全新Python数据分析从入门到精通明日科技 编9787302566182

篇基础篇

章了解数据分析2

1.1什么是数据分析2

1.2数据分析的重要2

1.3数据分析的基本流程4

1.3.1熟悉工具4

1.3.2明确目的5

1.3.3获取数据5

1.3.4数据处理5

1.3.5数据分析6

1.3.6验结果6

1.3.7结果呈现6

1.3.8数据应用7

1.4数据分析常用工具7

1.4.1Excel工具7

1.4.2Python语言7

1.5小结8

第2章搭建Python数据分析环境9

2.1Python概述9

2.1.1Python简介9

2.1.2Python的版本10

2.2搭建Python开发环境10

2.2.1什么是LE10

2.2.2安装Python10

2..使用LE编写“HelloWorld”14

2.2.4配置环境变量——解决“python不是内部或外部命令”16

.集成开发环境PyCharm18

..1下载PyCharm18

..2安装PyCharm20

..运行PyCharm21

..4创建工程目录22

..5个Python程序“HelloWorld”24

2.4数据分析标准环境Anaconda26

2.4.1为什么安装Anaconda27

2.4.2下载Anaconda27

2.4.3安装Anaconda29

2.5JupyterNotebook开发工具31

2.5.1认识JupyterNotebook31

2.5.2新建一个JupyterNotebook文件32

2.5.3在JupyterNotebook中编写“HelloWorld”32

2.6Spyder开发工具34

2.6.1初识Spyder34

2.6.2创建项目35

2.6.3新建/重命名.py文件36

2.6.4创建个程序——月分析37

2.6.5设置图表显示方式37

2.6.6在Spyder中安装和卸载第三方库38

2.7开发工具比较与代码共用39

2.7.1开发工具比较39

2.7.2代码共用40

2.8小结44

第2篇实践篇

第3章Pandas统计分析（上）46

3.1初识Pandas46

3.1.1Pandas概述46

3.1.2安装Pandas47

3.1.3小试牛刀——轻松导入Excel数据49

3.2Series对象50

3.2.1图解Series对象50

3.2.2创建一个Series对象51

3..手动设置Series索引52

3.2.4Series的索引52

3.2.5获取Series索引和值54

3.3DataFrame对象54

3.3.1图解DataFrame对象54

3.3.2创建一个DataFrame对象55

3.3.3DataFrame重要属和函数57

3.4导入外部数据58

3.4.1导入.xls或.xlsx文件58

3.4.2导入.csv文件63

3.4.3导入.txt文本文件64

3.4.4导入HTML网页65

3.5数据抽取67

3.5.1抽取一行数据67

3.5.2抽取多行数据68

3.5.3抽取指定列数据69

3.5.4抽取指定行、列数据70

3.5.5按指定条件抽取数据71

3.6数据的增加、修改和删除72

3.6.1增加数据72

3.6.2修改数据75

3.6.3删除数据77

3.7数据清洗78

3.7.1缺失值查看与处理78

3.7.2重复值处理81

3.7.3异常值的检测与处理82

3.8索引设置83

3.8.1索引的作用83

3.8.2重新设置索引83

3.8.3设置某列为行索引85

3.8.4数据清洗后重新设置连续的行索引86

3.9数据排序与排名87

3.9.1数据排序87

3.9.2数据排名90

3.10小结92

第4章Pandas统计分析（下）93

4.1数据计算93

4.1.1求和（sum()函数）93

4.1.2求均值（mean()函数）94

4.1.3求优选值（max()函数）95

4.1.4求值（min()函数）96

4.1.5求中位数（median()函数）97

4.1.6求众数（mode()函数）98

4.1.7求方差（var()函数）99

4.1.8标准差（数据标准化std()函数）101

4.1.9求分位数（quantile()函数）101

4.2数据格式化103

4.2.1设置小数位数103

4.2.2设置百分比104

4..设置千位分隔符105

4.3数据分组统计106

4.3.1分组统计groupby()函数106

4.3.2对分组数据进行迭代108

4.3.3对分组的某列或多列使用聚合函数（agg()函数）109

4.3.4通过字典和Series对象进行分组统计111

4.4数据移位112

4.5数据转换113

4.5.1一列数据转换为多列数据113

4.5.2行列转换116

4.5.3DataFrame转换为字典118

4.5.4DataFrame转换为列表119

4.5.5DataFrame转换为元组119

4.5.6Excel转换为HTML网页格式120

4.6数据合并120

4.6.1数据合并（merge()方法）120

4.6.2数据合并（concat()方法）124

4.7数据导出126

4.7.1导出为.xlsx文件126

4.7.2导出为.csv文件128

4.7.3导出多个Sheet129

4.8日期数据处理129

4.8.1DataFrame的日期数据转换129

4.8.2dt对象的使用131

4.8.3获取日期区间的数据132

4.8.4按不同时期统计并显示数据133

4.9时间序列135

4.9.1重采样（Resample()方法）135

4.9.2降采样处理137

4.9.3升采样处理138

4.9.4时间序列数据汇总（ohlc()函数）139

4.9.5移动窗口数据计算（rolling()函数）140

4.10综合应用142

4.10.1案例1：Excel多表合并142

4.10.2案例2：行情数据分析143

4.11小结144

第5章Matplotlib可视化数据分析图表145

5.1数据分析图表的作用145

5.2如何选择适合的图表类型146

5.3图表的基本组成147

5.4Matplotlib概述148

5.4.1Matplotlib简介148

5.4.2安装Matplotlib150

5.4.3Matplotlib图表之初体验151

5.5图表的常用设置152

5.5.1基本绘图plot()函数152

5.5.2设置画布155

5.5.3设置坐标轴156

5.5.4添加文本标签159

5.5.5设置标题和图例160

5.5.6添加注释161

5.5.7调整图表与画布边缘间距163

5.5.8设置164

5.6常用图表的绘制164

5.6.1绘制折线图164

5.6.2绘制柱形图166

5.6.3绘制直方图169

5.6.4绘制饼形图170

5.6.5绘制散点图174

5.6.6绘制面积图176

5.6.7绘制热力图178

5.6.8绘制箱形图180

5.6.9绘制3D图表183

5.6.10绘制多个子图表184

5.6.11图表的保存189

5.7综合应用189

5.7.1案例1：双y轴可视化数据分析图表的实现189

5.7.2案例2：颜色渐变饼形图的实现190

5.7.3案例3：等高线图的实现192

5.8小结193

第6章Seaborn可视化数据分析图表194

6.1Seaborn图表概述194

6.2Seaborn图表之初体验195

6.3Seaborn图表的基本设置196

6.3.1背景风格196

6.3.2边框控制197

6.4常用图表的绘制197

6.4.1绘制折线图（relplot()函数）197

6.4.2绘制直方图（displot()函数）199

6.4.3绘制条形图（barplot()函数）200

6.4.4绘制散点图（replot()函数）200

6.4.5绘制线回归模型（lmplot()函数）202

6.4.6绘制箱形图（boxplot()函数）202

6.4.7绘制核密度图（kdeplot()函数）203

6.4.8绘制提琴图（violinplot()函数）204

6.5综合应用205

6.5.1案例1：堆叠柱形图可视化数据分析图表的实现205

6.5.2案例2：统计双色球中奖号码热力图206

6.6小结208

第7章第三方可视化数据分析图表Pyecharts209

7.1Pyecharts概述209

7.1.1Pyecharts简介209

7.1.2安装Pyecharts210

7.1.3绘制张图表211

7.2Pyecharts图表的组成212

7.2.1主题风格212

7.2.2图表标题214

7..图例216

7.2.4提示框218

7.2.5视觉映220

7.2.6工具箱222

7.2.7区域缩放224

7.3Pyecharts图表的绘制226

7.3.1柱状图——Bar模块226

7.3.2折线/面积图——Line模块227

7.3.3饼形图——Pie模块229

7.3.4箱形图——Boxplot模块1

7.3.5涟漪散点图——EffectScatter模块2

7.3.6词云图——WordCloud模块

7.3.7热力图——HeatMap模块5

7.3.8水球图——Liquid模块

7.3.9日历图——Calendar模块

7.4综合应用

7.4.1案例1：南丁格尔玫瑰图

7.4.2案例2：双y轴可视化数据分析图表的实现（柱形图折线图）240

7.4.3案例3：饼形图与环形图组合图表的实现242

7.5小结244

第8章图解数组计算模块NumPy245

8.1初识NumPy245

8.1.1NumPy概述245

8.1.2安装NumPy模块246

8.1.3数组相关概念247

8.2创建数组248

8.2.1创建简单的数组248

8.2.2不同方式创建数组250

8..从数值范围创建数组251

8.2.4生成随机数组254

8.2.5从已有的数组中创建数组257

8.3数组的基本操作260

8.3.1数据类型260

8.3.2数组运算262

8.3.3数组的索引和切片265

8.3.4数组重塑269

8.3.5数组的增、删、改、查271

8.4NumPy矩阵的基本操作274

8.4.1创建矩阵274

8.4.2矩阵运算277

8.4.3矩阵转换279

8.5NumPy常用统计分析函数280

8.5.1数学运算函数280

8.5.2统计分析函数285

8.5.3数组的排序288

8.6综合应用290

8.6.1案例1：NumPy实现正态分布290

8.6.2案例2：NumPy用于图像灰度处理291

8.7小结292

第9章数据统计分析案例293

9.1对比分析293

9.1.1什么是对比分析293

9.1.2案例：对比分析各品牌表现TOP10293

9.2同比、定比和环比分析294

9.2.1同比、定比和环比概述295

9.2.2案例1：电商单品同比增长情况分析295

9..案例2：单品定比分析297

9.2.4案例3：单品环比增长情况分析298

9.3贡献度分析（帕累托法则）300

9.3.1什么是贡献度分析300

9.3.2案例：产品贡献度分析300

9.4差异化分析302

9.4.1差异化概述302

9.4.2案例：学生差异分析302

9.5相关分析303

9.5.1相关概述303

9.5.2案例：广告展现量与费用成本相关分析303

9.6时间序列分析306

9.6.1时间序列概述306

9.6.2案例：年增长趋势和季节波动分析306

9.7小结307

第3篇高级篇

0章机器学习库Scikit-Learn310

10.1Scikit-Learn简介310

10.2安装Scikit-Learn310

10.3线模型312

10.3.1二乘法回归312

10.3.2岭回归313

10.4支持向量机314

10.5聚类316

10.5.1什么是聚类316

10.5.2聚类算法317

10.5.3聚类模块318

10.5.4聚类数据生成器319

10.6小结320

第4篇项目篇

1章注册用户分析（MySL版）322

11.1概述322

11.2项目效果预览322

11.3项目准备3

11.4导入MySL数据3

11.4.1Python操纵MySL3

11.4.2Python连接MySL数据库324

11.5项目实现过程325

11.5.1数据准备325

11.5.2数据检测325

11.5.3年度注册用户分析326

11.5.4新注册用户分析328

11.6小结329

2章电商销售数据分析与预测330

12.1概述330

12.2项目效果预览330

1.项目准备331

12.4分析方法331

12.5项目实现过程332

12.5.1数据处理332

12.5.2日期数据统计并显示332

12.5.3销售收入分析333

12.5.4销售收入与广告费相关分析334

12.5.5销售收入预测337

12.5.6预测评分338

12.6小结339

3章二手房房价分析与预测340

13.1概述340

13.2项目效果预览340

13.3项目准备342

13.4图表工具模块342

13.4.1绘制饼形图342

13.4.2绘制折线图343

13.4.3绘制条形图344

13.5项目实现过程345

13.5.1数据清洗345

13.5.2区域二手房均价分析346

13.5.3区域二手房数据及占比分析347

13.5.4全市二手房装修程度分析348

13.5.5热门户型均价分析350

13.5.6二手房房价预测350

13.6小结354

4章客户价值分析355

14.1概述355

14.2项目效果预览355

14.3项目准备356

14.4分析方法357

14.4.1RFM模型357

14.4.聚类5

14.5项目实现过程358

14.5.1准备工作358

14.5.2数据抽取358

14.5.3数据探索分析358

14.5.4计算RFM值359

14.5.5数据转换360

14.5.6客户聚类360

14.5.7标记客户类别362

14.6客户价值结果分析363

14.7小结364

附录365

明日科技，全称是吉林省明日科技有限公司，是一家专业从事软件开发、教育培训以及软件开发教育资源整合的高科技公司，其编写的教材注重选取软件开发中的必需、常用内容，同时也很注重内容的易学、方便以及关知识的拓展，深受读者喜爱。其教材多次荣获“全行业品种”“全国高校出版社书”等奖项，多个品种长期位居同类图书销售排行榜的前列。

"《Python数据分析从入门到精通》从零基础开始，提供了从Python入门到成为数据分析高手所必需的各项知识。无论有没有Python基础，通过本书你都能成为数据分析高手。
（1）主流技术，全面解析。本书涵盖数据分析三剑客Pandas、Matplotlib和Numpy，数据可视化三大图表Matplotlib、Seaborn和Pyecharts，以及机器学习库Scikit-Learn等技术，一本书教你掌握数据分析领域的主流核心技术。
（2）由浅入深，循序渐进。本书读者按照基础知识→核心技术→高级应用→项目实战循序渐进地学习，符合认知规律。
（3）边学边练，学以致用。248个应用示例+20个综合案例+4个行业项目案例+136集Python零基础扫盲课，边学边练，在实践中提升技能。
（4）精彩栏目，贴心提醒。本书设置了很多“注意”“说明”“知识”等小栏目，让读者在学习的过程中更轻松地理解相关知识点及概念，更快地掌握数据分析技能和应用技巧。
（5）在线解答，高效学习。在线答疑及技术支持，不定期进行在线直播课程。"