Python商業(yè)數(shù)據(jù)分析

第 1章 商業(yè)數(shù)據(jù)分析概論
1．1商業(yè)數(shù)據(jù)分析的概念及其應(yīng)用
1．2商業(yè)數(shù)據(jù)類型
1．3商業(yè)數(shù)據(jù)來源
1．4商業(yè)數(shù)據(jù)分析工具簡介
1．5　Python商業(yè)數(shù)據(jù)分析工具的下載和安裝
1．6　Python的啟動和退出
1．7　Python商業(yè)數(shù)據(jù)分析相關(guān)的程序包
1．8　Python商業(yè)數(shù)據(jù)分析快速入門
練習題
第　2章Python商業(yè)數(shù)據(jù)存取
2．1　Python-pandas的csv格式本地數(shù)據(jù)存取
2．2　Python-pandas的Excel格式本地數(shù)據(jù)讀取
2．3挖地兔Tushare財經(jīng)網(wǎng)站數(shù)據(jù)存取
2．4　Pandas_datareader包獲取國外財經(jīng)網(wǎng)站數(shù)據(jù)
2．5商業(yè)數(shù)據(jù)分析的Pandas分組聚合（或分類匯總）
練習題
第3章Python商業(yè)數(shù)據(jù)的圖形繪制與可視化
3．1　Python-matplotlib繪圖基礎(chǔ)
3．2　Python直方圖的繪制
3．2　Python散點圖的繪制
3．3　Python氣泡圖的繪制
3．4　Python箱圖的繪制
3．5　Python餅圖的繪制
3．6　Python條形圖的繪制
3．7　Python折線圖的繪制
3．8　Python曲線標繪圖的繪制
3．9　Python連線標繪圖的繪制
3．10　Python3D圖的繪制
練習題
第4章Python描述性統(tǒng)計
4．1　Python描述性統(tǒng)計工具
4．2　Python數(shù)據(jù)集中趨勢的度量
4．3　Python數(shù)據(jù)離散狀況的度量
4．4　Python峰度、偏度與正態(tài)性檢驗
4．5　Python異常數(shù)據(jù)處理
練習題
第5章Python參數(shù)估計
5．1參數(shù)估計與置信區(qū)間的含義
5．2　Python點估計
5．3　Python單正態(tài)總體均值區(qū)間估計
5．4　Python單正態(tài)總體方差區(qū)間估計
5．5　Python雙正態(tài)總體均值差區(qū)間估計
5．6　Python雙正態(tài)總體方差比區(qū)間估計
練習題
第6章Python參數(shù)假設(shè)檢驗
6．1參數(shù)假設(shè)檢驗的基本理論
6．2　Python單個樣本t檢驗
6．3　Python兩個獨立樣本t檢驗
6．4　Python配對樣本t檢驗
6．5　Python單樣本方差假設(shè)檢驗
6．6　Python雙樣本方差假設(shè)檢驗
練習題
第7章Python相關(guān)分析
7．1相關(guān)系數(shù)的概念
7．2使用模擬數(shù)據(jù)計算變量之間的相關(guān)系數(shù)和繪圖
7．3使用本地數(shù)據(jù)計算變量之間的相關(guān)系數(shù)和繪圖
7．4使用網(wǎng)上數(shù)據(jù)計算變量之間的相關(guān)系數(shù)和繪圖
第8章Python一元線性回歸分析
8．1一元線性回歸分析基本理論
8．2應(yīng)用Python-statsmodels工具作一元線性回歸分析
8．3應(yīng)用Python-sklearn工具作一元線性回歸分析
練習題
第9章Python多元線性回歸分析
9．1多元線性回歸分析基本理論
9．2　Python多元線性回歸數(shù)據(jù)分析
9．3　用scikit-learn工具作多元回歸分析
9．4　Python穩(wěn)健線性回歸分析
9．5　Python邏輯Logistic回歸分析
9．6　Python廣義線性回歸分析
9．7違背回歸分析假設(shè)的計量檢驗
9．8　Python自相關(guān)性診斷與消除
9．9　Python異方差診斷與消除
9．10　Python多重共線性的診斷與消除
練習題
第　10章Python時間序列分析應(yīng)用
10．1時間序列基礎(chǔ)
10．2時間序列的相關(guān)概念及其Python應(yīng)用
10．3自回歸(AR)模型
10．4移動平均(MA)模型
10．5自回歸移動平均ARMA模型
10．6差分自回歸移動平均ARIMA模型
10．7自回歸條件異方差模型(ARCH)及預(yù)測
10．8廣義自回歸條件異方差模型(GARCH)與波動率預(yù)測
練習題
第　11章Python量化金融數(shù)據(jù)分析應(yīng)用
11．1　Python金融數(shù)據(jù)描述性統(tǒng)計
11．2　Python在戰(zhàn)勝股票市場策略可視化中的應(yīng)用
11．3　Python在資產(chǎn)組合均值方差模型中應(yīng)用
11．4　Python繪制投資組合有效邊界
11．5　Python繪制尋找Markowitz最優(yōu)投資組合
11．6　Python實現(xiàn)量化金融投資統(tǒng)計套利協(xié)整配對交易策略
練習題
第　12章Python機器學習數(shù)據(jù)分析應(yīng)用
12．1機器學習算法分類
12．2常見的機器學習算法及其Python代碼
12．3　Python實現(xiàn)K臨近算法銀行貸款分類
12．4　Python實現(xiàn)各種機器學習算法
12．5　Python實現(xiàn)K最近鄰法分類
練習題