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)
编程菜鸟学PYTHON数据分析 版权信息
- ISBN：9787111746614
- 条形码：9787111746614 ; 978-7-111-74661-4
- 装帧：平装-胶订
- 册数：暂无
- 重量：暂无
- 所属分类：>
编程菜鸟学PYTHON数据分析 本书特色
数据的重要性越来越高，甚至已经被国家提到高要素化的程度。数据资产化、数据治理等成为企业关注的重点方向，但是数据要想真正赋能企业发展，数据分析是必须要经历的过程。所以在数据要素时代，数据分析会更加重要。那么如何快速入门数据分析？没有编程经验的人如何快速入门数据分析？本书给出了答案。想转行做数据分析而又苦于没有基础的朋友，不妨试试这本书，这是得到了近万名学员肯定的零基础学数据分析课程的文字版。
编程菜鸟学PYTHON数据分析 内容简介
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章介绍数据处理利器-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。
编程菜鸟学PYTHON数据分析 目录
前 言
Python基础篇
第1章 学习Python的优势 2
1.1 Python的特色 2
1.1.1 代码简单易懂 3
1.1.2 包罗万象的Python包 5
1.1.3 超高的知名度和广泛的应用面 6
1.2 学习Python的收获 7
1.2.1 工作效率的提升 7
1.2.2 工作能力的增强 7
1.2.3 职场竞争力的提高 8
1.3 如何高效地学习Python 8
1.3.1 打好编程基础 8
1.3.2 多“攒”代码 8
1.3.3 精通代码调试 9
1.3.4 面向实际工作场景 10
第2章 Python的工作环境 11
2.1 Python工作环境的构成 11
2.1.1 核心的Python软件 11
2.1.2 Anaconda 12
2.1.3 IDE 13
2.2 安装过程中的常见问题 14
2.3 Python的两种解释器 14
2.4 包的安装 22
2.4.1 在线安装 22
2.4.2 离线安装 23
2.5 PyCharm中的解释器配置 26
2.5.1 两种解释器的配置 27
2.5.2 Anaconda中第三方包的配置 31
2.6 编译.py文件生成.exe文件 33
第3章 Python编程基础 38
3.1 与文件系统相关的5个常见问题 38
3.2 编码格式 43
3.3 Python编程中的特殊之处 45
3.4 Python中的数据结构 46
3.4.1 序列 47
3.4.2 列表 49
3.4.3 元组 51
3.4.4 字典 52
3.4.5 集合 57
3.5 Python基础语句 59
第4章 Python程序调试 62
4.1 程序调试的常识 62
4.2 Python代码的常见错误类型 63
4.3 程序调试方法 64
4.3.1 程序调试的基本操作 64
4.3.2 程序调试的基本方法 77
第5章 Excel和Text文件的读写操作 79
5.1 Text文件读写包 79
5.2 Excel读写的四重循环 81
5.3 openpyxl包 83
5.4 xlsxwriter包 87
第6章 数据处理神器pandas 90
6.1 pandas的安装 90
6.2 pandas的数据结构 91
6.3 pandas数据处理 96
6.3.1 从Excel文件中读取数据 96
6.3.2 切片 97
6.3.3 排序、筛选与分类汇总 100
6.3.4 数据合并 105
6.4 pandas统计分析 111
6.4.1 统计分析指标 111
6.4.2 pandas绘图 116
6.5 其他pandas功能 117
第7章 Matplotlib图形呈现包 118
7.1 Matplotlib包介绍 118
7.2 利用Matplotlib包绘图 119
7.2.1 折线图 119
7.2.2 散点图 125
7.2.3 柱状图 126
7.2.4 饼图 126
7.2.5 直方图 131
7.3 图形部件绘制代码 132
7.4 综合绘图示例 135
Python数据分析高级篇
第8章 数据预处理 140
8.1 数据预处理的目标和方法 140
8.1.1 缩放法 141
8.1.2 分段转换 144
8.1.3 定性数据定量化 144
8.1.4 数据填充 145
8.2 Python数据预处理的方法 147
第9章 数据分析的常见问题和方法 150
9.1 数据分析的常见问题 150
9.1.1 数据采集问题 150
9.1.2 数据描述问题 151
9.1.3 数据间关系的界定和挖掘问题 151
9.1.4 时间序列（预测）问题 152
9.2 数据分析的常见方法 152
9.2.1 标识分析法 152
9.2.2 排序分析法 154
9.2.3 漏斗分析法 154
9.2.4 二八分析法 156
9.2.5 异常值分析法 158
9.2.6 对比分析法 164
9.2.7 分组（类）分析法 166
9.2.8 因果关系判断法 166
9.2.9 假设排除分析法 167
9.2.10 趋势分析法 167
第10章 相关与回归 169
10.1 相关 169
10.1.1 相关分析的含义 169
10.1.2 相关分析在Excel软件中的实现 171
10.1.3 相关分析在Python中的实现 176
10.2 回归 178
10.2.1 线性回归 180
10.2.2 非线性回归 183
10.2.3 多元线性回归 186
10.2.4 Logistic回归 187
第11章 分类 192
11.1 KNN算法 193
11.2 聚类原理 196
11.3 聚类在Python中的实现 198
第12章 决策树 202
12.1 决策树原理 203
12.2 决策树代码解析 204
第13章 关联分析 210
13.1 关联分析原理 211
13.2 关联分析的数据预处理 215
13.3 关联分析代码解析 216
第14章 降维 220
14.1 为什么要降维 221
14.2 用Python实现主成分分析 223
第15章 通过爬虫获取数据的方法与实践 227
15.1 爬虫基本原理 228
15.2 爬虫爬取的内容 228
15.3 爬虫实践 229
15.3.1
Python基础篇
第1章 学习Python的优势 2
1.1 Python的特色 2
1.1.1 代码简单易懂 3
1.1.2 包罗万象的Python包 5
1.1.3 超高的知名度和广泛的应用面 6
1.2 学习Python的收获 7
1.2.1 工作效率的提升 7
1.2.2 工作能力的增强 7
1.2.3 职场竞争力的提高 8
1.3 如何高效地学习Python 8
1.3.1 打好编程基础 8
1.3.2 多“攒”代码 8
1.3.3 精通代码调试 9
1.3.4 面向实际工作场景 10
第2章 Python的工作环境 11
2.1 Python工作环境的构成 11
2.1.1 核心的Python软件 11
2.1.2 Anaconda 12
2.1.3 IDE 13
2.2 安装过程中的常见问题 14
2.3 Python的两种解释器 14
2.4 包的安装 22
2.4.1 在线安装 22
2.4.2 离线安装 23
2.5 PyCharm中的解释器配置 26
2.5.1 两种解释器的配置 27
2.5.2 Anaconda中第三方包的配置 31
2.6 编译.py文件生成.exe文件 33
第3章 Python编程基础 38
3.1 与文件系统相关的5个常见问题 38
3.2 编码格式 43
3.3 Python编程中的特殊之处 45
3.4 Python中的数据结构 46
3.4.1 序列 47
3.4.2 列表 49
3.4.3 元组 51
3.4.4 字典 52
3.4.5 集合 57
3.5 Python基础语句 59
第4章 Python程序调试 62
4.1 程序调试的常识 62
4.2 Python代码的常见错误类型 63
4.3 程序调试方法 64
4.3.1 程序调试的基本操作 64
4.3.2 程序调试的基本方法 77
第5章 Excel和Text文件的读写操作 79
5.1 Text文件读写包 79
5.2 Excel读写的四重循环 81
5.3 openpyxl包 83
5.4 xlsxwriter包 87
第6章 数据处理神器pandas 90
6.1 pandas的安装 90
6.2 pandas的数据结构 91
6.3 pandas数据处理 96
6.3.1 从Excel文件中读取数据 96
6.3.2 切片 97
6.3.3 排序、筛选与分类汇总 100
6.3.4 数据合并 105
6.4 pandas统计分析 111
6.4.1 统计分析指标 111
6.4.2 pandas绘图 116
6.5 其他pandas功能 117
第7章 Matplotlib图形呈现包 118
7.1 Matplotlib包介绍 118
7.2 利用Matplotlib包绘图 119
7.2.1 折线图 119
7.2.2 散点图 125
7.2.3 柱状图 126
7.2.4 饼图 126
7.2.5 直方图 131
7.3 图形部件绘制代码 132
7.4 综合绘图示例 135
Python数据分析高级篇
第8章 数据预处理 140
8.1 数据预处理的目标和方法 140
8.1.1 缩放法 141
8.1.2 分段转换 144
8.1.3 定性数据定量化 144
8.1.4 数据填充 145
8.2 Python数据预处理的方法 147
第9章 数据分析的常见问题和方法 150
9.1 数据分析的常见问题 150
9.1.1 数据采集问题 150
9.1.2 数据描述问题 151
9.1.3 数据间关系的界定和挖掘问题 151
9.1.4 时间序列（预测）问题 152
9.2 数据分析的常见方法 152
9.2.1 标识分析法 152
9.2.2 排序分析法 154
9.2.3 漏斗分析法 154
9.2.4 二八分析法 156
9.2.5 异常值分析法 158
9.2.6 对比分析法 164
9.2.7 分组（类）分析法 166
9.2.8 因果关系判断法 166
9.2.9 假设排除分析法 167
9.2.10 趋势分析法 167
第10章 相关与回归 169
10.1 相关 169
10.1.1 相关分析的含义 169
10.1.2 相关分析在Excel软件中的实现 171
10.1.3 相关分析在Python中的实现 176
10.2 回归 178
10.2.1 线性回归 180
10.2.2 非线性回归 183
10.2.3 多元线性回归 186
10.2.4 Logistic回归 187
第11章 分类 192
11.1 KNN算法 193
11.2 聚类原理 196
11.3 聚类在Python中的实现 198
第12章 决策树 202
12.1 决策树原理 203
12.2 决策树代码解析 204
第13章 关联分析 210
13.1 关联分析原理 211
13.2 关联分析的数据预处理 215
13.3 关联分析代码解析 216
第14章 降维 220
14.1 为什么要降维 221
14.2 用Python实现主成分分析 223
第15章 通过爬虫获取数据的方法与实践 227
15.1 爬虫基本原理 228
15.2 爬虫爬取的内容 228
15.3 爬虫实践 229
15.3.1
展开全部
编程菜鸟学PYTHON数据分析 作者简介
纪贺元
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。
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。
书友推荐
- >
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 - >
大红狗在马戏团-大红狗克里弗-助人
大红狗在马戏团-大红狗克里弗-助人
¥3.5¥10.0 - >
自卑与超越
自卑与超越
¥13.5¥39.8 - >
我从未如此眷恋人间
我从未如此眷恋人间
¥15.9¥49.8 - >
我与地坛
我与地坛
¥15.4¥28.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥7.7¥24.0 - >
巴金－再思录
巴金－再思录
¥14.7¥46.0 - >
有舍有得是人生
有舍有得是人生
¥20.1¥45.0
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
