[
-
内容大纲
随着大数据与人工智能技术的深度渗透，数据分析已成为各行业从业者的必备技能，Python凭借高效灵活的特性，成为数据分析的核心工具。在工程管理等领域，数据分析方法课程的重要性愈发凸显。本书紧扣经济建设主战场需求，依托作者多年教学经验编写，共分12章，内容深入浅出、循序渐进，着重讲述Python语言和数据分析工具包的应用，全面、系统地介绍了Python编程技术及其在数据科学、机器学习、数据可视化等领域应用中的核心知识点。针对每个知识点，均搭配多个实例进行拆解分析，既提升读者学习兴趣，又加深对知识的理解吸收。本书适用范围广泛，不仅可作为高校IT相关专业的教材，还能作为工程管理、金融科技等专业的课程教材与参考用书，同时为数据分析、机器学习领域的专业人士与研究人员提供实用指导。
本书中配有二维码，扫码可以获取习题解答、补充案例以及书中源程序和数据集。 -
作者介绍
陈岗 博士，上海财经大学工程管理专业硕士(MEM)教育中心主任、副教授。曾任上海财经大学信息管理与工程学院计算机系副主任、上海财经大学教育技术中心副主任。教育部学位论文评审专家。 -
目录
第1章 开发环境和工具
1.1 Python开发环境
1.1.1 Anaconda软件包
1.1.2 安装和管理Python扩展包
1.2 Python开发和运行工具
1.2.1 IDLE解释器
1.2.2 文本编辑器
1.2.3 在线帮助和相关资源
1.2.4 Spyder开发工具
1.2.5 PyCharm开发工具
1.2.6 JupyterNotebook开发工具
本章小结
本章习题
第2章 Python数据类型和结构
2.1 标识符与变量
2.1.1 关键字和标识符
2.1.2 变量
2.2 Python基本数据类型
2.2.1 数值类型
2.2.2 字符串
2.3 Python内置数据类型
2.3.1 列表
2.3.2 元组
2.3.3 字典
2.3.4 集合
2.4 综合案例
本章小结
本章习题
第3章 Python程序结构
3.1 顺序结构
3.1.1 赋值语句
3.1.2 输入语句input
3.1.3 输出语句print
3.2 选择结构
3.2.1 关系运算符和逻辑运算符
3.2.2 单分支选择结构
3.2.3 双分支选择结构
3.2.4 多分支选择结构
3.2.5 选择结构的嵌套
3.3 循环结构
3.3.1 for语句
3.3.2 while语句
3.3.3 break和continue语句
3.3.4 循环嵌套
3.3.5 else语句
本章小结
本章习题
第4章 Python函数
4.1 Python函数概述
4.2 内置函数和标准库函数
4.2.1 map()函数
4.2.2 filter()函数
4.2.3 round()函数
4.3 自定义函数
4.3.1 定义函数
4.3.2 函数的调用
4.3.3 变量的作用域
4.4 函数的递归调用
4.5 综合案例
4.6 Lambda函数
本章小结
本章习题
第5章 数据分析的基础模块
5.1 模块
5.2 NumPy模块
5.2.1 NumPy数组的属性
5.2.2 创建数组
5.2.3 输出数组
5.2.4 NumPy基础运算
5.2.5 索引、切片和迭代
5.2.6 Shape变换
5.2.7 逻辑运算与条件筛选
5.2.8 排序、搜索与计数
5.2.9 NumPy的向量化
5.2.10 合并数组
5.2.11 拆分数组
5.2.12 深复制与浅复制
5.3 Pandas模块
5.3.1 Series对象
5.3.2 DataFrame对象
本章小结
本章习题
第6章 数据可视化
6.1 用Matplotlib实现数据可视化
6.1.1 Matplotlib架构
6.1.2 Matplotlib的Pyplot子库
6.1.3 绘制线形图
6.1.4 绘制直方图
6.1.5 绘制条形图
6.1.6 绘制饼图
6.1.7 绘制散点图
6.1.8 绘制箱线图
6.1.9 绘制六边形分箱图
6.1.10 设置图例样式
6.1.11 创建子图
6.2 Turtle模块
6.2.1 Turtle模块导入与基础设置
6.2.2 Turtle模块绘图实例
6.3 用seaborn实现数据可视化
6.3.1 seaborn的设置
6.3.2 利用seaborn绘制图形
6.4 词云
6.4.1 词云绘制
6.4.2 中文分词库
本章小结
本章习题
第7章 数据分析基础
7.1 数据分析概述
7.1.1 数据分析目标
7.1.2 数据分析师的职责
7.1.3 数据分析的价值
7.2 数据分析流程
7.2.1 数据获取
7.2.2 数据清洗
7.2.3 数据处理
7.2.4 数据建模
7.2.5 数据分析结果可视化
7.2.6 业务价值发现和实现
7.3 数据分析报告
7.3.1 数据分析报告的不同层次
7.3.2 数据分析报告的类型
7.3.3 数据分析报告的结构
本章小结
本章习题
第8章 数据分析方法
8.1 数据质量分析
8.1.1 缺失值分析
8.1.2 异常值分析
8.1.3 一致性分析
8.2 数据特征分析
8.2.1 分布分析
8.2.2 统计量分析
8.2.3 周期性分析
8.2.4 相关性分析
8.2.5 贡献度分析
8.3 数据分析方法
8.3.1 相似性和相异性的度量
8.3.2 分类分析方法
8.3.3 聚类分析方法
8.4 综合案例
本章小结
本章习题
第9章 淘宝用户购物行为数据分析
9.1 数据来源与预处理
9.1.1 数据来源
9.1.2 指标定义
9.1.3 数据清洗
9.2 数据分析与可视化
9.2.1 时间序列模型下流量分析
9.2.2 RFM模型下用户价值分析
9.3 数据分析结论及对企业的建议
本章小结
本章习题
第10章 基于BOSS直聘的数据分析师薪资结构研究
10.1 数据来源
10.2 数据清洗
10.2.1 数据去重与无效记录过滤
10.2.2 地址字段标准化处理
10.2.3 薪资字段拆分与计算
10.2.4 经验字段格式化
10.2.5 异常值处理
10.2.6 行业分类归并
10.2.7 字段顺序调整
10.3 可视化分析
10.3.1 城市薪资水平对比
10.3.2 岗位薪资分布对比
10.3.3 不同薪资城市对比
10.3.4 主要城市薪资水平分布
10.3.5 学历与薪资水平关系
10.3.6 各行业薪资水平对比
10.4 数据分析结论
本章小结
本章习题
第11章 基于KMeans聚类分析的超市客户细分与精准营销策略
11.1 数据来源
11.1.1 数据集概述
11.1.2 数据获取与预处理
11.1.3 数据预处理
11.2 数据分析可视化
11.2.1 性别比例饼图
11.2.2 年收入与消费得分之间的关系
11.2.3 年龄与年收入之间的关系
11.2.4 年龄与消费得分之间的关系
11.2.5 各变量之间的关系
11.3 所用模型
11.3.1 模型选择与理由
11.3.2 模型训练过程
11.3.3 模型评估与优化
本章小结
本章习题
第12章 基于随机森林模型的电商客户流失数据分析
12.1 业务场景分析及数据来源
12.1.1 业务场景分析
12.1.2 数据来源
12.2 数据预处理
12.2.1 缺失值处理
12.2.2 分类变量编码处理
12.2.3 指标分析
12.3 随机森林模型建立与分析
12.3.1 实验结果
12.3.2 随机森林模型与其他模型的比较
12.4 平台运营建议
本章小结
本章习题
主要参考文献
同类热销排行榜
- C语言与程序设计教程(高等学校计算机类十二五规划教材)16
- 电机与拖动基础(教育部高等学校自动化专业教学指导分委员会规划工程应用型自动化专业系列教材)13.48
- 传感器与检测技术(第2版高职高专电子信息类系列教材)13.6
- ASP.NET项目开发实战(高职高专计算机项目任务驱动模式教材)15.2
- Access数据库实用教程(第2版十二五职业教育国家规划教材)14.72
- 信号与系统(第3版下普通高等教育九五国家级重点教材)15.08
- 电气控制与PLC(普通高等教育十二五电气信息类规划教材)17.2
- 数字电子技术基础(第2版)17.36
- VB程序设计及应用(第3版十二五职业教育国家规划教材)14.32
- Java Web从入门到精通(附光盘)/软件开发视频大讲堂27.92
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...