Python商务数据分析与实战
全新正版 极速发货
￥ 38.84 6.5折 ￥ 59.8 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者何伟；张良均
出版社人民邮电出版社
ISBN9787115589781
出版时间2022-08
装帧平装
开本16开
定价59.8元
货号1202706157
上书时间2024-07-11
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
何伟，男，中共党员，1982年出生，工学博士，副教授，硕士生导师，闽都学者拔尖人才，香港理工访问学者，入选福建省高校杰出青年科研人才培育计划。主要研究领域
目录
第1章商务数据分析概述 11.1 商务数据分析的基本概念 11.2 数据分析流程 21.2.1 需求分析 31.2.2 数据获取 31.2.3 探索性分析 31.2.4 数据预处理 31.2.5 构建模型 31.2.6 模型评价 41.2.7 应用 41.3 商务数据分析应用场景 41.4 数据分析工具 61.4.1 常用的数据分析工具 61.4.2 Python数据分析的优势 71.4.3 Python数据分析常用库 7小结 9课后习题 9第 2章Python数据分析简介 102.1 Python数据分析环境 102.1.1 Python的Anaconda发行版 102.1.2 Anaconda安装 112.2 Python使用入门 152.2.1 运行方式 162.2.2 基本命令 172.2.3 库的导入与添加 19小结 20课后习题 21第3章 数据获取 223.1 常见的数据来源 223.2 数据类型 233.3 数据读取方式 243.3.1 数据库连接 243.3.2 文件读取 253.4 常用的Python数据格式转换与读/写函数 273.4.1 常用的Python数据格式转换函数 273.4.2 常用的Python数据读/写函数 28小结 31课后习题 31第4章 探索性分析 334.1 描述性统计分析 334.1.1 集中趋势统计指标 334.1.2 离散程度统计指标 344.2 可视化分析 364.2.1 散点图 364.2.2 折线图 374.2.3 柱形图 404.2.4 饼图 414.2.5 箱线图 424.2.6 热力图 444.3 常用的Python探索性分析函数 484.3.1 常用的Python基本统计分析函数 484.3.2 常用的Python作图函数 48小结 52课后习题 53第5章 数据预处理 545.1 数据清洗 545.1.1 缺失值处理 555.1.2 异常值处理 585.2 数据合并 615.2.1 多表合并 625.2.2 分组聚合 695.3 数据变换 765.3.1 函数变换 775.3.2 数据标准化 775.3.3 连续属性离散化 795.3.4 属性构造 825.4 Python的主要数据预处理函数 83小结 85课后习题 85第6章 构建模型 876.1 分类与回归 876.1.1 实现过程 886.1.2 常用的分类与回归算法 896.1.3 回归分析 896.1.4 决策树 936.1.5 人工神经网络 996.1.6 分类与回归算法评价 1056.1.7 常用的Python分类与回归算法 1096.2 聚类分析 1096.2.1 常用的聚类分析算法 1106.2.2 K-Means算法 1116.2.3 聚类分析算法评价 1166.2.4 常用的Python聚类分析算法 1186.3 关联规则 1206.3.1 常用的关联规则算法 1206.3.2 Apriori算法实现 1216.4 时序模式 1266.4.1 时间序列分析方法与模型 1266.4.2 时间序列的预处理 1276.4.3 平稳时间序列分析 1296.4.4 非平稳时间序列分析 1326.4.5 常用的Python时序模式算法 1396.5 智能推荐 1416.5.1 常见的智能推荐算法 1426.5.2 智能推荐算法评价 1436.5.3 Python智能推荐算法 145小结 153课后习题 153第7章 O2O优惠券个性化投放 1557.1 业务背景与项目目标 1557.2 分析方法与过程 1567.2.1 数据获取 1577.2.2 探索性分析 1587.2.3 数据预处理 1667.2.4 构建模型 1717.2.5 模型评价 1747.2.6 应用 176小结 177课后习题 177第8章 零售商品购物篮分析 1788.1 业务背景与项目目标 1788.2 分析方法与过程 1798.2.1 数据获取 1798.2.2 探索性分析 1808.2.3 数据预处理 1868.2.4 构建模型 1878.2.5 模型评价 1898.2.6 应用 189小结 189课后习题 190第9章 餐饮企业综合分析 1919.1 业务背景与项目目标 1919.2 分析方法与过程 1939.2.1 数据获取 1939.2.2 探索性分析 1969.2.3 数据预处理 2019.2.4 构建模型 2039.2.5 模型评价 2259.2.6 应用 231小结 231课后习题 231第 10章基于TipDM数据挖掘建模平台进行餐饮企业综合分析 23210.1 平台简介 23210.1.1 首页 23310.1.2 数据源 23410.1.3 工程 23510.1.4 系统组件 23610.1.5 TipDM数据挖掘建模平台的本地化部署 23710.2 快速构建餐饮企业综合分析工程 23910.2.1 数据获取 24010.2.2 数据预处理 24310.2.3 探索性分析 24410.2.4 构建模型 247小结 251课后习题 251参考文献 252
内容摘要
本书以Python数据分析常用技术与真实案例相结合的方式，深入浅出地介绍Python商务数据分析应用的重要内容。本书共10章，第1章介绍商务数据分析的基本概念、流程、应用场景，以及常用数据分析工具；第2章介绍Python的环境配置，以及Python使用入门等；第3章介绍数据获取，包括常见的数据来源、数据类型、数据读取方式，以及常用Python数据格式转换与读/写函数；第4章介绍探索性分析，包括描述性统计分析和可视化分析，以及常用Python探索性分析函数；第5章介绍数据预处理中的各个步骤，包括数据清洗、数据合并和数据变换，以及它们各自对应的Python函数；第6章介绍各类模型的构建与评价方法，包括分类与回归、聚类分析、关联规则、时序模式和智能推荐；第7～9章分别介绍O2O优惠券个性化投放、零售商品购物篮分析、餐饮企业综合分析等案例；第10章介绍使用TipDM数据挖掘建模平台实现餐饮企业综合分析案例。第2～6章包含选择题和操作题，第7～10章包含操作题，通过练习和操作实践，读者可以巩固所学内容。本书可作为高校数据科学或商务数据分析相关专业的教材，也可作为数据分析爱好者的自学用书。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价