Python數據分析

目錄




上篇Pandas數據分析基礎

第1章數據分析初探

1.1“數據+”時代的到來

1.2什么是數據分析

1.2.1數據分析的目標

1.2.2數據分析分類

1.2.3典型的數據分析方法

1.3數據分析的基本流程

1.3.1問題定義

1.3.2收集數據

1.3.3數據處理

1.3.4數據分析

1.3.5結果解讀與應用

1.4硝煙中的數據分析

1.4.1數據分析的產生

1.4.2驗證問題

1.4.3尋找原因

1.4.4數據怎么說

1.4.5數據分析中應該避免的典型問題

第2章搭建數據科學開發(fā)環(huán)境

2.1為什么選擇Python

2.1.1人生苦短，我用Python

2.1.2為何Python是數據科學家的最佳選擇

2.2Python數據科學開發(fā)棧

2.2.1Cython

2.2.2NumPy

2.2.3IPython

2.2.4Jupyter

2.2.5SciPy

2.2.6Matplotlib

2.2.7Pandas

2.2.8Scikitlearn


2.2.9NetworkX


2.2.10PyMC3

2.2.11數據科學領域中最新的一些Python包

2.3Anaconda的安裝與使用

2.3.1安裝Anaconda

2.3.2利用Conda管理Python環(huán)境

2.3.3利用Conda管理Python包

2.3.4安裝本書所需的包

2.4使用Jupyter Notebook進行可重復數據分析

2.4.1Jupyter Notebook的配置

2.4.2Jupyter Notebook中的單元格

2.4.3Jupyter Notebook中的命令模式與編輯模式鍵

2.4.4使用Jupyter Notebook進行數據分析





第3章Pandas基礎

3.1什么是DataFrame

3.1.1DataFrame的基本要素

3.1.2數據類型

3.1.3了解Series

3.1.4鏈式方法

3.2索引與列

3.2.1修改索引與列

3.2.2添加、修改或刪除列

3.3選擇多列

第4章數據篩選

4.1使用.loc和.iloc篩選行與列數據

4.1.1選擇Series和DataFrame中的行

4.1.2同時選擇行與列

4.2布爾選擇

4.2.1計算布爾值

4.2.2多條件篩選數據

第5章開始利用Pandas進行數據分析

5.1了解元數據

5.2數據類型轉換

5.3缺失數據與異常數據處理

5.3.1缺失值與重復值

5.3.2處理缺失數據

5.3.3NumPy與Pandas對缺失數據的不同處理方式

5.3.4填充缺失值

5.4處理重復數據

5.5異常值

5.6描述性統(tǒng)計


第6章數據整理

6.1什么是數據整理

6.1.1數據的語義

6.1.2整齊的數據


6.2數據整理實戰(zhàn)

6.2.1列標題是值，而非變量名

6.2.2多個變量存儲在一列中

6.2.3變量既在列中存儲，又在行中存儲

6.2.4多個觀測單元存儲在同一表中

6.2.5一個觀測單元存儲在多個表中

6.2.6思考

第7章分組統(tǒng)計

7.1分組、應用和聚合

7.2Pandas中的GroupBy操作

7.2.1單列數據分組統(tǒng)計

7.2.2多列數據分組統(tǒng)計

7.2.3使用自定義函數進行分組統(tǒng)計

7.2.4數據過濾與變換

第8章數據整合

8.1數據讀入

8.1.1基本數據讀入方法

8.1.2文件讀取進階

8.1.3讀取其他格式文件

8.2數據合并

8.2.1認識merge操作

8.2.2merge進階

8.2.3join與concat

第9章數據可視化

9.1Matplotlib

9.1.1繪制第一個散點圖

9.1.2理解figure與axes

9.1.3Matplotlib中面向對象與類Matlab語法的區(qū)別

9.1.4修改坐標軸屬性

9.1.5修改圖形屬性

9.1.6定制圖例，添加標注

9.1.7子圖

9.1.8利用Matplotlib繪制各種圖形

9.2Pandas繪圖

9.2.1Pandas基礎繪圖

9.2.2整合Pandas繪圖與Matplotlib繪圖

9.3Seaborn

9.3.1Seaborn中的樣式

9.3.2Seaborn繪制統(tǒng)計圖形

9.4可視化進階

9.4.1其他可視化工具

9.4.2推薦讀物

第10章探索性數據分析——某電商銷售數據分析

10.1數據清洗

10.1.1分析準備

10.1.2了解數據

10.2數據清洗與整理

10.2.1數據類型轉換與錯誤數據刪除

10.2.2添加新數據

10.3探索性數據分析

10.3.1客戶分析

10.3.2訂單趨勢分析

10.3.3客戶國家分析

10.3.4留給讀者的問題

下篇Python數據分析實戰(zhàn)

第11章群組分析

11.1群組分析概述

11.1.1從AARRR到RARRA的轉變

11.1.2什么是群組分析

11.2群組分析實戰(zhàn)

11.2.1定義群組以及周期

11.2.2群組分析具體過程

11.2.3思考

第12章利用RFM分析對用戶進行分類

12.1RFM分析簡介

12.1.1RFM模型概述

12.1.2理解RFM

12.2RFM實戰(zhàn)

12.2.1R、F、M值的計算

12.2.2利用RFM模型對客戶進行細分

12.2.3思考

第13章購物籃分析

13.1購物籃分析概述

13.1.1什么是購物籃分析

13.1.2購物籃分析在超市中的應用

13.1.3購物籃分析實現

13.2購物籃分析案例

13.2.1Mlxtend庫中Apriori算法使用介紹

13.2.2在線銷售數據購物籃分析

13.3留給讀者的思考

第14章概率分布

14.1隨機數

14.2常見的概率分布


14.2.1均勻分布

14.2.2正態(tài)分布

14.2.3二項分布

14.2.4泊松分布

14.2.5幾何分布與指數分布

14.3點估計與置信區(qū)間

14.3.1點估計

14.3.2抽樣分布與中心極限定理

14.3.3置信區(qū)間

14.4留給讀者的思考

第15章假設檢驗

15.1假設檢驗概述

15.1.1初識假設檢驗

15.1.2假設檢驗的步驟

15.1.3假設檢驗中的Ⅰ類錯誤與Ⅱ類錯誤

15.2Python中的假設檢驗

15.2.1單樣本ttest

15.2.2雙樣本ttest

15.2.3配對ttest

15.2.4卡方檢驗

15.3留給讀者的思考

第16章一名數據分析師的游戲上線之旅

16.1游戲啟動時間是否超過目標

16.1.1啟動時間是否超過3秒

16.1.2構造啟動時間監(jiān)測圖

16.2次日留存率是否大于30%

16.3應該在游戲第幾關加入關聯(lián)微信提示

16.3.1A/B測試

16.3.2貝葉斯解決方案

16.4如何定價

16.5留給讀者的思考

第17章利用數據分析找工作

17.1設定分析目標

17.1.1問題定義

17.1.2獲取數據

17.2準備分析數據

17.2.1數據準備

17.2.2數據清洗

17.3開始數據分析

17.3.1職位來自哪里

17.3.2職位薪酬如何

17.3.3崗位要求

17.3.4思考

第18章用數據解讀成都房價

18.1設定分析目標

18.1.1問題定義

18.1.2獲取數據

18.2解讀成都二手房

18.2.1數據準備

18.2.2列名調整

18.2.3數據類型轉換

18.2.4數據解讀

18.2.5思考

第19章時間序列分析

19.1認識時間序列數據

19.1.1讀入時間序列數據

19.1.2時間序列數據的可視化

19.2時間序列數據的分解

19.2.1認識時間序列數據中的模式

19.2.2Python中進行時間序列數據的分解

19.3時間序列的平穩(wěn)性

19.3.1認識平穩(wěn)與非平穩(wěn)時間序列

19.3.2如何讓時間序列平穩(wěn)

19.4利用ARIMA模型分析家具銷售

19.4.1ARIMA模型簡介

19.4.2數據準備

19.4.3ARIMA模型中的參數

19.5留給讀者的思考

第20章股票數據分析

20.1股票收益分析

20.1.1獲取股票數據

20.1.2計算每日收益

20.1.3多只股票收益比較

20.1.4股價相關性分析

20.2CAPM資產定價模型選股

20.2.1CAPM公式

20.2.2在Python中實現CAPM

20.3留給讀者的思考

第21章大規(guī)模數據處理

21.1不同規(guī)模數據處理工具的選擇

21.2利用Pandas處理大規(guī)模數據

21.2.1文件分塊讀入

21.2.2使用數據庫

21.2.3使用DASK

21.3其他可選方法

21.4留給讀者的思考