Python數(shù)據(jù)分析案例實戰(zhàn)(慕課版）
定 價：59.8 元
當前圖書已被 19 所學校薦購過！
查看明細
- 作者：王浩 袁琴 張明慧
- 出版時間：2020/6/1
- ISBN：9787115520845
- 出 版 社：人民郵電出版社
- 中圖法分類：TP311.561
- 頁碼：236
- 紙張：
- 版次：01
- 開本：16開
主要內容包括：數(shù)據(jù)分析基礎、NumPy模塊實現(xiàn)數(shù)值計算、Pandas模塊實現(xiàn)統(tǒng)計分析、Matplotlib模塊實現(xiàn)數(shù)據(jù)可視化、【案例】客戶價值分析、【案例】銷售收入預測、【案例】二手房數(shù)據(jù)分析預測系統(tǒng)、【案例】智能停車場運營分析系統(tǒng)、【案例】影視作品分析和【案例】看店寶。
1. 明日科技寫作經驗豐富，案例眾多。
2. 配套資源豐富，慕課視頻制作精良。
3. 案例式寫法適合應用型本科院校。
本書作為Python數(shù)據(jù)分析的案例教程，不僅介紹了使用Python進行數(shù)據(jù)分析所涉及的常用知識，而且介紹了6個流行的數(shù)據(jù)分析方面的項目。
明日科技，程序設計類暢銷圖書作者，絕大多數(shù)品種在“全國計算機圖書排行榜”同品種排行中名列前茅，累計銷售百萬冊。作者編寫的《Python從入門到項目實戰(zhàn)》《零基礎學Python》《Python從入門到精通》等長期占據(jù)各網(wǎng)店排行榜的榜首位置。
第1章 數(shù)據(jù)分析基礎 1
1.1 什么是數(shù)據(jù)分析 2
1.2 數(shù)據(jù)分析的應用 2
1.3 數(shù)據(jù)分析方法 2
1.3.1 對比分析法 3
1.3.2 同比分析法 3
1.3.3 環(huán)比分析法 4
1.3.4 80/20法則 4
1.3.5 回歸分析法 4
1.3.6 聚類分析法 5
1.3.7 時間序列分析法 5
1.4 數(shù)據(jù)分析工具 6
1.5 數(shù)據(jù)分析流程 7
1.5.1 明確目的 7
1.5.2 獲取數(shù)據(jù) 8
1.5.3 數(shù)據(jù)處理 9
1.5.4 數(shù)據(jù)分析 10
1.5.5 驗證結果 10
1.5.6 數(shù)據(jù)展現(xiàn) 10
1.5.7 數(shù)據(jù)應用 10
1.6 Python數(shù)據(jù)分析常用模塊 10
1.6.1 數(shù)值計算模塊 10
1.6.2 數(shù)據(jù)處理模塊 10
1.6.3 數(shù)據(jù)可視化模塊 11
1.6.4 機器學習模塊 11
小結 11
習題 11
第2章 NumPy模塊實現(xiàn)
數(shù)值計算 12
2.1 初識NumPy模塊 13
2.1.1 NumPy的誕生 13
2.1.2 NumPy的安裝 13
2.1.3 NumPy的數(shù)據(jù)類型 14
2.1.4 數(shù)組對象ndarray 15
2.1.5 數(shù)據(jù)類型對象dtype 16
2.2 NumPy模塊中數(shù)組的基本操作 16
2.2.1 內置的數(shù)組創(chuàng)建方法 16
2.2.2 生成隨機數(shù) 19
2.2.3 切片和索引 20
2.2.4 修改數(shù)組形狀 21
2.2.5 組合數(shù)組 22
2.2.6 數(shù)組分割 24
2.3 NumPy模塊中函數(shù)的應用 25
2.3.1 數(shù)學函數(shù) 26
2.3.2 算術函數(shù) 27
2.3.3 統(tǒng)計函數(shù) 27
2.3.4 矩陣函數(shù) 30
2.4 廣播機制 31
小結 32
習題 32
第3章 pandas模塊實現(xiàn)統(tǒng)計
分析 33
3.1 安裝pandas模塊 34
3.2 pandas數(shù)據(jù)結構 35
3.2.1 Series對象 35
3.2.2 DataFrame對象 37
3.3 讀、寫數(shù)據(jù) 38
3.3.1 讀、寫文本文件 38
3.3.2 讀、寫Excel文件 40
3.3.3 讀、寫數(shù)據(jù)庫數(shù)據(jù) 41
3.4 數(shù)據(jù)操作 44
3.4.1 數(shù)據(jù)的增、刪、改、查 44
3.4.2 NaN數(shù)據(jù)處理 47
3.4.3 時間數(shù)據(jù)的處理 50
3.5 數(shù)據(jù)的分組與聚合 52
3.5.1 分組數(shù)據(jù) 52
3.5.2 聚合數(shù)據(jù) 54
3.6 數(shù)據(jù)的預處理 56
3.6.1 合并數(shù)據(jù) 56
3.6.2 去除重復數(shù)據(jù) 60
小結 62
習題 62
第4章 Matplotlib模塊實現(xiàn)
數(shù)據(jù)可視化 63
4.1 基本用法 64
4.1.1 安裝 Matplotlib 64
4.1.2 pyplot子模塊的繪圖流程 65
4.1.3 pyplot子模塊的常用語法 65
4.2 繪制常用圖表 66
4.2.1 繪制條形圖 66
4.2.2 繪制折線圖 69
4.2.3 繪制散點圖 70
4.2.4 繪制餅圖 71
4.2.5 繪制箱形圖 73
4.2.6 多面板圖表 75
4.3 3D繪圖 78
4.3.1 3D線圖 78
4.3.2 3D曲面圖 79
4.3.3 3D條形圖 81
小結 82
習題 82
第5章 客戶價值分析 83
5.1 背景 84
5.2 系統(tǒng)設計 84
5.2.1 系統(tǒng)功能結構 84
5.2.2 系統(tǒng)業(yè)務流程 84
5.2.3 系統(tǒng)預覽 84
5.3 系統(tǒng)開發(fā)必備 86
5.3.1 開發(fā)環(huán)境及工具 86
5.3.2 項目文件結構 86
5.4 分析方法 87
5.4.1 RFM模型 87
5.4.2 聚類分析 87
5.4.3 k-means聚類算法 88
5.5 技術準備 88
5.5.1 sklearn模塊 89
5.5.2 k-means聚類 89
5.5.3 pandas模塊 90
5.6 用Python實現(xiàn)客戶價值分析 90
5.6.1 數(shù)據(jù)抽取 90
5.6.2 數(shù)據(jù)探索分析 90
5.6.3 數(shù)據(jù)處理 91
5.6.4 客戶聚類 92
5.6.5 客戶價值分析 94
小結 94
習題 94
第6章 銷售收入分析與預測 95
6.1 背景 96
6.2 系統(tǒng)設計 96
6.2.1 系統(tǒng)功能結構 96
6.2.2 系統(tǒng)業(yè)務流程 96
6.2.3 系統(tǒng)預覽 97
6.3 系統(tǒng)開發(fā)必備 97
6.3.1 開發(fā)環(huán)境及工具 97
6.3.2 項目文件結構 97
6.4 分析方法 97
6.4.1 線性回歸 97
6.4.2 最小二乘法 98
6.5 線性回歸模型 100
6.6 Excel日期數(shù)據(jù)處理 101
6.6.1 按日期篩選數(shù)據(jù) 101
6.6.2 按日期顯示數(shù)據(jù) 101
6.6.3 按日期統(tǒng)計數(shù)據(jù) 102
6.7 分析與預測 102
6.7.1 數(shù)據(jù)處理 103
6.7.2 日期數(shù)據(jù)統(tǒng)計并顯示 103
6.7.3 根據(jù)歷史銷售數(shù)據(jù)
繪制擬合圖 103
6.7.4 預測銷售收入 104
小結 105
習題 105
第7章 二手房數(shù)據(jù)分析
預測系統(tǒng) 106
7.1 需求分析 107
7.2 系統(tǒng)設計 107
7.2.1 系統(tǒng)功能結構 107
7.2.2 系統(tǒng)業(yè)務流程 107
7.2.3 系統(tǒng)預覽 107
7.3 系統(tǒng)開發(fā)必備 111
7.3.1 開發(fā)環(huán)境及工具 111
7.3.2 文件夾組織結構 111
7.4 技術準備 111
7.4.1 sklearn庫概述 111
7.4.2 加載datasets子模塊中的
數(shù)據(jù)集 111
7.4.3 支持向量回歸函數(shù) 114
7.5 圖表工具模塊 115
7.5.1 繪制餅圖 115
7.5.2 繪制折線圖 116
7.5.3 繪制條形圖 117
7.6 二手房數(shù)據(jù)分析 118
7.6.1 清洗數(shù)據(jù) 118
7.6.2 各區(qū)二手房均價分析 119
7.6.3 各區(qū)房子數(shù)量比例 120
7.6.4 全市二手房裝修程度分析 121
7.6.5 熱門戶型均價分析 122
7.6.6 二手房售價預測 123
小結 126
習題 126
第8章 智能停車場運營
分析系統(tǒng) 127
8.1 需求分析 128
8.2 系統(tǒng)設計 128
8.2.1 系統(tǒng)功能結構 128
8.2.2 系統(tǒng)業(yè)務流程 128
8.2.3 系統(tǒng)預覽 128
8.3 系統(tǒng)開發(fā)必備 132
8.3.1 開發(fā)環(huán)境及工具 132
8.3.2 文件夾組織結構 132
8.4 技術準備 133
8.4.1 初識Pygame 133
8.4.2 Pygame的基本應用 133
8.4.3 時間模塊 136
8.4.4 日期時間模塊 138
8.5 智能停車場數(shù)據(jù)分析 141
8.5.1 停車時間數(shù)據(jù)分布圖 141
8.5.2 停車高峰時間所占比例 143
8.5.3 每周繁忙統(tǒng)計 145
8.5.4 月收入分析 147
8.5.5 每日接待車輛統(tǒng)計 149
8.5.6 車位使用率 150
小結 152
習題 152
第9章 影視作品分析 153
9.1 需求分析 154
9.2 系統(tǒng)設計 154
9.2.1 系統(tǒng)功能結構 154
9.2.2 系統(tǒng)業(yè)務流程 154
9.2.3 系統(tǒng)預覽 155
9.3 系統(tǒng)開發(fā)必備 156
9.3.1 開發(fā)環(huán)境及工具 156
9.3.2 文件夾組織結構 156
9.4 技術準備 157
9.4.1 使用jieba模塊進行分詞 157
9.4.2 使用wordcloud庫實現(xiàn)
詞云圖 159
9.5 主窗體設計 162
9.5.1 實現(xiàn)主窗體 162
9.5.2 查看部分的隱藏與顯示 163
9.5.3 下拉列表處理 164
9.6 數(shù)據(jù)分析與處理 166
9.6.1 獲取數(shù)據(jù) 166
9.6.2 生成全國熱力圖文件 167
9.6.3 生成主要城市評論數(shù)及平均
分文件 168
9.6.4 生成詞云圖 168
9.7 單擊查看顯示內容 169
9.7.1 創(chuàng)建顯示HTML頁面的窗體 169
9.7.2 創(chuàng)建顯示圖片的窗體 170
9.7.3 綁定查詢按鈕單擊事件 171
小結 172
習題 172
第10章 看店寶 173
10.1 需求分析 174
10.2 系統(tǒng)設計 175
10.2.1 系統(tǒng)功能結構 175
10.2.2 系統(tǒng)業(yè)務流程 175
10.2.3 系統(tǒng)預覽 175
10.3 系統(tǒng)開發(fā)必備 179
10.3.1 開發(fā)環(huán)境及工具 179
10.3.2 文件夾組織結構 179
10.4 技術準備 180
10.4.1 使用Python操作數(shù)據(jù)庫 180
10.4.2 JSON模塊的應用 181
10.5 主窗體的UI設計 182
10.5.1 對主窗體進行可視化設計 182
10.5.2 將可視化窗體轉換為.py
文件 184
10.5.3 設置窗體及控件背景 184
10.5.4 創(chuàng)建窗體控制文件 185
10.5.5 主窗體預覽效果 185
10.6 設計數(shù)據(jù)庫表結構 186
10.7 初始數(shù)據(jù)的爬取 187
10.7.1 爬取排行信息 187
10.7.2 爬取價格信息 190
10.7.3 爬取評價信息 191
10.7.4 定義數(shù)據(jù)庫操作文件 194
10.8 圖表分析數(shù)據(jù) 197
10.8.1 餅圖展示評價信息 197
10.8.2 分析出版社所占比例的
條形圖 198
10.8.3 折線圖分析價格走勢 199
10.8.4 Top10數(shù)據(jù)展示 200
10.9 商品排行展示 203
10.9.1 熱銷商品排行榜 203
10.9.2 熱門商品展示 205
10.10 關注商品 207
10.10.1 分析關注商品的預警信息 207
10.10.2 重點商品的關注與取消 208
10.11 商品營銷預警 214
10.11.1 商品中、差評預警 214
10.11.2 商品價格變化預警 216
10.12 關注商品圖表分析 218
10.12.1 關注商品評價分析餅圖 218
10.12.2 關注商品出版社占有比例 220
10.13 其他功能 222
小結 224
習題 224
書單推薦
