數(shù)據(jù)分析與可視化

定　價(jià)：￥65.00

作　者：	張濤
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111710233	出版時(shí)間：	2022-08-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	222	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《數(shù)據(jù)分析與可視化》主要介紹目前非常流行的數(shù)據(jù)分析和數(shù)據(jù)可視化工具，首先介紹數(shù)據(jù)分析“三劍客”，即NumPy、Matplotlib和Pandas。NumPy側(cè)重于科學(xué)計(jì)算，Matplotlib側(cè)重于數(shù)據(jù)可視化，Pandas側(cè)重于數(shù)據(jù)分析。然后介紹微軟推出的交互式數(shù)據(jù)分析和可視化工具Power BI。 \n《數(shù)據(jù)分析與可視化》分為上篇和下篇，上篇介紹使用Python實(shí)現(xiàn)數(shù)據(jù)的分析和可視化，通過(guò)4個(gè)項(xiàng)目介紹NumPy、Matplotlib和Pandas的使用。下篇共4個(gè)項(xiàng)目，介紹使用微軟的Power BI Desktop實(shí)現(xiàn)數(shù)據(jù)的分析和可視化。 \n《數(shù)據(jù)分析與可視化》適合作為高職院校大數(shù)據(jù)、人工智能等專(zhuān)業(yè)數(shù)據(jù)分析和可視化課程的教材，也可作為《人工智能數(shù)據(jù)處理》1+X證書(shū)的學(xué)習(xí)用書(shū)，同時(shí)也適合數(shù)據(jù)分析初學(xué)者、數(shù)據(jù)分析愛(ài)好者、數(shù)據(jù)分析工程師以及相關(guān)培訓(xùn)機(jī)構(gòu)學(xué)員學(xué)習(xí)。

作者簡(jiǎn)介

　　張濤，男，中國(guó)科學(xué)技術(shù)大學(xué)軟件工程碩士，安徽信息工程學(xué)院特聘講師，主持參與高等院校人工智能課程改革，課程研發(fā)任務(wù)。著有《從零開(kāi)始學(xué)Scrapy網(wǎng)絡(luò)爬蟲(chóng)》一書(shū)。擁有6年外企證券行業(yè)軟件開(kāi)發(fā)和管理經(jīng)驗(yàn)、5年計(jì)算機(jī)相關(guān)教學(xué)改革和教學(xué)實(shí)施經(jīng)驗(yàn)、3年人工智能領(lǐng)域教育教學(xué)設(shè)計(jì)和實(shí)施經(jīng)驗(yàn)。

圖書(shū)目錄

目錄 \n
前言 \n
上篇 Python數(shù)據(jù)分析與可視化 \n
項(xiàng)目1 使用NumPy分析空氣質(zhì)量狀況 \n
任務(wù)1.1 項(xiàng)目需求分析 \n
任務(wù)1.2 環(huán)境搭建 \n
1.2.1 開(kāi)發(fā)環(huán)境介紹 \n
1.2.2 Anaconda下載和安裝 \n
1.2.3 PyCharm集成開(kāi)發(fā)環(huán)境下載和安裝 \n
任務(wù)1.3 數(shù)據(jù)獲取 \n
1.3.1 通過(guò)網(wǎng)絡(luò)爬蟲(chóng)爬取 \n
1.3.2 直接從網(wǎng)站下載 \n
任務(wù)1.4 數(shù)據(jù)預(yù)處理 \n
1.4.1 讀取數(shù)據(jù) \n
1.4.2 合并多個(gè)數(shù)據(jù)集 \n
1.4.3 ndarray數(shù)據(jù)結(jié)構(gòu) \n
1.4.4 去除冗余數(shù)據(jù) \n
1.4.5 數(shù)據(jù)持久化存儲(chǔ) \n
任務(wù)1.5 科學(xué)計(jì)算 \n
1.5.1 獲取任意范圍的樣本數(shù)據(jù) \n
1.5.2 計(jì)算特征的最小值、最大值和平均值 \n
1.5.3 統(tǒng)計(jì)不同空氣質(zhì)量等級(jí)的天數(shù) \n
1.5.4 預(yù)測(cè)空氣質(zhì)量 \n
小結(jié) \n
課后習(xí)題 \n
項(xiàng)目2 使用Matplotlib實(shí)現(xiàn)空氣質(zhì)量數(shù)據(jù)可視化 \n
任務(wù)2.1 項(xiàng)目需求分析 \n
任務(wù)2.2 折線圖：展現(xiàn)AQI走勢(shì) \n
2.2.1 實(shí)現(xiàn)AQI走勢(shì)折線圖 \n
2.2.2 圖形的優(yōu)化和美化 \n
2.2.3 添加注釋 \n
任務(wù)2.3 條形圖：展現(xiàn)PM2.5走勢(shì) \n
2.3.1 條形圖：某月PM2.5的走勢(shì)情況 \n
2.3.2 堆疊條形圖：相鄰月份PM2.5值的比較 \n
2.3.3 并排條形圖：PM2.5和PM10的比較 \n
任務(wù)2.4 散點(diǎn)圖：展現(xiàn)內(nèi)在相關(guān)性 \n
任務(wù)2.5 子圖：展現(xiàn)圖表的多樣性 \n
任務(wù)2.6 餅圖：展現(xiàn)部分和整體的關(guān)系 \n
小結(jié) \n
課后習(xí)題 \n
項(xiàng)目3 使用Pandas分析股票交易數(shù)據(jù) \n
任務(wù)3.1 項(xiàng)目需求分析 \n
任務(wù)3.2 數(shù)據(jù)獲取和存儲(chǔ) \n
3.2.1 數(shù)據(jù)獲取 \n
3.2.2 數(shù)據(jù)存儲(chǔ) \n
任務(wù)3.3 數(shù)據(jù)讀取 \n
3.3.1 讀取CSV文件中的數(shù)據(jù) \n
3.3.2 讀取Excel文件中的數(shù)據(jù) \n
3.3.3 獲取MySQL數(shù)據(jù)庫(kù)中的數(shù)據(jù) \n
任務(wù)3.4 數(shù)據(jù)簡(jiǎn)單處理 \n
3.4.1 常用屬性 \n
3.4.2 查找數(shù)據(jù) \n
3.4.3 組裝數(shù)據(jù) \n
3.4.4 添加數(shù)據(jù) \n
3.4.5 修改數(shù)據(jù) \n
3.4.6 刪除數(shù)據(jù) \n
任務(wù)3.5 數(shù)據(jù)深度處理 \n
3.5.1 數(shù)據(jù)去重 \n
3.5.2 缺失值處理 \n
3.5.3 數(shù)據(jù)轉(zhuǎn)換 \n
任務(wù)3.6 統(tǒng)計(jì)分析 \n
3.6.1 匯總統(tǒng)計(jì) \n
3.6.2 groupby：數(shù)據(jù)分組聚合 \n
3.6.3 agg：數(shù)據(jù)聚合 \n
3.6.4 apply：數(shù)據(jù)聚合 \n
3.6.5 transform：數(shù)據(jù)轉(zhuǎn)換 \n
小結(jié) \n
課后習(xí)題 \n
項(xiàng)目4 使用Pandas實(shí)現(xiàn)股票交易數(shù)據(jù)可視化 \n
任務(wù)4.1 項(xiàng)目需求分析 \n
任務(wù)4.2 折線圖：展現(xiàn)股價(jià)走勢(shì) \n
任務(wù)4.3 散點(diǎn)圖：展現(xiàn)股價(jià)影響因素 \n
任務(wù)4.4 條形圖：展現(xiàn)同比成交量 \n
任務(wù)4.5 餅圖：展現(xiàn)成交量占比關(guān)系 \n
任務(wù)4.6 K線圖：展現(xiàn)股價(jià)走勢(shì) \n
小結(jié) \n
課后習(xí)題 \n
下篇 Power BI數(shù)據(jù)分析與可視化 \n
項(xiàng)目5 空氣質(zhì)量狀況分析 \n
任務(wù)5.1 項(xiàng)目需求分析 \n
任務(wù)5.2 環(huán)境搭建 \n
5.2.1 Power BI介紹 \n
5.2.2 Power BI Desktop的下載和安裝 \n
5.2.3 Power BI Desktop操作界面介紹 \n
任務(wù)5.3 數(shù)據(jù)預(yù)處理 \n
5.3.1 導(dǎo)入數(shù)據(jù) \n
5.3.2 篩選數(shù)據(jù) \n
5.3.3 添加列 \n
5.3.4 合并列 \n
任務(wù)5.4 數(shù)據(jù)分析和可視化 \n
5.4.1 折線圖：空氣質(zhì)量走勢(shì) \n
5.4.2 數(shù)據(jù)鉆取 \n
5.4.3 條形圖：空氣質(zhì)量走勢(shì)比較 \n
5.4.4 餅圖：空氣質(zhì)量?jī)?yōu)良占比 \n
5.4.5 關(guān)鍵影響者圖：影響AQI的因素 \n
5.4.6 編輯交互 \n
5.4.7 篩選器 \n
5.4.8 切片器 \n
小結(jié) \n
課后習(xí)題 \n
項(xiàng)目6 企業(yè)財(cái)務(wù)報(bào)表數(shù)據(jù)分析 \n
任務(wù)6.1 項(xiàng)目需求分析 \n
任務(wù)6.2 數(shù)據(jù)獲取 \n
任務(wù)6.3 數(shù)據(jù)預(yù)處理 \n
6.3.1 導(dǎo)入數(shù)據(jù) \n
6.3.2 刪除數(shù)據(jù) \n
6.3.3 處理缺失值 \n
6.3.4 逆透視數(shù)據(jù)表 \n
6.3.5 轉(zhuǎn)換數(shù)據(jù) \n
6.3.6 處理股票交易數(shù)據(jù) \n
任務(wù)6.4 數(shù)據(jù)建模 \n
6.4.1 新建項(xiàng)目名稱(chēng)表 \n
6.4.2 使用DAX新建日期表 \n
6.4.3 創(chuàng)建表之間的關(guān)聯(lián) \n
任務(wù)6.5 數(shù)據(jù)分析和可視化 \n
6.5.1 度量值：計(jì)算關(guān)鍵指標(biāo) \n
6.5.2 卡片圖：展示關(guān)鍵指標(biāo)數(shù)據(jù) \n
6.5.3 矩陣圖：羅列關(guān)鍵數(shù)據(jù) \n
6.5.4 瀑布圖：分析營(yíng)業(yè)總成本 \n
6.5.5 K線圖：展現(xiàn)走勢(shì)與趨勢(shì) \n
小結(jié) \n
課后習(xí)題 \n
項(xiàng)目7 銀行客戶(hù)營(yíng)銷(xiāo)分析 \n
任務(wù)7.1 項(xiàng)目需求分析 \n
任務(wù)7.2 數(shù)據(jù)預(yù)處理 \n
任務(wù)7.3 數(shù)據(jù)分析和可視化 \n
7.3.1 儀表盤(pán)：訂閱率 \n
7.3.2 折線和堆積柱形圖：影響訂閱率的因素 \n
7.3.3 簇狀柱形圖：是否回頭客因素對(duì)訂閱率的影響 \n
7.3.4 關(guān)鍵影響者圖：影響訂閱率的因素 \n
7.3.5 問(wèn)答系統(tǒng) \n
小結(jié) \n
課后習(xí)題 \n
項(xiàng)目8 電商App用戶(hù)購(gòu)物行為分析 \n
任務(wù)8.1 項(xiàng)目需求分析 \n
任務(wù)8.2 下載并安裝MySQL數(shù)據(jù)庫(kù)服務(wù)器 \n
任務(wù)8.3 將數(shù)據(jù)導(dǎo)入到MySQL數(shù)據(jù)庫(kù)中 \n
任務(wù)8.4 數(shù)據(jù)獲取 \n
任務(wù)8.5 數(shù)據(jù)預(yù)處理 \n
任務(wù)8.6 數(shù)據(jù)分析和可視化 \n
8.6.1 多行卡：關(guān)鍵指標(biāo)數(shù)據(jù) \n
8.6.2 漏斗圖：從瀏覽到購(gòu)買(mǎi)的轉(zhuǎn)化率 \n
8.6.3 折線圖：不同時(shí)段的瀏覽量和購(gòu)買(mǎi)量 \n
8.6.4 環(huán)形圖：RFM模型 \n
小結(jié) \n
課后習(xí)題 \n
附錄 \n
附錄A NumPy常用屬性和函數(shù) \n
附錄B Pandas常用屬性和函數(shù) \n
附錄C DAX常用函數(shù)