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)
PYTHON数据分析和业务应用实战:广告投放、产品运营、商业分析 版权信息
- ISBN：9787113300166
- 条形码：9787113300166 ; 978-7-113-30016-6
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
PYTHON数据分析和业务应用实战:广告投放、产品运营、商业分析 本书特色
不同于市面上已经存在的大部分数据分析书籍，本书内容的亮点在于“技术 业务” 的结合，同时全书会穿插多个实战项目，从而帮助读者更好地理解数据分析技术在业务上的应用。本书的前半部分为技术章节，主要围绕Python 语言的编程方法展开。后半部分为业在业务部分，为了兼顾不同技术能力的读者，会同时结合Excel 与Python 来做讲解，确保部分技术能力较弱的读者也可以使用基本的办公软件处理数据、分析问题。在创作形式上，本书会结合视频、代码、文本等多种样式对内容进行呈现。
PYTHON数据分析和业务应用实战:广告投放、产品运营、商业分析 内容简介
本书主要面向电商数据分析师和电商运营人员，也适合对技术感兴趣的产品经理。
PYTHON数据分析和业务应用实战:广告投放、产品运营、商业分析 目录
文件处理
1.1 基本环境介绍 /1
1.2 Pandas 文件的读取 /1
1.3 初识 DataFrame 数据类型 /3
1.4 DataFrame 数据类型的访问 /5
1.4.1 如何使用 head() 方法查看数据 /5
1.4.2 如何查看数据类型 /6
1.4.3 如何同时访问多列数据 /7
1.4.4 如何进行数据类型的筛选 /7
1.5 区域访问的方法 /8
1.6 DataFrame 数据类型的新增、删除 /11
1.6.1 DataFrame 数据类型的新增操作方法 /11
1.6.2 DataFrame 数据类型的删除操作方法 /13
1.7 探索性分析项目实战 /15
企业数据分析与挖掘项目标准化流程
2.1 基本流程介绍 /22
2.2 如何进行目标定义 /23
2.2.1 在线产品 /23
2.2.2 线下服务业 /23
2.2.3 内部分析目标 /24
2.3 数据的来源与获取 /25
2.4 数据抽样的常用方法 /25
2.5 数据探索的目标与任务 /26
I
2.6 数据预处理 /28
2.7 数据建模与评价 /29
使用 Python 进行科学运算
3.1 Pandas 计算利器 Series /30
3.1.1 DataFrame 与 Series 的关系 /30
3.1.2 声明一个 Series 类型 /31
3.1.3 Series 判断缺失值 /32
3.1.4 Series 的运算 /33
3.2 一个必不可少的运算库 NumPy /34
3.3 类型推断 /35
3.4 NumPy 的矢量化操作 /36
3.5 NumPy 的切片 /37
3.6 花式索引 Fancy Indexing /39
3.7 降维运算 /41
3.8 堆叠运算 /42
3.9 广播运算 /44
Matplotlib 数据可视化
4.1 销售额走势的折线图 /48
4.1.1 环境安装及引入 /48
4.1.2 Excel 中整数日期的处理 /49
4.1.3 绘制简单折线图 /50
4.1.4 解决 x 轴刻度重叠问题 /51
4.1.5 调整画布大小问题 /52
4.1.6 多项数据对比绘制折线图 /52
4.2 长尾分布的柱状图 /55
4.2.1 简单柱状图 /55
4.2.2 边框颜色与隐藏问题 /56
4.2.3 刻度显示问题 /57
II
4.3 躺着的柱状图就是条形图 /58
4.4 说明占比的饼图 /60
4.4.1 基本饼图 /60
4.4.2 饼图的数据计算 /60
4.4.3 丰富饼图属性 /61
4.5 观察分布的散点图 /63
4.5.1 普通散点图 /63
4.5.2 由散点图到气泡图的演变 /63
4.5.3 自开发 RGB 颜色生成器 /64
全面了解 MySQL
5.1 掌握数据库的结构 /66
5.1.1 实例与库 /66
5.1.2 表与字段的创建 /70
5.2 SQL 的数据操作 /72
5.2.1 数据写入 /72
5.2.2 数据更新 /73
5.2.3 数据的物理删除与逻辑删除 /74
5.3 使用 Python 操作 MySQL /75
5.3.1 表结构的创建 /75
5.3.2 外部数据导入 /76
使用 Python 进行 SQL 的查询与计算
6.1 有条件限制的查询语句 /78
6.1.1 基本查询语句 /78
6.1.2 单一条件限制的查询语句 /79
6.1.3 模糊的条件限制 /81
6.1.4 多条件限制的查询语句 /82
6.1.5 关于空值的判断 /83
6.1.6 返回部分结果的控制 /84
III
6.2 多个表查询结果展示在一起的联合查询 /85
6.3 统计结果中的分组方法与筛选技巧 /86
6.3.1 掌握结果分组 /86
6.3.2 过滤筛选分组后的结果 /87
6.3.3 排序中的大小顺序 /89
6.4 多表之间的子查询 /90
6.4.1 两表之间的子查询 /90
6.4.2 三表之间的子查询 /91
6.5 多表之间的关联查询 /92
6.5.1 先给数据起个别名 /92
6.5.2 两表之间的左关联 /93
6.5.3 两表之间的右关联 /94
6.5.4 两表之间的全关联 /95
6.6 使用 Python 进行 SQL 数据查询 /95
6.6.1 一般的查询方法 /95
6.6.2 使用 Pandas 的查询方法 /96
基于用户行为的用户价值分析
7.1 项目数据介绍 /98
7.1.1 项目介绍及脱敏 /98
7.1.2 数据介绍 /98
7.2 项目开始前的数据预处理 /100
7.2.1 数据获取 /100
7.2.2 数据预处理 /101
7.3 指标分析与价值分析 /102
7.3.1 流量指标分析 /102
7.3.2 转化指标分析 /104
7.3.3 基于 RFM 模型的用户价值分析 /104
IV
数据分析的具体介绍
8.1 数据与信息的关系 /107
8.2 数据能做什么——以微信私域流量数字化经营为例 /108
8.3
数据分析基本概念及数学基础
9.1 数据分析的基本思路 /119
9.2 描述性分析 /120
9.2.1 数值分析 /120
9.2.2 分布分析 /121
9.2.3 可视化分析 /124
9.3 诊断性分析 /129
9.3.1 关联分析 /129
9.3.2 波动分析（以周权重指数为例） /130
9.4 预测性分析 /131
9.4.1 线性回归 /131
9.4.2 非线性回归 /133
9.5 仿真模拟 /136
9.5.1 仿真模拟的理论应用 /136
9.5.2 仿真模拟的业务应用 /137
V
数据分析思维在业务中的应用——以 B 站广告增长投放为例
10.1 B 站基本信息及广告形式 /144
10.1.1 B 站基本信息 /144
10.1.2 B 站的广告形式 /145
10.2 影响 CPC 广告投放效果的要素 /147
10.2.1 广告投放营销漏斗转化模型 /147
10.2.2 CPC 广告展示量（曝光量）涉及要素 /148
10.2.3 CPC 广告点击量涉及要素 /153
10.2.4 CPC 广告访问量涉及要素 /157
10.2.5 CPC 广告成交量（转化量）涉及要素 /157
10.3 B 站内 CPC 广告业务场景与优化 /159
10.4 B 站内 CPC 广告业务优化思路与数据分析 /160
10.4.1 针对广告投放 ROI 偏低问题的数据汇总 /160
10.4.2 针对广告投放 ROI 偏低问题的优化思路 /161
10.4.3 针对广告曝光点击率偏低问题的业务背景 /164
10.4.4 针对广告曝光点击率偏低问题的优化思路 /165
10.5 B 站内 CPC 广告优化在复杂业务环境下考虑的要素 /168
数据分析在电商平台订单分析中的应用——以 B 站会员购电商平台为例
11.1 B 站会员购平台业务背景介绍 /172
11.2 B 站会员购平台相关数据介绍 /173
11.3 订单数据的数据分析基本思路 /175
11.4 B 站会员购时间相关订单数据的分析思路及业务应用 /178
11.4.1 订单时间分布分析 /178
11.4.2 订单价格分布分析 /179
11.4.3 订单时间分布与价格分布的交叉分析 /180
11.4.4 不同时间相关订单数据的分析汇总 /180
VI
11.5 B 站会员购商品相关订单数据的分析思路及业务应用 /181
11.5.1 商品客单价分布分析 /181
11.5.2 商品销量分布分析 /182
11.5.3 商品销量波动趋势分析 /183
11.5.4 商品地区客单价分析 /185
11.6 B 站会员购多日订单数据的汇总 /186
11.7 B 站会员购订单数据针对地区品牌渗透度基本判别的分析 /186
数据分析在商业分析中的应用——以商品多渠道管理为例
12.1 什么是商业分析 /190
12.2 商业分析和数据分析的区别是什么 /190
12.3 多渠道商业分析项目背景介绍 /193
12.4 相关数据介绍 /196
12.5 多渠道商业分析的数据处理 /198
12.5.1 多渠道商业分析的数据背景及分析价值 /198
12.5.2 多渠道商业分析的操作步骤 /200
12.5.3 多渠道商业分析的数据分析思路及操作 /200
12.6 不同渠道对销量影响程度的判断 /209
12.7 多渠道商业分析在销售管理上的应用 /211
数据分析在市场调研的应用——商品画像分析
13.1 什么是商品画像体系 /212
13.2 商品画像体系的数据来源 /212
13.2.1 平台数据来源 /212
13.2.2 第三方数据来源 /220
13.3 商品画像数据的抓取方法 /223
13.3.1 人工采集 /223
13.3.2 第三方爬虫工具采集 /223
13.3.3 自有编程爬虫脚本采集 /224
VII
13.4 商品画像体系的应用 /225
13.4.1 数据维度说明 /225
13.4.2 数据清洗及有效数据筛选 /228
13.4.3 商品曝光价格分布分析 /229
13.4.4 商品曝光价格趋势分析 /230
13.4.5 商品评分及数量分布分析 /231
13.4.6 商品评分趋势分析 /235
13.4.7 商品排名分布趋势分析 /236
13.4.8 商品标题词频分析 /237
13.4.9 商品评价词频分析 /244
展开全部
PYTHON数据分析和业务应用实战:广告投放、产品运营、商业分析 作者简介
周景阳贪心科技联合创始人曾就职于百度、国美等大型互联网公司及传统行业10余年工作经验，擅长数据分析、数据挖掘、大数据、软件研发、测试等多方向实战技术。叶鹏飞当当网电子商务领域书籍销量TOP10作者，代表作《亚马逊跨境电商数据化运营指南》个人IP“旭鹏”，在知乎、喜马拉雅、今日头条等内容平台拥有数据分析、电子商务关注者超过5万人先后于亚马逊、bilibili、腾讯担任数据与运营相关工作亚马逊中国官方跨境电商广告业务讲师、腾讯课堂“数据分析师”专业课程业务模块主讲人。
书友推荐
- >
随园食单
随园食单
¥15.4¥48.0 - >
中国历史的瞬间
中国历史的瞬间
¥16.7¥38.0 - >
巴金－再思录
巴金－再思录
¥14.7¥46.0 - >
苦雨斋序跋文-周作人自编集
苦雨斋序跋文-周作人自编集
¥5.8¥16.0 - >
罗庸西南联大授课录
罗庸西南联大授课录
¥13.8¥32.0 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥15.9¥49.8 - >
我与地坛
我与地坛
¥16.5¥28.0 - >
山海经
山海经
¥19.7¥68.0
本类畅销
-
详解Spring Boot(从入门到企业级开发实战)/孙鑫精品图书系列
¥64.2¥129 -
PYTHON应用与实战
¥52.9¥79.8 -
Python编程与数值方法
¥79.6¥109 -
Go语言从入门到项目实战(视频版)
¥60.4¥108 -
软件设计师
¥14.2¥38 -
GO语言编程从入门到实践
¥75.6¥108
