目 录
第1章 数据的收集与整理 1
1.1 数据的类型 1
1.1.1 按度量尺度分 1
1.1.2 按时间状况分 1
1.2 数据的收集 2
1.2.1 横向数据的收集 2
1.2.2 纵向数据的收集 6
1.3 数据的管理 7
1.3.1 表格管理数据 7
1.3.2 数据库管理数据 8
数据及练习 8
第2章 数据分析软件介绍 10
2.1 数据分析软件简介 10
2.2 Python语言介绍 11
2.2.1 Python简介 11
2.2.2 Python的功能 12
2.2.3 Python编程环境 14
2.3 Python数据分析平台 17
2.3.1 Jupyter数据分析平台 18
2.3.2 Python在线分析平台 23
2.4 Python编程入门 27
2.4.1 Python的工作目录 27
2.4.2 Python分析包（库） 27
2.4.3 Python中的数据管理 29
数据及练习 29
第3章 Python编程分析基础 30
3.1 Python数据类型 30
3.1.1 Python对象 30
3.1.2 数据的基本类型 31
3.1.3 标准数据类型 33
3.2 数值分析库numpy 34
3.2.1 一维数组（向量） 34
3.2.2 二维数组（矩阵） 35
3.2.3 数组的操作 35
3.3 数据分析库pandas 36
3.3.1 序列（Series） 36
3.3.2 数据框（DataFrame） 37
3.3.3 数据框的读写 39
3.3.4 数据框的操作 41
3.4 Python编程运算 45
3.4.1 基本运算 45
3.4.2 控制语句 46
3.4.3 函数定义 47
3.4.4 面向对象 49
数据及练习 50
第4章 数据的探索性分析 52
4.1 数据的描述分析 52
4.1.1 基本描述统计量 52
4.1.2 计数数据汇总分析 53
4.1.3 计量数据汇总分析 53
4.2 基本绘图命令 57
4.2.1 常用的绘图函数 57
4.2.2 基于pandas的绘图 66
4.3 数据的分类分析 70
4.3.1 一维频数分析 70
4.3.2 二维集聚分析 73
4.3.3 多维透视分析 77
数据及练习 79
第5章 数据的可视化分析 80
5.1 特殊统计图的绘制 80
5.1.1 数学函数图 80
5.1.2 气泡图 82
5.1.3 三维曲面图 82
5.1.4 三维散点图 83
5.2 seaborn统计绘图 83
5.2.1 基本概念 84
5.2.2 常用统计图 84
5.3 ggplot绘图系统 88
5.3.1 qplot快速制图 89
5.3.2 ggplot基本绘图 90
数据及练习 95
第6章 数据的统计分析 97
6.1 随机变量及其分布 97
6.1.1 均匀分布 97
6.1.2 正态分布 98
6.2 数据分析统计基础 102
6.2.1 统计量的概念 102
6.2.2 统计量的分布 103
6.3 基本统计推断方法 106
6.3.1 参数的估计方法 107
6.3.2 参数的假设检验 109
数据及练习 111
第7章 数据的模型分析 113
7.1 简单线性相关模型 113
7.1.1 线性相关的概念 113
7.1.2 相关系数的计算 114
7.1.3 相关系数的检验 115
7.2 简单线性回归模型 116
7.2.1 简单线性模型估计 116
7.2.2 简单线性模型检验 118
7.2.3 简单线性模型预测 119
7.3 分组线性相关与回归 120
7.3.1 分组线性相关分析 120
7.3.2 分组线性回归模型 121
数据及练习 122
第8章 数据的预测分析 124
8.1 动态数列的基本分析 124
8.1.1 动态数列的介绍 124
8.1.2 动态数列的分析 126
8.2 动态数列预测分析 130
8.2.1 趋势预测构建 130
8.2.2 平滑预测法 134
8.3 股票数据统计分析 138
8.3.1 股票价格分析 139
8.3.2 股票收益率分析 143
数据及练习 147
第9章 数据的决策分析 149
9.1 确定性分析 149
9.1.1 单目标求解 149
9.1.2 多目标求解 150
9.2 不确定性分析 151
9.2.1 分析方法 151
9.2.2 分析原则 152
9.3 风险分析 154
9.3.1 期望值法 154
9.3.2 后悔期望值法 155
数据及练习 155
第10章 数据的案例分析 157
10.1 在线数据获取与分析 157
10.1.1 在线财经数据获取 157
10.1.2 在线股票数据分析 159
10.1.3 新股发行数据分析 161
10.2 证券交易数据的分析 163
10.2.1 历史行情数据分析 163
10.2.2 实时行情数据分析 165
10.2.3 大单交易数据分析 167
10.2.4 公司盈利能力分析 168
10.2.5 公司现金流量分析 169
10.3 宏观经济数据的实证分析 170
10.3.1 存款利率变动分析 170
10.3.2 国内生产总值GDP分析 172
10.3.3 工业品出厂价格指数分析 174
10.4 电影票房数据的实时分析 175
10.4.1 实时票房数据分析 175
10.4.2 每日票房数据分析 176
10.4.3 影院日度票房分析 177
数据及练习 178
附录A 本书的学习博客 179
附录B 书中的例子数据 181
附录C 书中的自定义函数 182
参考文献 183
随着大数据时代的来临，一门集数学、统计学和计算机科学为一体的数据科学在世界范围内迅速兴起。数据科学也成为一门横跨自然科学和社会科学的学问。未来社会，各行各业，都免不了和数据打交道，需要借助于数据分析，需要学习数据分析。本书从数据处理的角度来讲解统计分析，内容包括数据科学基础——数据与软件、探索性分析、可视化技术、统计推断、统计模型，大数据分析基础——预测分析法、决策分析法、综合评价法，大数据分析方法——统计方法，大数据分析入门——综合应用。每种方法均辅以详细的Python语言实现，便于提高实际操作能力。并配套开发了学习网站，学习者可以在任何终端（包括手机）上做数据分析。
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
