返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]Python数据分析案例实战 慕课版王浩等9787115520845
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 王浩等著 | 王浩等编 | 王浩等译 | 王浩等绘
    • 出版社: 人民邮电出版社
    • 出版时间:2020-07-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 王浩等著| 王浩等编| 王浩等译| 王浩等绘
    • 出版社:人民邮电出版社
    • 出版时间:2020-07-01
    • 版次:1
    • 印次:1
    • 字数:402000
    • 页数:224
    • 开本:16开
    • ISBN:9787115520845
    • 版权提供:人民邮电出版社
  • 作者: 王浩等
  • 著: 王浩等
  • 装帧: 平装
  • 印次: 1
  • 定价: 59.8
  • ISBN: 9787115520845
  • 出版社: 人民邮电出版社
  • 开本: 16开
  • 印刷时间: 暂无
  • 语种: 中文
  • 出版时间: 2020-07-01
  • 页数: 224
  • 外部编号: 五三B117778
  • 版次: 1
  • 成品尺寸: 暂无
  • 第1章数据分析基础1

    1.1什么是数据分析2

    1.2数据分析的应用2

    1.3数据分析方法2

    1.3.1对比分析法3

    1.3.2同比分析法3

    1.3.3环比分析法4

    1.3.480/20法则4

    1.3.5回归分析法4

    1.3.6聚类分析法5

    1.3.7时间序列分析法5

    1.4数据分析工具6

    1.5数据分析流程7

    1.5.1明确目的7

    1.5.2获取数据8

    1.5.3数据处理9

    1.5.4数据分析10

    1.5.5验证结果10

    1.5.6数据展现10

    1.5.7数据应用10

    1.6Python数据分析常用模块10

    1.6.1数值计算模块10

    1.6.2数据处理模块10

    1.6.3数据可视化模块11

    1.6.4机器学习模块11

    小结11

    习题11

    第2章NumPy模块实现数值计算12

    2.1初识NumPy模块13

    2.1.1NumPy的诞生13

    2.1.2NumPy的安

    2.1.3NumPy的数据类型14

    2.1.4数组对象ndarray15

    2.1.5数据类型对象dtype16

    2.2NumPy模块中数组的基本操作16

    2.2.1内置的数组创建方法16

    2.2.2生成随机数19

    2.2.3切片和索引20

    2.2.4修改数组形状21

    2.2.5组合数组22

    2.2.6数组分割24

    2.3NumPy模块中函数的应用25

    2.3.1数学函数26

    2.3.2算术函数27

    2.3.3统计函数27

    2.3.4矩阵函数30

    2.4广播机制31

    小结32

    习题32

    第3章pandas模块实现统计分析33

    3.1安装pandas模块34

    3.2pandas数据结构35

    3.2.1Series对象35

    3.2.2DataFrame对象37

    3.3读、写数据38

    3.3.1读、写文本文件38

    3.3.2读、写Excel文件40

    3.3.3读、写数据库数据41

    3.4数据操作44

    3.4.1数据的增、删、改、查44

    3.4.2NaN数据处理47

    3.4.3时间数据的处理50

    3.5数据的分组与聚合52

    3.5.1分组数据52

    3.5.2聚合数据54

    3.6数据的预处理56

    3.6.1合并数据56

    3.6.2去除重复数据60

    小结62

    习题62

    第4章Matplotlib模块实现数据可视化63

    4.1基本用法64

    4.1.1安装Matplotlib64

    4.1.2pyplot子模块的绘图流程65

    4.1.3pyplot子模块的常用语法65

    4.2绘制常用图表66

    4.2.1绘制条形图66

    4.2.2绘制折线图69

    4.2.3绘制散点图70

    4.2.4绘制饼图71

    4.2.5绘制箱形图73

    4.2.6多面板图表75

    4.33D绘图78

    4.3.13D线图78

    4.3.23D曲面图79

    4.3.33D条形图81

    小结82

    习题82

    第5章客户价值分析83

    5.1背景84

    5.2系统设计84

    5.2.1系统功能结构84

    5.2.2系统业务流程84

    5.2.3系统预览84

    5.3系统开发推荐86

    5.3.1开发环境及工具86

    5.3.2项目文件结构86

    5.4分析方法87

    5.4.1RFM模型87

    5.4.2聚类分析87

    5.4.3k-means聚类算法88

    5.5技术准备88

    5.5.1sklearn模块89

    5.5.2k-means聚类89

    5.5.3pandas模块90

    5.6用Python实现客户价值分析90

    5.6.1数据抽取90

    5.6.2数据探索分析90

    5.6.3数据处理91

    5.6.4客户聚类92

    5.6.5客户价值分析94

    小结94

    习题94

    第6章销售收入分析与预测95

    6.1背景96

    6.2系统设计96

    6.2.1系统功能结构96

    6.2.2系统业务流程96

    6.2.3系统预览97

    6.3系统开发推荐97

    6.3.1开发环境及工具97

    6.3.2项目文件结构97

    6.4分析方法97

    6.4.1线性回归97

    6.4.2最小二乘法98

    6.5线性回归模型100

    6.6Excel日期数据处理101

    6.6.1按日期筛选数据101

    6.6.2按日期显示数据101

    6.6.3按日期统计数据102

    6.7分析与预测102

    6.7.1数据处理103

    6.7.2日期数据统计并显示103

    6.7.3根据历史销售数据绘制拟合图103

    6.7.4预测销售收入104

    小结105

    习题105

    第7章二手房数据分析预测系统106

    7.1需求分析107

    7.2系统设计107

    7.2.1系统功能结构107

    7.2.2系统业务流程107

    7.2.3系统预览107

    7.3系统开发推荐111

    7.3.1开发环境及工具111

    7.3.2文件夹组织结构111

    7.4技术准备111

    7.4.1sklearn库概述111

    7.4.2加载datasets子模块中的数据集111

    7.4.3支持向量回归函数114

    7.5图表工具模块115

    7.5.1绘制饼图115

    7.5.2绘制折线图116

    7.5.3绘制条形图117

    7.6二手房数据分析118

    7.6.1清洗数据118

    7.6.2各区二手房均价分析119

    7.6.3各区房子数量比例120

    7.6.4全市二手房装修程度分析121

    7.6.5热门户型均价分析122

    7.6.6二手房售价预测123

    小结126

    习题126

    第8章智能停车场运营分析系统127

    8.1需求分析128

    8.2系统设计128

    8.2.1系统功能结构128

    8.2.2系统业务流程128

    8.2.3系统预览128

    8.3系统开发推荐132

    8.3.1开发环境及工具132

    8.3.2文件夹组织结构132

    8.4技术准备133

    8.4.1初识Pygame133

    8.4.2Pygame的基本应用133

    8.4.3时间模块136

    8.4.4日期时间模块138

    8.5智能停车场数据分析141

    8.5.1停车时间数据分布图141

    8.5.2停车高峰时间所占比例143

    8.5.3每周繁忙统计145

    8.5.4月收入分析147

    8.5.5每日接待车辆统计149

    8.5.6车位使用率150

    小结152

    习题152

    第9章影视作品分析153

    9.1需求分析154

    9.2系统设计154

    9.2.1系统功能结构154

    9.2.2系统业务流程154

    9.2.3系统预览155

    9.3系统开发推荐156

    9.3.1开发环境及工具156

    9.3.2文件夹组织结构156

    9.4技术准备157

    9.4.1使用jieba模块进行分词157

    9.4.2使用wordcloud库实现词云图159

    9.5主窗体设计162

    9.5.1实现主窗体162

    9.5.2查看部分的隐藏与显示163

    9.5.3下拉列表处理164

    9.6数据分析与处理166

    9.6.1获取数据166

    9.6.2生成全国热力图文件167

    9.6.3生成主要城市评论数及平均分文件168

    9.6.4生成词云图168

    9.7单击查看显示内容169

    9.7.1创建显示HTML页面的窗体169

    9.7.2创建显示图片的窗体170

    9.7.3绑定查询按钮单击事件171

    小结172

    习题172

    第10章看店宝173

    10.1需求分析174

    10.2系统设计175

    10.2.1系统功能结构175

    10.2.2系统业务流程175

    10.2.3系统预览175

    10.3系统开发推荐179

    10.3.1开发环境及工具179

    10.3.2文件夹组织结构179

    10.4技术准备180

    10.4.1使用Python操作数据库180

    10.4.2JSON模块的应用181

    10.5主窗体的UI设计182

    10.5.1对主窗体进行可视化设计182

    10.5.2将可视化窗体转换为.py文件184

    10.5.3设置窗体及控件背景184

    10.5.4创建窗体控制文件185

    10.5.5主窗体预览效果185

    10.6设计数据库表结构186

    10.7初始数据的爬取187

    10.7.1爬取排行信息187

    10.7.2爬取价格信息190

    10.7.3爬取评价信息191

    10.7.4定义数据库操作文件194

    10.8图表分析数据197

    10.8.1饼图展示评价信息197

    10.8.2分析出版社所占比例的条形图198

    10.8.3折线图分析价格走势199

    10.8.4靠前0数据展示200

    10.9商品排行展示203

    10.9.1热销商品排行榜203

    10.9.2热门商品展示205

    10.10关注商品207

    10.10.1分析关注商品的预警信息207

    10.10.2重点商品的关注与取消208

    10.11商品营销预警214

    10.11.1商品中、差评预警214

    10.11.2商品价格变化预警216

    10.12关注商品图表分析218

    10.12.1关注商品评价分析饼图218

    10.12.2关注商品出版社占有比例220

    10.13其他功能222

    小结224

    习题224

    明日科技,程序设计类畅销图书作者,绝大多数品种在“全国计算机图书排行榜”同品种排行中名列前茅,累计销售百万册。作者编写的《Python从入门到项目实战》《零基础学Python》《Python从入门到精通》等长期占据各网店排行榜的靠前位置。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购