掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
誰說菜鳥不會數據分析(PYTHON篇) 版權信息
- ISBN：9787121364587
- 條形碼：9787121364587 ; 978-7-121-36458-7
- 裝幀：簡裝本
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
誰說菜鳥不會數據分析(PYTHON篇) 本書特色
《誰說菜鳥不會數據分析（Python篇）》從解決工作實際問題出發，提煉總結工作中Python 常用的數據處理、數據分析實戰方法與技巧。本書力求通俗易懂地介紹相關知識，在不影響學習理解的前提下，盡可能地避免使用晦澀難懂的Python 編程、統計術語或模型公式。
《誰說菜鳥不會數據分析（Python篇）》定位是帶領Python 數據分析初學者入門，并能解決學習、工作中大部分的問題或需求。入門后如還需要進一步進階學習，可自行擴展閱讀相關書籍或資料，學習是永無止境的，正所謂“師傅領進門，修行在個人”。
誰說菜鳥不會數據分析(PYTHON篇) 內容簡介
本書從解決工作實際問題出發，提煉總結工作中Python 常用的數據處理、數據分析實戰方法與技巧。本書力求通俗易懂地介紹相關知識，在不影響學習理解的前提下，盡可能地避免使用晦澀難懂的Python 編程、統計術語或模型公式。本書定位是帶領Python 數據分析初學者入門，并能解決學習、工作中大部分的問題或需求。入門后如還需要進一步進階學習，可自行擴展閱讀相關書籍或資料，學習是永無止境的，正所謂“師傅領進門，修行在個人”。
誰說菜鳥不會數據分析(PYTHON篇) 目錄
第1 章 數據分析概況 /1
1.1 數據分析定義（What） /2
1.2 數據分析作用（Why） /4
1.3 數據分析步驟（How） /5
1.3.1 明確分析目的和思路 /6
1.3.2 數據收集 /7
1.3.3 數據處理 /9
1.3.4 數據分析 /9
1.3.5 數據展現 /10
1.3.6 報告撰寫 /10
1.4 數據分析的三大誤區 /12
1.5 常用的數據分析工具 /13
1.5.1 Excel /13
1.5.2 SPSS /14
1.5.3 R語言 /15
1.5.4 Python語言 /16
第2 章 Python 概況 /17
2.1 Python簡介 /18
2.2 Python特點 /19
2.3 Python模塊 /20
2.3.1 函數 /20
2.3.2 模塊 /24
2.4 Python使用場景 /27
2.5 Python 2與Python 3 /28
2.6 Python與數據科學 /29
2.7 Anaconda簡介 /30
2.8 安裝Anaconda /31
2.8.1 下載Anaconda /31
2.8.2 安裝Anaconda /33
2.9 使用Anaconda /37
2.9.1 PyCharm 與Spyder /37
2.9.2 Anaconda 開始菜單 /38
2.9.3 Spyder 工作界面簡介 /39
2.9.4 項目管理 /40
2.9.5 代碼提示 /43
2.9.6 變量瀏覽 /44
2.9.7 圖形查看 /44
2.9.8 幫助文檔 /45
第3 章 編程基礎 /47
3.1 數據類型 /48
3.1.1 數值型 /48
3.1.2 字符型 /50
3.1.3 邏輯型 /56
3.2 賦值和變量 /57
3.2.1 賦值和變量 /57
3.2.2 變量命名規則 /58
3.3 數據結構 /59
3.3.1 列表 /59
3.3.2 字典 /63
3.3.3 序列 /66
3.3.4 數據框 /72
3.3.5 四種數據結構的區別 /80
3.4 向量化運算 /81
3.5 for 循環 /83
3.6 Python 編程注意事項 /87
第4 章 數據處理 /90
4.1 數據導入與導出 /91
4.1.1 數據導入 /91
4.1.2 數據導出 /99
4.2 數據清洗 /100
4.2.1 數據排序 /101
4.2.2 重復數據處理 /102
4.2.3 缺失數據處理 /106
4.2.4 空格數據處理 /109
4.3 數據轉換 /110
4.3.1 數值轉字符 /110
4.3.2 字符轉數值 /112
4.3.3 字符轉時間 /113
4.4 數據抽取 /115
4.4.1 字段拆分 /116
4.4.2 記錄抽取 /121
4.4.3 隨機抽樣 /127
4.5 數據合并 /130
4.5.1 記錄合并 /130
4.5.2 字段合并 /133
4.5.3 字段匹配 /135
4.6 數據計算 /140
4.6.1 簡單計算 /140
4.6.2 時間計算 /141
4.6.3 數據標準化 /142
4.6.4 數據分組 /144
第5 章 數據分析 /148
5.1 對比分析 /149
5.2 基本統計分析 /152
5.3 分組分析 /155
5.4 結構分析 /158
5.5 分布分析 /159
5.6 交叉分析 /162
5.7 RFM 分析 /164
5.8 矩陣分析 /173
5.9 相關分析 /176
5.10 回歸分析 /178
5.10.1 回歸分析簡介 /178
5.10.2 簡單線性回歸分析 /180
5.10.3 多重線性回歸分析 /185
第6 章 數據可視化 /189
6.1 數據可視化簡介 /190
6.1.1 什么是數據可視化 /190
6.1.2 數據可視化常用圖表 /190
6.1.3 通過關系選擇圖表 /191
6.2 散點圖 /192
6.3 矩陣圖 /203
6.4 折線圖 /210
6.5 餅圖 /215
6.6 柱形圖 /217
6.7 條形圖 /222
1.1 數據分析定義（What） /2
1.2 數據分析作用（Why） /4
1.3 數據分析步驟（How） /5
1.3.1 明確分析目的和思路 /6
1.3.2 數據收集 /7
1.3.3 數據處理 /9
1.3.4 數據分析 /9
1.3.5 數據展現 /10
1.3.6 報告撰寫 /10
1.4 數據分析的三大誤區 /12
1.5 常用的數據分析工具 /13
1.5.1 Excel /13
1.5.2 SPSS /14
1.5.3 R語言 /15
1.5.4 Python語言 /16
第2 章 Python 概況 /17
2.1 Python簡介 /18
2.2 Python特點 /19
2.3 Python模塊 /20
2.3.1 函數 /20
2.3.2 模塊 /24
2.4 Python使用場景 /27
2.5 Python 2與Python 3 /28
2.6 Python與數據科學 /29
2.7 Anaconda簡介 /30
2.8 安裝Anaconda /31
2.8.1 下載Anaconda /31
2.8.2 安裝Anaconda /33
2.9 使用Anaconda /37
2.9.1 PyCharm 與Spyder /37
2.9.2 Anaconda 開始菜單 /38
2.9.3 Spyder 工作界面簡介 /39
2.9.4 項目管理 /40
2.9.5 代碼提示 /43
2.9.6 變量瀏覽 /44
2.9.7 圖形查看 /44
2.9.8 幫助文檔 /45
第3 章 編程基礎 /47
3.1 數據類型 /48
3.1.1 數值型 /48
3.1.2 字符型 /50
3.1.3 邏輯型 /56
3.2 賦值和變量 /57
3.2.1 賦值和變量 /57
3.2.2 變量命名規則 /58
3.3 數據結構 /59
3.3.1 列表 /59
3.3.2 字典 /63
3.3.3 序列 /66
3.3.4 數據框 /72
3.3.5 四種數據結構的區別 /80
3.4 向量化運算 /81
3.5 for 循環 /83
3.6 Python 編程注意事項 /87
第4 章 數據處理 /90
4.1 數據導入與導出 /91
4.1.1 數據導入 /91
4.1.2 數據導出 /99
4.2 數據清洗 /100
4.2.1 數據排序 /101
4.2.2 重復數據處理 /102
4.2.3 缺失數據處理 /106
4.2.4 空格數據處理 /109
4.3 數據轉換 /110
4.3.1 數值轉字符 /110
4.3.2 字符轉數值 /112
4.3.3 字符轉時間 /113
4.4 數據抽取 /115
4.4.1 字段拆分 /116
4.4.2 記錄抽取 /121
4.4.3 隨機抽樣 /127
4.5 數據合并 /130
4.5.1 記錄合并 /130
4.5.2 字段合并 /133
4.5.3 字段匹配 /135
4.6 數據計算 /140
4.6.1 簡單計算 /140
4.6.2 時間計算 /141
4.6.3 數據標準化 /142
4.6.4 數據分組 /144
第5 章 數據分析 /148
5.1 對比分析 /149
5.2 基本統計分析 /152
5.3 分組分析 /155
5.4 結構分析 /158
5.5 分布分析 /159
5.6 交叉分析 /162
5.7 RFM 分析 /164
5.8 矩陣分析 /173
5.9 相關分析 /176
5.10 回歸分析 /178
5.10.1 回歸分析簡介 /178
5.10.2 簡單線性回歸分析 /180
5.10.3 多重線性回歸分析 /185
第6 章 數據可視化 /189
6.1 數據可視化簡介 /190
6.1.1 什么是數據可視化 /190
6.1.2 數據可視化常用圖表 /190
6.1.3 通過關系選擇圖表 /191
6.2 散點圖 /192
6.3 矩陣圖 /203
6.4 折線圖 /210
6.5 餅圖 /215
6.6 柱形圖 /217
6.7 條形圖 /222
展開全部
誰說菜鳥不會數據分析(PYTHON篇) 節選
"前 言 《誰說菜鳥不會數據分析》系列圖書自上市以來，已擁有數十萬讀者與粉絲，口口相傳，成為職場人士案頭**的參考用書。同時非常榮幸地獲得書刊發行業協會授予的“全行業品種”稱號，這離不開廣大讀者的厚愛與支持。有讀者告訴我們，每次閱讀都會有新的體會與收獲，這讓我們很開心。 隨著云計算、互聯網、電子商務和物聯網的飛速發展，世界已經逐步邁入大數據時代。數據分析、機器學習等數據科學技術也相應流行起來，主流的數據科學技術，都將Python 作為主要的計算工具。Python 越來越被大家熟悉和認可，成為數據分析師的新寵兒，特別是在互聯網行業。 市面上Python 數據分析的相關書籍基本上多數由IT 人員編寫，寫作角度相對側重技術層面，很多基礎知識點和編寫的代碼并無詳細介紹，并且在數據分析思維體系方面相對薄弱，學習門檻非常高，讓非IT 專業朋友學起來較等
誰說菜鳥不會數據分析(PYTHON篇) 作者簡介
"方小敏，“數據分析實戰”公眾號主理人，機器學習工程師；曾服務于BAT等互聯網企業，熟練掌握Python、R、Spark、Hive、TensorFlow等工具進行機器學習。 張文霖，新浪博客“小蚊子數據分析”博主，數據分析師，曾服務于靠前市場研究公司、中國移動等公司，具有多年移動互聯網數據分析經驗，略懂Excel、PPT、SPSS、水晶易表等工具 "
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
羅庸西南聯大授課錄
- >
月亮虎
- >
有舍有得是人生
- >
伊索寓言-世界文學名著典藏-全譯本
- >
名家帶你讀魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊
- >
二體千字文
本類暢銷
