Python数据分析入门与实战电子书

前折页

书名页

版权

致数字化人才的一封信

前言

目录

第1章 认识数据分析

1.1 重新认识数据分析

1.1.1 数据的定义

1.1.2 分析数据的重要性

1.2 数据的类别与变化

1.3 数据处理

1.3.1 数据处理的含义

1.3.2 脏数据

1.3.3 数据清洗

1.4 数据分析

1.4.1 数据分析的流程与方法

1.4.2 Python数据分析常用库

1.4.3 数据分析的结论

第2章 环境安装

2.1 Python简介

2.2 Python的常用IDE

2.3 Anaconda

2.3.1 Anaconda安装包的获取

2.3.2 Anaconda在不同系统中的安装

2.4 Jupyter Notebook功能介绍

2.4.1 Jupyter Notebook启动方法

2.4.2 常用快捷键

2.4.3 常用功能

2.5 安装第三方库

2.5.1 pip网络安装

2.5.2 pip本地安装

第3章 Python基础知识

3.1 输出和输入

3.1.1 输出

3.1.2 输入

3.1.3 格式化输出

3.2 变量

3.2.1 变量的定义

3.2.2 命名规则

3.2.3 变量类型

3.3 注释

3.4 运算符

3.4.1 算术运算符

3.4.2 赋值运算符

3.4.3 比较运算符

3.4.4 逻辑运算符

3.5 结构语句

3.5.1 顺序结构语句

3.5.2 选择结构语句

3.5.3 循环结构语句

3.5.4 结构语句中的特殊语句

3.6 数据类型

3.6.1 数值和字符串

3.6.2 列表

3.6.3 元组

3.6.4 字典

3.7 函数

3.7.1 函数的定义

3.7.2 函数的参数

3.7.3 函数的返回值

3.7.4 全局变量与局部变量

3.8 模块与文件

3.8.1 三种模块

3.8.2 管理模块的包

3.8.3 文件的基础操作

3.9 异常报错机制

3.10 Python项目

3.10.1 项目练习1

3.10.2 项目练习2

第4章 数据灵魂基础之NumPy

4.1 NumPy安装

4.2 数组的创建

4.3 数组

4.4 数据类型

4.5 索引与切片

4.6 通用函数

4.6.1 统计函数

4.6.2 随机函数

4.6.3 连接函数

4.6.4 其他函数

第5章 数据规整之Pandas入门

5.1 Pandas中的数据对象

5.1.1 Series对象

5.1.2 DataFrame对象

5.2 数据索引与选取

5.2.1 []操作

5.2.2 .loc[]与.iloc[]

5.2.3 .at[]与.iat[]

5.3 Pandas的常用方法

5.3.1 Pandas的基本方法

5.3.2 Pandas数值运算方法

5.3.3 Pandas处理文本字符串

5.3.4 Pandas的合并与连接

5.3.5 Pandas操作应用方法

第6章 数据加载

6.1 txt文件的读写操作

6.1.1 读取txt文件内容

6.1.2 with与readlines( )

6.1.3 写入txt文件内容

6.2 CSV文件的读写操作

6.2.1 读取CSV文件内容

6.2.2 写入CSV文件内容

6.3 Excel文件的读写操作

6.3.1 读取Excel文件内容

6.3.2 写入Excel文件内容

6.4 JSON文件的读写操作

6.4.1 读取JSON文件内容

6.4.2 写入JSON文件内容

6.5 SQL文件的读取

6.5.1 PyMySQL读取MySQL数据库内容

6.5.2 Pandas读取MySQL数据库内容

第7章 数据预处理

7.1 数据预处理是什么

7.1.1 重复数据的处理

7.1.2 缺失值的处理

7.1.3 异常值的处理

7.2 数据变换

7.2.1 转换数据类型

7.2.2 数据标准化（Z-score标准化）

7.2.3 数据归一化（Min-Max标准化）

7.3 高级数据预处理方法

7.3.1 哑变量

7.3.2 独热编码

7.4 数据预处理实战

7.4.1 数据观察

7.4.2 数据预处理实战

7.4.3 数据标准化

第8章 Pandas数据优化

8.1 多层索引

8.1.1 多层索引的创建

8.1.2 多层索引操作

8.1.3 Series多层索引

8.1.4 DataFrame多层索引

8.2 groupby应用机制

8.2.1 分组对象

8.2.2 通过by参数进行分组

8.2.3 通过level参数进行分组

8.2.4 分组聚合

8.2.5 agg聚合

8.2.6 apply( )函数

8.3 时间序列

8.3.1 创建时间索引

8.3.2 通过日期时间索引获取元素

8.3.3 重采样

8.4 滑动窗口

第9章 数据可视化

9.1 Pandas图形绘制

9.2 Matplotlib图形绘制

9.2.1 Figure绘图参数详解

9.2.2 Matplotlib常用图形绘制

9.3 Seaborn图形绘制

9.3.1 设置Seaborn绘图风格

9.3.2 Seaborn常用图形绘制

第10章 电商销售数据分析

10.1 数据准备

10.2 数据清洗

10.2.1 查看是否含有缺失值

10.2.2 查看是否含有异常值

10.2.3 数据整理

10.3 具体目标分析

10.4 案例结论

后折页