本書系統(tǒng)地描述了如何利用Python語言進(jìn)行數(shù)據(jù)分析。由淺入深的編寫方式可以幫助讀者輕松愉快地進(jìn)入數(shù)據(jù)的世界。全書從理論到實(shí)踐、從基礎(chǔ)語法到科學(xué)計(jì)算庫(kù)，循序漸進(jìn)地講解了Python數(shù)據(jù)分析所需要學(xué)習(xí)的技能。搭配項(xiàng)目實(shí)戰(zhàn)幫助讀者更好、更快地掌握Python數(shù)據(jù)分析知識(shí)點(diǎn)。此外，還全面介紹了數(shù)據(jù)分析的必知必會(huì)技能。本書提供代碼資源下載服務(wù)，每章均配有重要知識(shí)點(diǎn)串講視頻。本書不僅適合零基礎(chǔ)喜歡數(shù)據(jù)分析的
電子書
內(nèi)容簡(jiǎn)介
|a 本書以Python數(shù)據(jù)分析常用技術(shù)與真實(shí)案例相結(jié)合的方式，介紹Python商務(wù)數(shù)據(jù)分析應(yīng)用的重要內(nèi)容。全書共10章，內(nèi)容包括：商務(wù)數(shù)據(jù)分析概述、Python數(shù)據(jù)分析簡(jiǎn)介、數(shù)據(jù)獲取、探索性分析、數(shù)據(jù)預(yù)處理等。
章節(jié)目錄
- 第 1 章 商務(wù)數(shù)據(jù)分析概述
- 1.1 商務(wù)數(shù)據(jù)分析的基本概念
- 1.2 數(shù)據(jù)分析流程
- 1.2.1 需求分析
- 1.2.2 數(shù)據(jù)獲取
- 1.2.3 探索性分析
- 1.2.4 數(shù)據(jù)預(yù)處理
- 1.2.5 構(gòu)建模型
- 1.2.6 模型評(píng)價(jià)
- 1.2.7 應(yīng)用
- 1.3 商務(wù)數(shù)據(jù)分析應(yīng)用場(chǎng)景
- 1.4 數(shù)據(jù)分析工具
- 1.4.1 常用的數(shù)據(jù)分析工具
- 1.4.2 Python 數(shù)據(jù)分析的優(yōu)勢(shì)
- 1.4.3 Python 數(shù)據(jù)分析常用庫(kù)
- 小結(jié)
- 課后習(xí)題
- 第 2 章 Python 數(shù)據(jù)分析簡(jiǎn)介
- 2.1 Python 數(shù)據(jù)分析環(huán)境
- 2.1.1 Python 的Anaconda 發(fā)行版
- 2.1.2 Anaconda 安裝
- 2.2 Python 使用入門
- 2.2.1 運(yùn)行方式
- 2.2.2 基本命令
- 2.2.3 庫(kù)的導(dǎo)入與添加
- 小結(jié)
- 課后習(xí)題
- 第 3 章 數(shù)據(jù)獲取
- 3.1 常見的數(shù)據(jù)來源
- 3.2 數(shù)據(jù)類型
- 3.3 數(shù)據(jù)讀取方式
- 3.3.1 數(shù)據(jù)庫(kù)連接
- 3.3.2 文件讀取
- 3.4 常用的Python 數(shù)據(jù)格式轉(zhuǎn)換與讀/寫函數(shù)
- 3.4.1 常用的Python 數(shù)據(jù)格式轉(zhuǎn)換函數(shù)
- 3.4.2 常用的Python 數(shù)據(jù)讀/寫函數(shù)
- 小結(jié)
- 課后習(xí)題
- 第 4 章 探索性分析
- 4.1 描述性統(tǒng)計(jì)分析
- 4.1.1 集中趨勢(shì)統(tǒng)計(jì)指標(biāo)
- 4.1.2 離散程度統(tǒng)計(jì)指標(biāo)
- 4.2 可視化分析
- 4.2.1 散點(diǎn)圖
- 4.2.2 折線圖
- 4.2.3 柱形圖
- 4.2.4 餅圖
- 4.2.5 箱線圖
- 4.2.6 熱力圖
- 4.3 常用的Python 探索性分析函數(shù)
- 4.3.1 常用的Python 基本統(tǒng)計(jì)分析函數(shù)
- 4.3.2 常用的Python 作圖函數(shù)
- 小結(jié)
- 課后習(xí)題
- 第 5 章 數(shù)據(jù)預(yù)處理
- 5.1 數(shù)據(jù)清洗
- 5.1.1 缺失值處理
- 5.1.2 異常值處理
- 5.2 數(shù)據(jù)合并
- 5.2.1 多表合并
- 5.2.2 分組聚合
- 5.3 數(shù)據(jù)變換
- 5.3.1 函數(shù)變換
- 5.3.2 數(shù)據(jù)標(biāo)準(zhǔn)化
- 5.3.3 連續(xù)屬性離散化
- 5.3.4 屬性構(gòu)造
- 5.4 Python 的主要數(shù)據(jù)預(yù)處理函數(shù)
- 小結(jié)
- 課后習(xí)題
- 第 6 章 構(gòu)建模型
- 6.1 分類與回歸
- 6.1.1 實(shí)現(xiàn)過程
- 6.1.2 常用的分類與回歸算法
- 6.1.3 回歸分析
- 6.1.4 決策樹
- 6.1.5 人工神經(jīng)網(wǎng)絡(luò)
- 6.1.6 分類與回歸算法評(píng)價(jià)
- 6.1.7 常用的Python 分類與回歸算法
- 6.2 聚類分析
- 6.2.1 常用的聚類分析算法
- 6.2.2 K-Means 算法
- 6.2.3 聚類分析算法評(píng)價(jià)
- 6.2.4 常用的Python 聚類分析算法
- 6.3 關(guān)聯(lián)規(guī)則
- 6.3.1 常用的關(guān)聯(lián)規(guī)則算法
- 6.3.2 Apriori 算法實(shí)現(xiàn)
- 6.4 時(shí)序模式
- 6.4.1 時(shí)間序列分析方法與模型
- 6.4.2 時(shí)間序列的預(yù)處理
- 6.4.3 平穩(wěn)時(shí)間序列分析
- 6.4.4 非平穩(wěn)時(shí)間序列分析
- 6.4.5 常用Python 時(shí)序模式算法
- 6.5 智能推薦
- 6.5.1 常見的智能推薦算法
- 6.5.2 智能推薦算法評(píng)價(jià)
- 6.5.3 Python 智能推薦算法
- 小結(jié)
- 課后習(xí)題
- 第 7 章 O2O 優(yōu)惠券個(gè)性化投放
- 7.1 業(yè)務(wù)背景與項(xiàng)目目標(biāo)
- 7.2 分析方法與過程
- 7.2.1 數(shù)據(jù)獲取
- 7.2.2 探索性分析
- 7.2.3 數(shù)據(jù)預(yù)處理
- 7.2.4 構(gòu)建模型
- 7.2.5 模型評(píng)價(jià)
- 7.2.6 應(yīng)用
- 小結(jié)
- 課后習(xí)題
- 第 8 章 零售商品購(gòu)物籃分析
- 8.1 業(yè)務(wù)背景與項(xiàng)目目標(biāo)
- 8.2 分析方法與過程
- 8.2.1 數(shù)據(jù)獲取
- 8.2.2 探索性分析
- 8.2.3 數(shù)據(jù)預(yù)處理
- 8.2.4 構(gòu)建模型
- 8.2.5 模型評(píng)價(jià)
- 8.2.6 應(yīng)用
- 小結(jié)
- 課后習(xí)題
- 第 9 章 餐飲企業(yè)綜合分析
- 9.1 業(yè)務(wù)背景與項(xiàng)目目標(biāo)
- 9.2 分析方法與過程
- 9.2.1 數(shù)據(jù)獲取
- 9.2.2 探索性分析
- 9.2.3 數(shù)據(jù)預(yù)處理
- 9.2.4 構(gòu)建模型
- 9.2.5 模型評(píng)價(jià)
- 9.2.6 應(yīng)用
- 小結(jié)
- 課后習(xí)題
- 第 1 0 章 基于TipDM 數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行餐飲企業(yè)綜合分析
- 10.1 平臺(tái)簡(jiǎn)介
- 10.1.1 首頁(yè)
- 10.1.2 數(shù)據(jù)源
- 10.1.3 工程
- 10.1.4 系統(tǒng)組件
- 10.1.5 TipDM 數(shù)據(jù)挖掘建模平臺(tái)的本地化部署
- 10.2 快速構(gòu)建餐飲企業(yè)綜合分析工程
- 10.2.1 數(shù)據(jù)獲取
- 10.2.2 數(shù)據(jù)預(yù)處理
- 10.2.3 探索性分析
- 10.2.4 構(gòu)建模型
- 小結(jié)
- 課后習(xí)題
- 參考文獻(xiàn)
展開全部
Python商務(wù)數(shù)據(jù)分析與實(shí)戰(zhàn)是2022年由人民郵電出版社出版,作者何偉，張良均 主編。
溫馨提示：
1.本電子書已獲得正版授權(quán)，由出版社通過知傳鏈發(fā)行。
2.該電子書為虛擬物品，付費(fèi)之后概不接收任何理由退款。電子書內(nèi)容僅支持在線閱讀，不支持下載。
3.您在本站購(gòu)買的閱讀使用權(quán)僅限于您本人閱讀使用，您不得/不能給任何第三方使用，由此造成的一切相關(guān)后果本平臺(tái)保留向您追償索賠的權(quán)利！版權(quán)所有，后果自負(fù)！
得書感謝您對(duì)《Python商務(wù)數(shù)據(jù)分析與實(shí)戰(zhàn)》關(guān)注和支持，如本書內(nèi)容有不良信息或侵權(quán)等情形的，請(qǐng)聯(lián)系本網(wǎng)站。
電子書
電子書
本書共11章，分為基礎(chǔ)篇(第1-5章)和實(shí)戰(zhàn)篇(第6-11章)，基礎(chǔ)篇包括數(shù)據(jù)挖掘基礎(chǔ)、Python數(shù)據(jù)挖掘編程基礎(chǔ)、數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘算法基礎(chǔ)等基礎(chǔ)知識(shí)：實(shí)戰(zhàn)篇包括6個(gè)案例，分別為信用卡高風(fēng)險(xiǎn)客戶識(shí)別、餐飲企業(yè)菜品關(guān)聯(lián)分析、金融服務(wù)機(jī)構(gòu)資金流量預(yù)測(cè)、O2O優(yōu)惠券使用預(yù)測(cè)、電視產(chǎn)品個(gè)性化推薦，以及基于TipDM大數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)金融服務(wù)機(jī)構(gòu)資金流量預(yù)測(cè)。本書大部分章節(jié)包含實(shí)訓(xùn)和課后
電子書
本書共11章，分別介紹了機(jī)器學(xué)習(xí)概述、數(shù)據(jù)準(zhǔn)備、特征工程、有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、智能推薦的相關(guān)知識(shí)，并介紹了市財(cái)政收入分析案例、基于非侵入式電力負(fù)荷監(jiān)測(cè)與分解的電力分析案例、航空公司客戶價(jià)值分析案例、廣電大數(shù)據(jù)營(yíng)銷推薦案例以及基于TipDM數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)航空公司客戶價(jià)值分析案例。
電子書
本書以Python數(shù)據(jù)分析的常用技術(shù)與交通行業(yè)真實(shí)案例相結(jié)合的方式，深入淺出地介紹了Python數(shù)據(jù)分析與挖掘技術(shù)的重要內(nèi)容。全書共10章，內(nèi)容包括緒論、Python數(shù)據(jù)分析簡(jiǎn)介、數(shù)據(jù)獲取、數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理、構(gòu)建模型、運(yùn)輸車輛駕駛行為分析、公交車站點(diǎn)設(shè)置優(yōu)化分析、鐵路站點(diǎn)客流量預(yù)測(cè)，以及基于TipDM大數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)運(yùn)輸車輛駕駛行為分析。本書大部分章節(jié)包含課后習(xí)題，通過練習(xí)和操作實(shí)踐，讀
電子書
本書面向大數(shù)據(jù)應(yīng)用型人才，以任務(wù)為導(dǎo)向，系統(tǒng)地介紹Python數(shù)據(jù)分析與挖掘的常用技術(shù)與真實(shí)案例。全書共7章，第1、2章介紹Python數(shù)據(jù)分析的常用模塊及其應(yīng)用，涵蓋NumPy數(shù)值計(jì)算模塊、pandas數(shù)據(jù)分析模塊，較為系統(tǒng)地闡述Python數(shù)據(jù)分析的方法；第3、4章介紹輕量級(jí)的數(shù)據(jù)交換格式JSON和連接MySQL數(shù)據(jù)庫(kù)的pymysql模塊，并以此進(jìn)行數(shù)據(jù)綜合案例的分析；第5章介紹Matplot
電子書
本書全面講解Python數(shù)據(jù)分析的相關(guān)知識(shí)和技術(shù)，內(nèi)容包括Python數(shù)據(jù)分析概述、NumPy數(shù)值計(jì)算、Matplotlib數(shù)據(jù)可視化、Pandas數(shù)據(jù)分析、數(shù)據(jù)預(yù)處理、Sklearn機(jī)器學(xué)習(xí)?！ ”緯耘囵B(yǎng)學(xué)生編程能力和數(shù)據(jù)分析能力為目標(biāo)，注重技術(shù)應(yīng)用能力的培養(yǎng)?！ ”緯鴥?nèi)容充實(shí)、結(jié)構(gòu)合理、實(shí)用性強(qiáng)，具有明確的應(yīng)用能力培養(yǎng)目標(biāo)，易于接受和理解，學(xué)完本書后，可以具備數(shù)據(jù)分析的基本能力。 本書適合
電子書
本書以應(yīng)用為導(dǎo)向，將理論與實(shí)踐相結(jié)合，深入淺出地介紹了利用Python進(jìn)行大數(shù)據(jù)分析與挖掘的基本知識(shí)，以及如何將其應(yīng)用到具體領(lǐng)域的方法。本書分3篇：基礎(chǔ)篇、案例篇和提高篇?；A(chǔ)篇(第1章-第6章)主要介紹Python基礎(chǔ)知識(shí)及應(yīng)用于科學(xué)計(jì)算、數(shù)據(jù)處理、數(shù)據(jù)可視化、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方面的基礎(chǔ)知識(shí)；案例篇(第7章-第11章)主要介紹利用Python進(jìn)行金融、地理信息、交通、文本分析、圖像識(shí)別等領(lǐng)域
電子書
本書主要從實(shí)戰(zhàn)角度講述了如何處理、分析和可視化數(shù)據(jù)，如何用數(shù)據(jù)建立各種統(tǒng)計(jì)學(xué)或機(jī)器學(xué)習(xí)模型。本書首先介紹如何使用Python代碼獲取、轉(zhuǎn)換和分析數(shù)據(jù)；接著講述如何使用Python中的數(shù)據(jù)結(jié)構(gòu)和第三方庫(kù)；然后展示如何以各種格式加載數(shù)據(jù)，如何對(duì)數(shù)據(jù)進(jìn)行分組與匯總，如何創(chuàng)建圖表和可視化數(shù)據(jù)；最后討論如何解決實(shí)際的問題。本書適合希望使用Python處理和分析數(shù)據(jù)的開發(fā)人員閱讀，也可供計(jì)算機(jī)相關(guān)專業(yè)的師生參
