- 编程菜鸟学Python数据分析/数据分析与决策技术丛书
- - 作者：纪贺元|责编:杨福川
  - 出版社：机械工业
  - ISBN：9787111746614
  - 出版日期：2024/04/01
  - 页数：238
- 售价：35.6

内容大纲
    这是一本零编程基础也能看懂的Python数据分析学习手册。全书所有内容均源于作者多年一线Python开发和培训实践。基于本书体系形成的培训课程，已帮助近万名编程菜鸟成功进入Python数据分析领域，并获得了心仪的工作。
    本书涵盖所有零编程基础的菜鸟学习Python数据分析必备的知识。书中以Python数据分析为主线，从Python运行环境搭建、编程基础、程序调试、Excel等格式文件处理、数据分析方法，一直介绍到各种典型的数据分析模型，并配有大量来自一线的实战案例。本书的写作宗旨是：让读者结合真实工作场景深度理解所有Python数据分析入门知识点，并在学完之后就能上手使用。本书主要内容如下。
    第1～4章详细阐述了Python工作环境搭建方法、编程基础以及程序调试技巧，目的是帮助零编程基础的读者夯实Python基础，并搭建起合适的运行环境，为之后要讲解的Python数据分析内容做好准备。就算不想学习数据分析的读者，也可以通过这部分内容入门Python编程。
    第5～7章重点介绍Excel、Pandas以及绘图技巧等与办公自动化高度相关的内容，这部分属于Python数据分析入门级内容，是读者日常工作中使用频率最高的内容，也是学习高阶Python数据分析技能的基础
    第8～14章重点介绍Python数据分析高阶技巧，包括数据预处理、数据分析方法论以及各种常用的数据分析模型。通过对这些内容的学习，读者可以深刻了解Python在数据分析和挖掘领域的高级应用，为升职加薪打好技术基础。
    第15章主要是从应用的角度介绍Python爬虫在各种工作场景中的作用和落地方法。
作者介绍
纪贺元，数据分析专家，从事数据分析与挖掘的培训和咨询多年，曾在通信行业长期从事数据分析与挖掘的建模分析工作。在EXCEL、SPSS、Modeler、Eviews、VBA、SAS等方面有长期的使用经验，擅长分析模型和算法的优化工作。曾经主持过多个数据分析、数据报表、市场调查项目。
目录
前言
Python基础篇
  第1章  学习Python的优势
    1.1  Python的特色
      1.1.1  代码简单易懂
      1.1.2  包罗万象的Python包
      1.1.3  超高的知名度和广泛的应用面
    1.2  学习Python的收获
      1.2.1  工作效率的提升
      1.2.2  工作能力的增强
      1.2.3  职场竞争力的提高
    1.3  如何高效地学习Python
      1.3.1  打好编程基础
      1.3.2  多“攒”代码
      1.3.3  精通代码调试
      1.3.4  面向实际工作场景
  第2章  Python的工作环境
    2.1  Python工作环境的构成
      2.1.1  核心的Python软件
      2.1.2  Anaconda
      2.1.3  IDE
    2.2  安装过程中的常见问题
    2.3  Python的两种解释器
    2.4  包的安装
      2.4.1  在线安装
      2.4.2  离线安装
    2.5  PyCharm中的解释器配置
      2.5.1  两种解释器的配置
      2.5.2  Anaconda中第三方包的配置
    2.6  编译.py文件生成.exe文件
  第3章  Python编程基础
    3.1  与文件系统相关的5个常见问题
    3.2  编码格式
    3.3  Python编程中的特殊之处
    3.4  Python中的数据结构
      3.4.1  序列
      3.4.2  列表
      3.4.3  元组
      3.4.4  字典
      3.4.5  集合
    3.5  Python基础语句
  第4章  Python程序调试
    4.1  程序调试的常识
    4.2  Python代码的常见错误类型
    4.3  程序调试方法
      4.3.1  程序调试的基本操作
      4.3.2  程序调试的基本方法
  第5章  Excel和Text文件的读写操作
    5.1  Text文件读写包
    5.2  Excel读写的四重循环

    5.3  openpyxl包
    5.4  xlsxwriter包
  第6章  数据处理神器pandas
    6.1  pandas的安装
    6.2  pandas的数据结构
    6.3  pandas数据处理
      6.3.1  从Excel文件中读取数据
      6.3.2  切片
      6.3.3  排序、筛选与分类汇总
      6.3.4  数据合并
    6.4  pandas统计分析
      6.4.1  统计分析指标
      6.4.2  pandas绘图
    6.5  其他pandas功能
  第7章  Matplotlib图形呈现包
    7.1  Matplotlib包介绍
    7.2  利用Matplotlib包绘图
      7.2.1  折线图
      7.2.2  散点图
      7.2.3  柱状图
      7.2.4  饼图
      7.2.5  直方图
    7.3  图形部件绘制代码
    7.4  综合绘图示例
Python数据分析高级篇
  第8章  数据预处理
    8.1  数据预处理的目标和方法
      8.1.1  缩放法
      8.1.2  分段转换
      8.1.3  定性数据定量化
      8.1.4  数据填充
    8.2  Python数据预处理的方法
  第9章  数据分析的常见问题和方法
    9.1  数据分析的常见问题
      9.1.1  数据采集问题
      9.1.2  数据描述问题
      9.1.3  数据间关系的界定和挖掘问题
      9.1.4  时间序列（预测）问题
    9.2  数据分析的常见方法
      9.2.1  标识分析法
      9.2.2  排序分析法
      9.2.3  漏斗分析法
      9.2.4  二八分析法
      9.2.5  异常值分析法
      9.2.6  对比分析法
      9.2.7  分组（类）分析法
      9.2.8  因果关系判断法
      9.2.9  假设排除分析法
      9.2.10  趋势分析法
  第10章  相关与回归

    10.1  相关
      10.1.1  相关分析的含义
      10.1.2  相关分析在Excel软件中的实现
      10.1.3  相关分析在Python中的实现
    10.2  回归
      10.2.1  线性回归
      10.2.2  非线性回归
      10.2.3  多元线性回归
      10.2.4  Logistic回归
  第11章  分类
    11.1  KNN算法
    11.2  聚类原理
    11.3  聚类在Python中的实现
  第12章  决策树
    12.1  决策树原理
    12.2  决策树代码解析
  第13章  关联分析
    13.1  关联分析原理
    13.2  关联分析的数据预处理
    13.3  关联分析代码解析
  第14章  降维
    14.1  为什么要降维
    14.2  用Python实现主成分分析
  第15章  通过爬虫获取数据的方法与实践
    15.1  爬虫基本原理
    15.2  爬虫爬取的内容
    15.3  爬虫实践
      15.3.1  新闻资讯类网站爬取
      15.3.2  图片类网站爬取
      15.3.3  金融类数据爬取
      15.3.4  电商类数据爬取
    15.4  应用爬取的数据进行数据分析

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目