扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
谁说菜鸟不会数据分析(PYTHON篇) 版权信息
- ISBN：9787121364587
- 条形码：9787121364587 ; 978-7-121-36458-7
- 装帧：简裝本
- 册数：暂无
- 重量：暂无
- 所属分类：>
谁说菜鸟不会数据分析(PYTHON篇) 本书特色
《谁说菜鸟不会数据分析（Python篇）》从解决工作实际问题出发，提炼总结工作中Python 常用的数据处理、数据分析实战方法与技巧。本书力求通俗易懂地介绍相关知识，在不影响学习理解的前提下，尽可能地避免使用晦涩难懂的Python 编程、统计术语或模型公式。
《谁说菜鸟不会数据分析（Python篇）》定位是带领Python 数据分析初学者入门，并能解决学习、工作中大部分的问题或需求。入门后如还需要进一步进阶学习，可自行扩展阅读相关书籍或资料，学习是永无止境的，正所谓“师傅领进门，修行在个人”。
谁说菜鸟不会数据分析(PYTHON篇) 内容简介
本书从解决工作实际问题出发，提炼总结工作中Python 常用的数据处理、数据分析实战方法与技巧。本书力求通俗易懂地介绍相关知识，在不影响学习理解的前提下，尽可能地避免使用晦涩难懂的Python 编程、统计术语或模型公式。本书定位是带领Python 数据分析初学者入门，并能解决学习、工作中大部分的问题或需求。入门后如还需要进一步进阶学习，可自行扩展阅读相关书籍或资料，学习是永无止境的，正所谓“师傅领进门，修行在个人”。
谁说菜鸟不会数据分析(PYTHON篇) 目录
第1 章 数据分析概况 /1
1.1 数据分析定义（What） /2
1.2 数据分析作用（Why） /4
1.3 数据分析步骤（How） /5
1.3.1 明确分析目的和思路 /6
1.3.2 数据收集 /7
1.3.3 数据处理 /9
1.3.4 数据分析 /9
1.3.5 数据展现 /10
1.3.6 报告撰写 /10
1.4 数据分析的三大误区 /12
1.5 常用的数据分析工具 /13
1.5.1 Excel /13
1.5.2 SPSS /14
1.5.3 R语言 /15
1.5.4 Python语言 /16
第2 章 Python 概况 /17
2.1 Python简介 /18
2.2 Python特点 /19
2.3 Python模块 /20
2.3.1 函数 /20
2.3.2 模块 /24
2.4 Python使用场景 /27
2.5 Python 2与Python 3 /28
2.6 Python与数据科学 /29
2.7 Anaconda简介 /30
2.8 安装Anaconda /31
2.8.1 下载Anaconda /31
2.8.2 安装Anaconda /33
2.9 使用Anaconda /37
2.9.1 PyCharm 与Spyder /37
2.9.2 Anaconda 开始菜单 /38
2.9.3 Spyder 工作界面简介 /39
2.9.4 项目管理 /40
2.9.5 代码提示 /43
2.9.6 变量浏览 /44
2.9.7 图形查看 /44
2.9.8 帮助文档 /45
第3 章 编程基础 /47
3.1 数据类型 /48
3.1.1 数值型 /48
3.1.2 字符型 /50
3.1.3 逻辑型 /56
3.2 赋值和变量 /57
3.2.1 赋值和变量 /57
3.2.2 变量命名规则 /58
3.3 数据结构 /59
3.3.1 列表 /59
3.3.2 字典 /63
3.3.3 序列 /66
3.3.4 数据框 /72
3.3.5 四种数据结构的区别 /80
3.4 向量化运算 /81
3.5 for 循环 /83
3.6 Python 编程注意事项 /87
第4 章 数据处理 /90
4.1 数据导入与导出 /91
4.1.1 数据导入 /91
4.1.2 数据导出 /99
4.2 数据清洗 /100
4.2.1 数据排序 /101
4.2.2 重复数据处理 /102
4.2.3 缺失数据处理 /106
4.2.4 空格数据处理 /109
4.3 数据转换 /110
4.3.1 数值转字符 /110
4.3.2 字符转数值 /112
4.3.3 字符转时间 /113
4.4 数据抽取 /115
4.4.1 字段拆分 /116
4.4.2 记录抽取 /121
4.4.3 随机抽样 /127
4.5 数据合并 /130
4.5.1 记录合并 /130
4.5.2 字段合并 /133
4.5.3 字段匹配 /135
4.6 数据计算 /140
4.6.1 简单计算 /140
4.6.2 时间计算 /141
4.6.3 数据标准化 /142
4.6.4 数据分组 /144
第5 章 数据分析 /148
5.1 对比分析 /149
5.2 基本统计分析 /152
5.3 分组分析 /155
5.4 结构分析 /158
5.5 分布分析 /159
5.6 交叉分析 /162
5.7 RFM 分析 /164
5.8 矩阵分析 /173
5.9 相关分析 /176
5.10 回归分析 /178
5.10.1 回归分析简介 /178
5.10.2 简单线性回归分析 /180
5.10.3 多重线性回归分析 /185
第6 章 数据可视化 /189
6.1 数据可视化简介 /190
6.1.1 什么是数据可视化 /190
6.1.2 数据可视化常用图表 /190
6.1.3 通过关系选择图表 /191
6.2 散点图 /192
6.3 矩阵图 /203
6.4 折线图 /210
6.5 饼图 /215
6.6 柱形图 /217
6.7 条形图 /222
1.1 数据分析定义（What） /2
1.2 数据分析作用（Why） /4
1.3 数据分析步骤（How） /5
1.3.1 明确分析目的和思路 /6
1.3.2 数据收集 /7
1.3.3 数据处理 /9
1.3.4 数据分析 /9
1.3.5 数据展现 /10
1.3.6 报告撰写 /10
1.4 数据分析的三大误区 /12
1.5 常用的数据分析工具 /13
1.5.1 Excel /13
1.5.2 SPSS /14
1.5.3 R语言 /15
1.5.4 Python语言 /16
第2 章 Python 概况 /17
2.1 Python简介 /18
2.2 Python特点 /19
2.3 Python模块 /20
2.3.1 函数 /20
2.3.2 模块 /24
2.4 Python使用场景 /27
2.5 Python 2与Python 3 /28
2.6 Python与数据科学 /29
2.7 Anaconda简介 /30
2.8 安装Anaconda /31
2.8.1 下载Anaconda /31
2.8.2 安装Anaconda /33
2.9 使用Anaconda /37
2.9.1 PyCharm 与Spyder /37
2.9.2 Anaconda 开始菜单 /38
2.9.3 Spyder 工作界面简介 /39
2.9.4 项目管理 /40
2.9.5 代码提示 /43
2.9.6 变量浏览 /44
2.9.7 图形查看 /44
2.9.8 帮助文档 /45
第3 章 编程基础 /47
3.1 数据类型 /48
3.1.1 数值型 /48
3.1.2 字符型 /50
3.1.3 逻辑型 /56
3.2 赋值和变量 /57
3.2.1 赋值和变量 /57
3.2.2 变量命名规则 /58
3.3 数据结构 /59
3.3.1 列表 /59
3.3.2 字典 /63
3.3.3 序列 /66
3.3.4 数据框 /72
3.3.5 四种数据结构的区别 /80
3.4 向量化运算 /81
3.5 for 循环 /83
3.6 Python 编程注意事项 /87
第4 章 数据处理 /90
4.1 数据导入与导出 /91
4.1.1 数据导入 /91
4.1.2 数据导出 /99
4.2 数据清洗 /100
4.2.1 数据排序 /101
4.2.2 重复数据处理 /102
4.2.3 缺失数据处理 /106
4.2.4 空格数据处理 /109
4.3 数据转换 /110
4.3.1 数值转字符 /110
4.3.2 字符转数值 /112
4.3.3 字符转时间 /113
4.4 数据抽取 /115
4.4.1 字段拆分 /116
4.4.2 记录抽取 /121
4.4.3 随机抽样 /127
4.5 数据合并 /130
4.5.1 记录合并 /130
4.5.2 字段合并 /133
4.5.3 字段匹配 /135
4.6 数据计算 /140
4.6.1 简单计算 /140
4.6.2 时间计算 /141
4.6.3 数据标准化 /142
4.6.4 数据分组 /144
第5 章 数据分析 /148
5.1 对比分析 /149
5.2 基本统计分析 /152
5.3 分组分析 /155
5.4 结构分析 /158
5.5 分布分析 /159
5.6 交叉分析 /162
5.7 RFM 分析 /164
5.8 矩阵分析 /173
5.9 相关分析 /176
5.10 回归分析 /178
5.10.1 回归分析简介 /178
5.10.2 简单线性回归分析 /180
5.10.3 多重线性回归分析 /185
第6 章 数据可视化 /189
6.1 数据可视化简介 /190
6.1.1 什么是数据可视化 /190
6.1.2 数据可视化常用图表 /190
6.1.3 通过关系选择图表 /191
6.2 散点图 /192
6.3 矩阵图 /203
6.4 折线图 /210
6.5 饼图 /215
6.6 柱形图 /217
6.7 条形图 /222
展开全部
谁说菜鸟不会数据分析(PYTHON篇) 节选
"前 言 《谁说菜鸟不会数据分析》系列图书自上市以来，已拥有数十万读者与粉丝，口口相传，成为职场人士案头**的参考用书。同时非常荣幸地获得书刊发行业协会授予的“全行业品种”称号，这离不开广大读者的厚爱与支持。有读者告诉我们，每次阅读都会有新的体会与收获，这让我们很开心。 随着云计算、互联网、电子商务和物联网的飞速发展，世界已经逐步迈入大数据时代。数据分析、机器学习等数据科学技术也相应流行起来，主流的数据科学技术，都将Python 作为主要的计算工具。Python 越来越被大家熟悉和认可，成为数据分析师的新宠儿，特别是在互联网行业。 市面上Python 数据分析的相关书籍基本上多数由IT 人员编写，写作角度相对侧重技术层面，很多基础知识点和编写的代码并无详细介绍，并且在数据分析思维体系方面相对薄弱，学习门槛非常高，让非IT 专业朋友学起来较等
谁说菜鸟不会数据分析(PYTHON篇) 作者简介
"方小敏，“数据分析实战”公众号主理人，机器学习工程师；曾服务于BAT等互联网企业，熟练掌握Python、R、Spark、Hive、TensorFlow等工具进行机器学习。 张文霖，新浪博客“小蚊子数据分析”博主，数据分析师，曾服务于靠前市场研究公司、中国移动等公司，具有多年移动互联网数据分析经验，略懂Excel、PPT、SPSS、水晶易表等工具 "
书友推荐
- >
二体千字文
二体千字文
¥21.6¥40.0 - >
【精装绘本】画给孩子的中国神话
【精装绘本】画给孩子的中国神话
¥17.6¥55.0 - >
中国历史的瞬间
中国历史的瞬间
¥16.7¥38.0 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥24.9¥49.8 - >
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
企鹅口袋书系列·伟大的思想20:论自然选择(英汉双语)
¥9.7¥14.0 - >
唐代进士录
唐代进士录
¥25.9¥39.8 - >
史学评论
史学评论
¥23.2¥42.0 - >
经典常谈
经典常谈
¥28.3¥39.8
本类畅销
-
C专家编程
¥41¥69 -
UG NX 11.0工程图教程-(含1DVD)
¥30.4¥59.9 -
网络爬虫进化论——从Excel爬虫到Python爬虫
¥55.5¥79 -
Python 数据分析基础
¥41¥69 -
Python 3.5从零开始学
¥26.4¥59 -
湖北交通文化
¥21.8¥46
