.5.1 数据分析师和老板  90

7.5.2 行业趋势分析  91

7.5.3 竞争格局分析  92

7.5.4 品牌策略探究  92

7.5.5 用户分析—探索期  93

7.5.6 用户分析—正式期  94

7.6 本章小结  95

第8章 Python报表自动化  97

8.1 行业数据报表自动化  97

8.1.1 案例背景  97

8.1.2 单张表的处理  99

8.1.3 批量循环执行  101

8.2 报表批量处理与品牌投放分析  102

8.2.1 新的需求背景  102

8.2.2 数据预览  102

8.2.3 分析思路  104

8.2.4 数据处理  104

8.2.5 数据分析  105

8.3 本章小结  108

第9章 行业机会分析与权重确定  109

9.1 案例背景介绍  109

9.2 传统的解题方法  109

9.2.1 之前的传统思路  109

9.2.2 数据预览和汇总  110

9.2.3 每个类目增长最快的细分类目  111

9.3 权重确定方法  113

9.3.1 级别法  113

9.3.2 权值因子判表法  113

9.3.3 变异系数法  115

9.4 Pandas权重计算和分析  117

9.4.1 数据整合  117

9.4.2 关键指标计算  118

9.4.3 权重的计算  119

9.4.4 数据标准化  122

9.4.5 综合发展指数  123

9.5 本章小结  124

第10章 用户分层实战  125

10.1 用户分层的基本概念  125

10.1.1 无处不在的用户分层  125

10.1.2 用户分层的类型  126

10.1.3 用户分层的特征  126

10.1.4 为什么要做用户分层  127

10.1.5 分层的两个问题  127

10.2 二八法则  128

10.2.1 二八法则在用户分层上的应用  128

10.2.2 数据预览  129

10.2.3 数据清洗  131

……