万本电子书0元读

万本电子书0元读

顶部广告

对比Excel,轻松学习Python数据分析电子书

Python虽然是一门编程语言,但是在数据分析领域实现的功能和Excel的基本功能一样,而Excel又是大家比较熟悉、容易上手的软件,可以通过Excel数据分析去对比学习Python数据分析。本书将数据分析过程中涉及的每一个操作都对照讲解,让你从熟悉的Excel操作中去学习对应的Python实现,而不是直学习Python代码,大大降低了学习门槛,消除了大家对代码的恐惧心理。这也是本书的一大特色,让读者可以像学Excel数据分析一样,轻松学习Python数据分析。

售       价:¥

纸质售价:¥35.40购买纸书

4060人正在读 | 0人评论 7.6

作       者:张俊红

出  版  社:电子工业出版社

出版时间:2019-01-01

字       数:7.3万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
集Python、Excel、数据分析为一体是本书的一大特色。本书围绕整个数据分析的常规流程:工具熟悉-获取数据-数据熟悉-数据处理-数据分析-分析结果行Excel 和Python 对比实现,告诉你每一个过程中都会用到什么?过程与过程之间有什么联系。这样一本书既可以作为系统学习数据分析流程操作的说明书,也可以作为一本数据分析师案头必备的实操工具书,随时备查。本书通过对比Excel 功能操作去学习Python 的实现代码,而不是直上来就学习Python代码,大大降低了学习门槛,消除了读者对代码的恐惧心理。适合刚行的数据分析师,也适合对Excel 比较熟练的数据分析师,或从事其他岗位想提高工作效率的职场人。 集Python、Excel、数据分析为一体是本书的一大特色。本书围绕整个数据分析的常规流程:工具熟悉-获取数据-数据熟悉-数据处理-数据分析-分析结果行Excel 和Python 对比实现,告诉你每一个过程中都会用到什么?过程与过程之间有什么联系。这样一本书既可以作为系统学习数据分析流程操作的说明书,也可以作为一本数据分析师案头必备的实操工具书,随时备查。本书通过对比Excel 功能操作去学习Python 的实现代码,而不是直上来就学习Python代码,大大降低了学习门槛,消除了读者对代码的恐惧心理。适合刚行的数据分析师,也适合对Excel 比较熟练的数据分析师,或从事其他岗位想提高工作效率的职场人。
【推荐语】

Python虽然是一门编程语言,但是在数据分析领域实现的功能和Excel的基本功能一样,而Excel又是大家比较熟悉、容易上手的软件,可以通过Excel数据分析去对比学习Python数据分析。本书将数据分析过程中涉及的每一个操作都对照讲解,让你从熟悉的Excel操作中去学习对应的Python实现,而不是直学习Python代码,大大降低了学习门槛,消除了大家对代码的恐惧心理。这也是本书的一大特色,让读者可以像学Excel数据分析一样,轻松学习Python数据分析。

【作者】
张俊红:某互联网公司数据分析师,擅长Python、Sql、Excel,对数据分析、机器学习领域比较熟悉。喜欢分享,致力于做一个数据科学路上的终身学习者,实践者,分享者。个人微信公众号“张俊红”定期推送数据分析、机器学习、网络爬虫、Python 编程系列文章。
目录展开

作者简介

序言

前言

入门篇

第1章 数据分析基础

1.1 数据分析是什么

1.2 为什么要做数据分析

1.3 数据分析究竟在分析什么

1.4 数据分析的常规流程

1.5 数据分析工具:Excel与Python

实践篇

第2章 熟悉锅——Python基础知识

2.1 Python是什么

2.2 Python的下载与安装

2.3 介绍Jupyter Notebook

2.4 基本概念

2.5 字符串

2.6 数据结构——列表

2.7 数据结构——字典

2.8 数据结构——元组

2.9 运算符

2.10 循环语句

2.11 条件语句

2.12 函数

2.13 高级特性

2.14 模块

第3章 Pandas数据结构

3.1 Series数据结构

3.2 DataFrame 表格型数据结构

第4章 准备食材——获取数据源

4.1 导入外部数据

4.2 新建数据

4.3 熟悉数据

第5章 淘米洗菜——数据预处理

5.1 缺失值处理

5.2 重复值处理

5.3 异常值的检测与处理

5.4 数据类型转换

5.5 索引设置

第6章 菜品挑选——数据选择

6.1 列选择

6.2 行选择

6.3 行列同时选择

第7章 切配菜品——数值操作

7.1 数值替换

7.2 数值排序

7.3 数值排名

7.4 数值删除

7.5 数值计数

7.6 唯一值获取

7.7 数值查找

7.8 区间切分

7.9 插入新的行或列

7.10 行列互换

7.11 索引重塑

7.12 长宽表转换

7.13 apply()与applymap()函数

第8章 开始烹调——数据运算

8.1 算术运算

8.2 比较运算

8.3 汇总运算

8.4 相关性运算

第9章 炒菜计时器——时间序列

9.1 获取当前时刻的时间

9.2 指定日期和时间的格式

9.3 字符串和时间格式相互转换

9.4 时间索引

9.5 时间运算

第10章 菜品分类——数据分组/数据透视表

10.1 数据分组

10.2 数据透视表

第11章 水果拼盘——多表拼接

11.1 表的横向拼接

11.2 表的纵向拼接

第12章 盛菜装盘——结果导出

12.1 导出为.xlsx文件

12.2 导出为.csv文件

12.3 将文件导出到多个Sheet

第13章 菜品摆放——数据可视化

13.1 数据可视化是什么

13.2 数据可视化的基本流程

13.3 图表的基本组成元素

13.4 Excel与Python可视化

13.5 建立画布和坐标系

13.6 设置坐标轴

13.7 其他图表格式的设置

13.8 绘制常用图表

13.9 绘制组合图表

13.10 绘制双坐标轴图表

13.11 绘图样式设置

进阶篇

第14章 典型数据分析案例

14.1 利用Python实现报表自动化

14.2 自动发送电子邮件

14.3 假如你是某连锁超市的数据分析师

14.4 假如你是某银行的数据分析师

第15章 NumPy数组

15.1 NumPy简介

15.2 NumPy数组的生成

15.3 NumPy数组的基本属性

15.4 NumPy数组的数据选取

15.5 NumPy数组的数据预处理

15.6 NumPy数组重塑

15.7 NumPy数组合并

15.8 常用数据分析函数

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部