编程菜鸟学Python数据分析
全新正版 极速发货 可开发票
￥ 58.31 6.6折 ￥ 89 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
作者纪贺元
出版社机械工业
ISBN9787111746614
出版时间2024-04
装帧其他
开本其他
定价89元
货号31989664
上书时间2024-05-03
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
纪贺元<br/>知名数据分析专家，资深软件工程师，曾就职于贝尔、摩托罗拉等多家知名企业，精通各类数据分析与挖掘技术，以及Excel、VBA、Python、PowerBI等数据分析软件工具。<br/>曾基于VBA和Python开发多个应用系统，负责过多家企业的数据报表、流程支撑、市场调查、企业数据分析等项目，为金融、汽车、制造等多个行业的数十家企业提供过数据分析咨询服务，在数据分析、数字化系统开发部署、数据分析培训和咨询等方面拥有丰富的经验。尤其在数据分析培训领域，现已工作17年，授课总计超过1万小时，已帮助近万名学员顺利进入数据分析领域。
目录
前 言<br />Python基础篇<br />第1章 学习Python的优势 2<br />1.1 Python的特色 2<br />1.1.1 代码简单易懂 3<br />1.1.2 包罗万象的Python包 5<br />1.1.3 超高的知名度和广泛的应用面 6<br />1.2 学习Python的收获 7<br />1.2.1 工作效率的提升 7<br />1.2.2 工作能力的增强 7<br />1.2.3 职场竞争力的提高 8<br />1.3 如何高效地学习Python 8<br />1.3.1 打好编程基础 8<br />1.3.2 多“攒”代码 8<br />1.3.3 精通代码调试 9<br />1.3.4 面向实际工作场景 10<br />第2章 Python的工作环境 11<br />2.1 Python工作环境的构成 11<br />2.1.1 核心的Python软件 11<br />2.1.2 Anaconda 12<br />2.1.3 IDE 13<br />2.2 安装过程中的常见问题 14<br />2.3 Python的两种解释器 14<br />2.4 包的安装 22<br />2.4.1 在线安装 22<br />2.4.2 离线安装 23<br />2.5 PyCharm中的解释器配置 26<br />2.5.1 两种解释器的配置 27<br />2.5.2 Anaconda中第三方包的配置 31<br />2.6 编译.py文件生成.exe文件 33<br />第3章 Python编程基础 38<br />3.1 与文件系统相关的5个常见问题 38<br />3.2 编码格式 43<br />3.3 Python编程中的特殊之处 45<br />3.4 Python中的数据结构 46<br />3.4.1 序列 47<br />3.4.2 列表 49<br />3.4.3 元组 51<br />3.4.4 字典 52<br />3.4.5 集合 57<br />3.5 Python基础语句 59<br />第4章 Python程序调试 62<br />4.1 程序调试的常识 62<br />4.2 Python代码的常见错误类型 63<br />4.3 程序调试方法 64<br />4.3.1 程序调试的基本操作 64<br />4.3.2 程序调试的基本方法 77<br />第5章 Excel和Text文件的读写操作 79<br />5.1 Text文件读写包 79<br />5.2 Excel读写的四重循环 81<br />5.3 openpyxl包 83<br />5.4 xlsxwriter包 87<br />第6章 数据处理神器pandas 90<br />6.1 pandas的安装 90<br />6.2 pandas的数据结构 91<br />6.3 pandas数据处理 96<br />6.3.1 从Excel文件中读取数据 96<br />6.3.2 切片 97<br />6.3.3 排序、筛选与分类汇总 100<br />6.3.4 数据合并 105<br />6.4 pandas统计分析 111<br />6.4.1 统计分析指标 111<br />6.4.2 pandas绘图 116<br />6.5 其他pandas功能 117<br />第7章 Matplotlib图形呈现包 118<br />7.1 Matplotlib包介绍 118<br />7.2 利用Matplotlib包绘图 119<br />7.2.1 折线图 119<br />7.2.2 散点图 125<br />7.2.3 柱状图 126<br />7.2.4 饼图 126<br />7.2.5 直方图 131<br />7.3 图形部件绘制代码 132<br />7.4 综合绘图示例 135<br />Python数据分析高级篇<br />第8章 数据预处理 140<br />8.1 数据预处理的目标和方法 140<br />8.1.1 缩放法 141<br />8.1.2 分段转换 144<br />8.1.3 定性数据定量化 144<br />8.1.4 数据填充 145<br />8.2 Python数据预处理的方法 147<br />第9章 数据分析的常见问题和方法 150<br />9.1 数据分析的常见问题 150<br />9.1.1 数据采集问题 150<br />9.1.2 数据描述问题 151<br />9.1.3 数据间关系的界定和挖掘问题 151<br />9.1.4 时间序列（预测）问题 152<br />9.2 数据分析的常见方法 152<br />9.2.1 标识分析法 152<br />9.2.2 排序分析法 154<br />9.2.3 漏斗分析法 154<br />9.2.4 二八分析法 156<br />9.2.5 异常值分析法 158<br />9.2.6 对比分析法 164<br />9.2.7 分组（类）分析法 166<br />9.2.8 因果关系判断法 166<br />9.2.9 假设排除分析法 167<br />9.2.10 趋势分析法 167<br />第10章 相关与回归 169<br />10.1 相关 169<br />10.1.1 相关分析的含义 169<br />10.1.2 相关分析在Excel软件中的实现 171<br />10.1.3 相关分析在Python中的实现 176<br />10.2 回归 178<br />10.2.1 线性回归 180<br />10.2.2 非线性回归 183<br />10.2.3 多元线性回归 186<br />10.2.4 Logistic回归 187<br />第11章 分类 192<br />11.1 KNN算法 193<br />11.2 聚类原理 196<br />11.3 聚类在Python中的实现 198<br />第12章 决策树 202<br />12.1 决策树原理 203<br />12.2 决策树代码解析 204<br />第13章 关联分析 210<br />13.1 关联分析原理 211<br />13.2 关联分析的数据预处理 215<br />13.3 关联分析代码解析 216<br />第14章 降维 220<br />14.1 为什么要降维 221<br />14.2 用Python实现主成分分析 223<br />第15章 通过爬虫获取数据的方法与实践 227<br />15.1 爬虫基本原理 228<br />15.2 爬虫爬取的内容 228<br />15.3 爬虫实践 229<br />15.3.1 新闻资讯类网站爬取 229<br />15.3.2 图片类网站爬取 231<br />15.3.3 金融类数据爬取 232<br />15.3.4 电商类数据爬取 233<br />15.4 应用爬取的数据进行数据分析 235
内容摘要
全书共15章，第1章介绍了学习python的好处何在以及如何高效地学习python；第2章介绍python、anaconda以及IDE的安装；第3章讲解编程的常识，包括io、文件系统、编码格式等；第4章介绍Excel和text文本的读写；第5章介绍数据处理神器-pandas；第6章介绍python的编程调试；从第7章开始进入数据分析的范畴，第7章介绍进行数据预处理；第8章介绍数据分析的常见问题和方法；第9章介绍在python中如何寻找异常值；第10章介绍相关和回归；第11章介绍聚类技术；第12章介绍决策树技术；第13章介绍关联分析技巧；第14章介绍降维技术；第15章介绍matplotlib绘图。
— 没有更多了 —
以下为对购买帮助不大的评价