中圖網(wǎng)小程序
一鍵登錄
更方便
>
>
數(shù)據(jù)分析基礎(chǔ)——Python實現(xiàn)(新編21世紀高等職業(yè)教育精品教材·智慧財經(jīng)系列)
包郵 數(shù)據(jù)分析基礎(chǔ)——Python實現(xiàn)(新編21世紀高等職業(yè)教育精品教材·智慧財經(jīng)系列)
作者：賈俊平
開本：
其他
頁數(shù)：
220
本類榜單：計算機/網(wǎng)絡(luò)銷量榜
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(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習
數(shù)據(jù)分析基礎(chǔ)——Python實現(xiàn)(新編21世紀高等職業(yè)教育精品教材·智慧財經(jīng)系列) 版權(quán)信息
- ISBN：9787300305257
- 條形碼：9787300305257 ; 978-7-300-30525-7
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
數(shù)據(jù)分析基礎(chǔ)——Python實現(xiàn)(新編21世紀高等職業(yè)教育精品教材·智慧財經(jīng)系列) 內(nèi)容簡介
本教材是為職業(yè)教育財經(jīng)商貿(mào)大類專業(yè)學(xué)生的數(shù)據(jù)分析課程編寫的教材。內(nèi)容包括數(shù)據(jù)處理、描述性分析、推斷性分析及一些常用的分析方法。教材以數(shù)據(jù)分析為基礎(chǔ)，立足于數(shù)據(jù)類型和可視化目的對圖形進行分類，使用python工具進行數(shù)據(jù)處理和分析。教材注重統(tǒng)計方法的應(yīng)用，包含課程思政內(nèi)容，每章開頭均以問題與思考的形式引出本章的內(nèi)容，對方法的介紹側(cè)重于原理和應(yīng)用，把繁雜的過程交給工具完成。教材配有例題和練習題的電子版數(shù)據(jù)，方便教師教學(xué)和學(xué)生學(xué)習。
數(shù)據(jù)分析基礎(chǔ)——Python實現(xiàn)(新編21世紀高等職業(yè)教育精品教材·智慧財經(jīng)系列) 目錄
第1章 數(shù)據(jù)分析與Python 語言
1．1 數(shù)據(jù)分析概述
1．1．1 數(shù)據(jù)分析方法
1．1．2 數(shù)據(jù)分析工具
1．2 數(shù)據(jù)及其來源
1．2．1 數(shù)據(jù)及其分類
1．2．2 數(shù)據(jù)的來源
1．3 Python 的初步使用
1．3．1 Python 的下載與安裝
1．3．2 模塊的安裝與加載
1．3．3 查看幫助文件
1．3．4 編寫代碼腳本
1．3．5 數(shù)據(jù)讀取和保存
第2章 Python 數(shù)據(jù)處理
2．1 Python 的基本數(shù)據(jù)結(jié)構(gòu)
2．1．1 數(shù)字和字符串
2．1．2 元組和列表
2．1．3 字典和集合
2．2 數(shù)組、序列和數(shù)據(jù)框
2．2．1 numpy 中的數(shù)組
2．2．2 pandas 中的序列和數(shù)據(jù)框
2．3 數(shù)據(jù)抽樣和篩選
2．3．1 抽取簡單隨機樣本
2．3．2 數(shù)據(jù)篩選
2．3．3 生成隨機數(shù)
2．4 生成頻數(shù)分布表
2．4．1 類別數(shù)據(jù)的頻數(shù)表
2．4．2 數(shù)值數(shù)據(jù)的類別化
第3章 數(shù)據(jù)可視化分析
3．1 Python 繪圖基礎(chǔ)
3．1．1 Python 的主要繪圖模塊
3．1．2 基本繪圖函數(shù)
3．1．3 圖形布局
3．1．4 圖形顏色、線型和標記
3．2 類別數(shù)據(jù)可視化
3．2．1 條形圖
3．2．2 瀑布圖和漏斗圖
3．2．3 餅圖和環(huán)形圖
3．2．4 樹狀圖
3．3 數(shù)值數(shù)據(jù)可視化
3．3．1 分布特征可視化
3．3．2 變量間關(guān)系可視化
3．3．3 樣本相似性可視化
3．4 時間序列可視化
3．4．1 折線圖
3．4．2 面積圖
3．5 合理使用圖表
第4章 數(shù)據(jù)的描述分析
4．1 數(shù)據(jù)水平的描述
4．1．1 平均數(shù)
4．1．2 分位數(shù)
4．1．3 眾數(shù)
4．2 數(shù)據(jù)差異的描述
4．2．1 極差和四分位差
4．2．2 方差和標準差
4．2．3 離散系數(shù)
4．2．4 標準分數(shù)
4．3 分布形狀的描述
4．3．1 偏度系數(shù)
4．3．2 峰度系數(shù)
4．4 Python 的綜合描述函數(shù)
第5 章 推斷分析基本方法
5．1 推斷的理論基礎(chǔ)
5．1．1 隨機變量和概率分布
5．1．2 統(tǒng)計量的抽樣分布
5．2 參數(shù)估計
5．2．1 估計方法和原理
5．2．2 總體均值的區(qū)間估計
5．2．3 總體比例的區(qū)間估計
5．3 假設(shè)檢驗
5．3．1 假設(shè)檢驗的步驟
5．3．2 總體均值的檢驗
5．3．3 總體比例的檢驗
第6章 相關(guān)與回歸分析
6．1 變量間關(guān)系的分析
6．1．1 變量間的關(guān)系
6．1．2 相關(guān)關(guān)系的描述
6．1．3 相關(guān)關(guān)系的度量
6．2 一元線性回歸建模
6．2．1 回歸模型與回歸方程
6．2．2 參數(shù)的*小平方估計
6．3 模型評估和檢驗
6．3．1 模型評估
6．3．2 顯著性檢驗
6．4 回歸預(yù)測和殘差分析
6．4．1 回歸預(yù)測
6．4．2 殘差分析
第7章 時間序列分析
7．1 增長率分析
7．1．1 增長率與平均增長率
7．1．2 年化增長率
7．2 時間序列的成分和預(yù)測方法
7．2．1 時間序列的成分
7．2．2 預(yù)測方法的選擇與評估
7．3 簡單指數(shù)平滑預(yù)測
7．4 趨勢預(yù)測
7．4．1 線性趨勢預(yù)測
7．4．2 非線性趨勢預(yù)測
7．5 時間序列平滑
參考文獻
1．1 數(shù)據(jù)分析概述
1．1．1 數(shù)據(jù)分析方法
1．1．2 數(shù)據(jù)分析工具
1．2 數(shù)據(jù)及其來源
1．2．1 數(shù)據(jù)及其分類
1．2．2 數(shù)據(jù)的來源
1．3 Python 的初步使用
1．3．1 Python 的下載與安裝
1．3．2 模塊的安裝與加載
1．3．3 查看幫助文件
1．3．4 編寫代碼腳本
1．3．5 數(shù)據(jù)讀取和保存
第2章 Python 數(shù)據(jù)處理
2．1 Python 的基本數(shù)據(jù)結(jié)構(gòu)
2．1．1 數(shù)字和字符串
2．1．2 元組和列表
2．1．3 字典和集合
2．2 數(shù)組、序列和數(shù)據(jù)框
2．2．1 numpy 中的數(shù)組
2．2．2 pandas 中的序列和數(shù)據(jù)框
2．3 數(shù)據(jù)抽樣和篩選
2．3．1 抽取簡單隨機樣本
2．3．2 數(shù)據(jù)篩選
2．3．3 生成隨機數(shù)
2．4 生成頻數(shù)分布表
2．4．1 類別數(shù)據(jù)的頻數(shù)表
2．4．2 數(shù)值數(shù)據(jù)的類別化
第3章 數(shù)據(jù)可視化分析
3．1 Python 繪圖基礎(chǔ)
3．1．1 Python 的主要繪圖模塊
3．1．2 基本繪圖函數(shù)
3．1．3 圖形布局
3．1．4 圖形顏色、線型和標記
3．2 類別數(shù)據(jù)可視化
3．2．1 條形圖
3．2．2 瀑布圖和漏斗圖
3．2．3 餅圖和環(huán)形圖
3．2．4 樹狀圖
3．3 數(shù)值數(shù)據(jù)可視化
3．3．1 分布特征可視化
3．3．2 變量間關(guān)系可視化
3．3．3 樣本相似性可視化
3．4 時間序列可視化
3．4．1 折線圖
3．4．2 面積圖
3．5 合理使用圖表
第4章 數(shù)據(jù)的描述分析
4．1 數(shù)據(jù)水平的描述
4．1．1 平均數(shù)
4．1．2 分位數(shù)
4．1．3 眾數(shù)
4．2 數(shù)據(jù)差異的描述
4．2．1 極差和四分位差
4．2．2 方差和標準差
4．2．3 離散系數(shù)
4．2．4 標準分數(shù)
4．3 分布形狀的描述
4．3．1 偏度系數(shù)
4．3．2 峰度系數(shù)
4．4 Python 的綜合描述函數(shù)
第5 章 推斷分析基本方法
5．1 推斷的理論基礎(chǔ)
5．1．1 隨機變量和概率分布
5．1．2 統(tǒng)計量的抽樣分布
5．2 參數(shù)估計
5．2．1 估計方法和原理
5．2．2 總體均值的區(qū)間估計
5．2．3 總體比例的區(qū)間估計
5．3 假設(shè)檢驗
5．3．1 假設(shè)檢驗的步驟
5．3．2 總體均值的檢驗
5．3．3 總體比例的檢驗
第6章 相關(guān)與回歸分析
6．1 變量間關(guān)系的分析
6．1．1 變量間的關(guān)系
6．1．2 相關(guān)關(guān)系的描述
6．1．3 相關(guān)關(guān)系的度量
6．2 一元線性回歸建模
6．2．1 回歸模型與回歸方程
6．2．2 參數(shù)的*小平方估計
6．3 模型評估和檢驗
6．3．1 模型評估
6．3．2 顯著性檢驗
6．4 回歸預(yù)測和殘差分析
6．4．1 回歸預(yù)測
6．4．2 殘差分析
第7章 時間序列分析
7．1 增長率分析
7．1．1 增長率與平均增長率
7．1．2 年化增長率
7．2 時間序列的成分和預(yù)測方法
7．2．1 時間序列的成分
7．2．2 預(yù)測方法的選擇與評估
7．3 簡單指數(shù)平滑預(yù)測
7．4 趨勢預(yù)測
7．4．1 線性趨勢預(yù)測
7．4．2 非線性趨勢預(yù)測
7．5 時間序列平滑
參考文獻
展開全部
數(shù)據(jù)分析基礎(chǔ)——Python實現(xiàn)(新編21世紀高等職業(yè)教育精品教材·智慧財經(jīng)系列) 節(jié)選
第1章 數(shù)據(jù)分析與Python 語言。學(xué)習目標理解變量和數(shù)據(jù)的概念，掌握數(shù)據(jù)分類。了解數(shù)據(jù)來源和概率抽樣方法。掌握python 語言的初步使用方法。課程思政目標數(shù)據(jù)分析是一門應(yīng)用性學(xué)科。思政建設(shè)應(yīng)強調(diào)數(shù)據(jù)分析方法在反映我國社會主義建設(shè)成就中的作用。結(jié)合實際問題學(xué)習數(shù)據(jù)分析中的基本概念。結(jié)合數(shù)據(jù)來源和渠道，學(xué)習獲取數(shù)據(jù)過程中可能存在的虛假行為，強調(diào)數(shù)據(jù)來源渠道的正當性，以避免虛假數(shù)據(jù)。避免收集危害社會安全的非正當來源的數(shù)據(jù)。在日常工作和生活中，人們經(jīng)常會接觸到各類數(shù)據(jù)，比如，pM2.5 的數(shù)據(jù)、全國的國內(nèi)生產(chǎn)總值（GDp）數(shù)據(jù)、居民消費價格指數(shù)（cpI）數(shù)據(jù)、股票交易數(shù)據(jù)、電商的經(jīng)營數(shù)據(jù)等。這些數(shù)據(jù)如果不去分析，那它也僅僅是數(shù)據(jù)，提供的信息十分有限，只有經(jīng)過分析的數(shù)據(jù)才會體現(xiàn)更大的價值。本章首先介紹數(shù)據(jù)分析的有關(guān)概念，然后介紹數(shù)據(jù)及其分類以及數(shù)據(jù)來源問題。1.1數(shù)據(jù)分析概述數(shù)據(jù)分析（data analysis）是從數(shù)據(jù)中提取信息并得出結(jié)論的過程，它所使用的方法既包括經(jīng)典的統(tǒng)計學(xué)方法，也包括現(xiàn)代的機器學(xué)習技術(shù)。數(shù)據(jù)分析涉及三個基本問題：一是所面對的是什么樣的數(shù)據(jù)；二是用什么方法分析這些數(shù)據(jù)；三是用何種工具（軟件）來分析。
數(shù)據(jù)分析基礎(chǔ)——Python實現(xiàn)(新編21世紀高等職業(yè)教育精品教材·智慧財經(jīng)系列) 作者簡介
賈俊平，中國人民大學(xué)統(tǒng)計學(xué)院副教授，從事統(tǒng)計教學(xué)30多年，著有《統(tǒng)計學(xué)—基于R》《統(tǒng)計學(xué)—Python實現(xiàn)》《統(tǒng)計學(xué)—基于Excel》《統(tǒng)計學(xué)—基于SPSS》《統(tǒng)計學(xué)基礎(chǔ)》《數(shù)據(jù)可視化分析—基于R語言》等多部教材和著作。編寫的《統(tǒng)計學(xué)》（第7版）和《統(tǒng)計學(xué)基礎(chǔ)》（第5版）分別榮獲首屆全國教材建設(shè)獎（高等教育類和職業(yè)教育和繼續(xù)教育類）優(yōu)秀教材獎。
書友推薦
- >
煙與鏡
- >
經(jīng)典常談
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
羅庸西南聯(lián)大授課錄
- >
羅曼·羅蘭讀書隨筆-精裝
- >
月亮與六便士
- >
我與地壇
- >
中國歷史的瞬間
本類暢銷
