Python數(shù)據(jù)分析入門與實(shí)戰(zhàn)

◆ 目錄：◆


致數(shù)字化人才的一封信
前言
●第1章認(rèn)識(shí)數(shù)據(jù)分析
1.1重新認(rèn)識(shí)數(shù)據(jù)分析
1.1.1數(shù)據(jù)的定義
1.1.2分析數(shù)據(jù)的重要性
1.2數(shù)據(jù)的類別與變化
1.3數(shù)據(jù)處理
1.3.1數(shù)據(jù)處理的含義
1.3.2臟數(shù)據(jù)
1.3.3數(shù)據(jù)清洗
1.4數(shù)據(jù)分析
1.4.1數(shù)據(jù)分析的流程與方法
1.4.2Python數(shù)據(jù)分析常用庫(kù)
1.4.3數(shù)據(jù)分析的結(jié)論
●第2章環(huán)境安裝
2.1Python簡(jiǎn)介
2.2Python的常用IDE
2.3Anaconda
2.3.1Anaconda安裝包的獲取
2.3.2Anaconda在不同系統(tǒng)中的安裝
2.4Jupyter Notebook 功能介紹
2.4.1Jupyter Notebook啟動(dòng)方法
2.4.2常用快捷鍵
2.4.3常用功能
2.5安裝第三方庫(kù)
2.5.1pip網(wǎng)絡(luò)安裝
2.5.2pip本地安裝
●第3章Python基礎(chǔ)知識(shí)
3.1輸出和輸入
3.1.1輸出
3.1.2輸入
3.1.3格式化輸出
3.2變量
3.2.1變量的定義
3.2.2命名規(guī)則
3.2.3變量類型
3.3注釋
3.4運(yùn)算符
3.4.1算術(shù)運(yùn)算符
3.4.2賦值運(yùn)算符
3.4.3比較運(yùn)算符
3.4.4邏輯運(yùn)算符
3.5結(jié)構(gòu)語句
3.5.1順序結(jié)構(gòu)語句
3.5.2選擇結(jié)構(gòu)語句
3.5.3循環(huán)結(jié)構(gòu)語句
3.5.4結(jié)構(gòu)語句中的特殊語句
3.6數(shù)據(jù)類型
3.6.1數(shù)值和字符串
3.6.2列表
3.6.3元組
3.6.4字典
3.7函數(shù)
3.7.1函數(shù)的定義
3.7.2函數(shù)的參數(shù)
3.7.3函數(shù)的返回值
3.7.4全局變量與局部變量
3.8模塊與文件
3.8.1三種模塊
3.8.2管理模塊的包
3.8.3文件的基礎(chǔ)操作
3.9異常報(bào)錯(cuò)機(jī)制
3.10Python項(xiàng)目
3.10.1項(xiàng)目練習(xí)1
3.10.2項(xiàng)目練習(xí)2
●第4章數(shù)據(jù)靈魂基礎(chǔ)之NumPy
4.1NumPy 安裝
4.2數(shù)組的創(chuàng)建
4.3數(shù)組
4.4數(shù)據(jù)類型
4.5索引與切片
4.6通用函數(shù)
4.6.1統(tǒng)計(jì)函數(shù)
4.6.2隨機(jī)函數(shù)
4.6.3連接函數(shù)
4.6.4其他函數(shù)
●第5章數(shù)據(jù)規(guī)整之Pandas入門
5.1Pandas中的數(shù)據(jù)對(duì)象
5.1.1Series對(duì)象
5.1.2DataFrame對(duì)象
5.2數(shù)據(jù)索引與選取
5.2.1［］操作
5.2.2.loc［］與.iloc［］
5.2.3.at［］與.iat［］
5.3Pandas的常用方法
5.3.1Pandas的基本方法
5.3.2Pandas數(shù)值運(yùn)算方法
5.3.3Pandas處理文本字符串
5.3.4Pandas的合并與連接
5.3.5Pandas操作應(yīng)用方法
●第6章數(shù)據(jù)加載
6.1txt文件的讀寫操作
6.1.1讀取txt文件內(nèi)容
6.1.2with與readlines()
6.1.3寫入txt文件內(nèi)容
6.2CSV文件的讀寫操作
6.2.1讀取CSV文件內(nèi)容
6.2.2寫入CSV文件內(nèi)容
6.3Excel文件的讀寫操作
6.3.1讀取Excel文件內(nèi)容
6.3.2寫入Excel文件內(nèi)容
6.4JSON文件的讀寫操作
6.4.1讀取JSON文件內(nèi)容
6.4.2寫入JSON文件內(nèi)容
6.5SQL文件的讀取
6.5.1PyMySQL讀取MySQL數(shù)據(jù)庫(kù)內(nèi)容
6.5.2Pandas讀取MySQL數(shù)據(jù)庫(kù)內(nèi)容
●第7章數(shù)據(jù)預(yù)處理
7.1數(shù)據(jù)預(yù)處理是什么
7.1.1重復(fù)數(shù)據(jù)的處理
7.1.2缺失值的處理
7.1.3異常值的處理
7.2數(shù)據(jù)變換
7.2.1轉(zhuǎn)換數(shù)據(jù)類型
7.2.2數(shù)據(jù)標(biāo)準(zhǔn)化（Z-score標(biāo)準(zhǔn)化）
7.2.3數(shù)據(jù)歸一化（Min-Max標(biāo)準(zhǔn)化）
7.3高級(jí)數(shù)據(jù)預(yù)處理方法
7.3.1啞變量
7.3.2獨(dú)熱編碼
7.4數(shù)據(jù)預(yù)處理實(shí)戰(zhàn)
7.4.1數(shù)據(jù)觀察
7.4.2數(shù)據(jù)預(yù)處理實(shí)戰(zhàn)
7.4.3數(shù)據(jù)標(biāo)準(zhǔn)化
●第8章Pandas數(shù)據(jù)優(yōu)化
8.1多層索引
8.1.1多層索引的創(chuàng)建
8.1.2多層索引操作
8.1.3Series多層索引
8.1.4DataFrame多層索引
8.2groupby應(yīng)用機(jī)制
8.2.1分組對(duì)象
8.2.2通過by參數(shù)進(jìn)行分組
8.2.3通過level參數(shù)進(jìn)行分組
8.2.4分組聚合
8.2.5agg聚合
8.2.6apply()函數(shù)
8.3時(shí)間序列
8.3.1創(chuàng)建時(shí)間索引
8.3.2通過日期時(shí)間索引獲取元素
8.3.3重采樣
8.4滑動(dòng)窗口
●第9章數(shù)據(jù)可視化
9.1Pandas圖形繪制
9.2Matplotlib圖形繪制
9.2.1Figure繪圖參數(shù)詳解
9.2.2Matplotlib常用圖形繪制
9.3Seaborn圖形繪制
9.3.1設(shè)置Seaborn繪圖風(fēng)格
9.3.2Seaborn常用圖形繪制
●第10章電商銷售數(shù)據(jù)分析
10.1數(shù)據(jù)準(zhǔn)備
10.2數(shù)據(jù)清洗
10.2.1查看是否含有缺失值
10.2.2查看是否含有異常值
10.2.3數(shù)據(jù)整理
10.3具體目標(biāo)分析
10.4案例結(jié)論