掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
PYTHON數據分析基礎與應用(微課版) 版權信息
- ISBN：9787115632739
- 條形碼：9787115632739 ; 978-7-115-63273-9
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
PYTHON數據分析基礎與應用(微課版) 本書特色
1.湖南鐵道職院陳承歡教授新書
2.知識學習、技能訓練、項目實戰一體化訓練模式
3.配套系統化訓練題庫
4.配套微課視頻，容易學習理解
5.配套活頁式電子教材
PYTHON數據分析基礎與應用(微課版) 內容簡介
在當今數字化時代，數據分析在各行各業被廣泛應用，數據已經成為企業的核心生產要素，數據分析技術已經成為企業競爭的關鍵。 本書以幫助讀者夯實數據分析基礎、掌握數據分析應用為目標，以提升數據分析能力為重點，將Python數據分析基礎與應用整體分為9個模塊，形成層次分明、結構清晰、重點突出、方便學習的模塊化結構。本書構建漸進式、多樣化的數據分析基礎與應用層次，創新知識學習、技能訓練、任務實戰一體化訓練模式，幫助讀者有效地形成學習梯度、降低學習難度、提升學習熱情。同時本書提供新形態教材的電子活頁，探索活頁式教材新模式，還配套了數據分析在線練習與考核題庫。本書充分挖掘數據分析中的素養元素，“因勢利導、順勢而為”，將知識學習、技能訓練、能力培養和價值塑造有機結合。 本書可以作為普通高等院校、高等或中等職業院校各專業的Python數據分析基礎與應用課程的教材，也可以作為Python數據分析基礎與應用培訓班的教材及參考書。
PYTHON數據分析基礎與應用(微課版) 目錄
模塊1
認知數據分析與構建程序運行
環境 1
學習與訓練 1
1.1 初識數據分析 1
1.1.1 數據分析定義 1
1.1.2 比較數據分析與數據挖掘 2
1.1.3 數據分析在企業經營決策中的 主要作用 3
1.1.4 常用數據分析框架 3
1.1.5 常用數據分析方法 3
1.1.6 常用數據分析工具 4
1.1.7 數據分析過程中常見數據問題 7
1.2 熟悉與準備數據分析的編程環境 7
1.2.1 熟悉與使用Python的交互式編程環境 7
1.2.2 熟悉與使用Jupyter Notebook集成開發環境 8
1.2.3 熟悉與使用PyCharm集成開發環境 18
應用與實戰 19
【任務1-1】在Jupyter Notebook開發環境中打開并運行Python
程序t1-01.ipynb 19
【任務1-2】在Jupyter Notebook開發環境中打開并運行Python
程序t1-02.ipynb 21
在線練習與考核 22
模塊2
Python基礎 23
學習與訓練 23
2.1 Python的編碼規范與命名要求 23
2.2 Python轉義字符與注釋 24
2.2.1 Python轉義字符 24
2.2.2 Python程序的注釋 25
2.3 Python 3數據類型及其應用 26
2.3.1 Python 3的數值類型 26
2.3.2 Python字符串操作與計算 26
2.3.3 Python列表創建與應用 28
2.3.4 Python元組創建與應用 30
2.3.5 Python字典創建與應用 31
2.3.6 Python集合創建與應用 31
2.3.7 Python 3數據類型的判斷 32
2.3.8 Python數據類型的轉換 32
2.4 Python運算符及其應用 32
2.4.1 Python的算術運算符與算術表達式 32
2.4.2 Python的賦值運算符與變量定義 33
2.4.3 Python的比較運算符與比較表達式 34
2.4.4 Python的邏輯運算符與邏輯表達式 34
2.4.5 Python的成員運算符 35
2.4.6 Python運算符優先級 35
2.5 Python基本結構及應用 36
2.5.1 順序結構與流程控制 36
2.5.2 Python選擇結構及其應用 37
2.5.3 for循環語句及其應用 38
2.5.4 while循環語句及其應用 39
2.5.5 Python循環結構中的跳轉語句 40
2.6 Python常用內置函數及應用 40
2.6.1 Python數學運算函數及應用 40
2.6.2 Python輸入輸出函數及應用 41
2.6.3 Python 3日期和時間函數 41
2.7 Python函數定義及應用 43
2.7.1 定義Python函數 43
2.7.2 調用Python函數 43
2.7.3 Python函數變量作用域 44
2.8 創建與導入Python模塊 45
2.8.1 創建Python模塊 45
2.8.2 導入Python模塊 45
2.8.3 下載與安裝第三方模塊 45
2.9 創建與使用Python包 46
應用與實戰 46
【任務2-1】計算與輸出購買商品的優惠金額與應付金額 46
【任務2-2】應用for循環語句顯示進度的百分比 47
【任務2-3】自定義與應用實現要求功能的函數 47
【任務2-4】使用Collections實現數據統計 47
在線練習與考核 47
模塊3
NumPy基礎 48
學習與訓練 48
3.1 初識NumPy 48
3.1.1 NumPy概述 48
3.1.2 安裝NumPy 49
3.2 使用多種方法創建NumPy數組
對象 50
3.2.1 初識ndarray對象 50
3.2.2 熟悉與使用NumPy數據類型 50
3.2.3 創建NumPy一維數組對象 52
3.2.4 創建NumPy二維數組對象 54
3.2.5 創建NumPy多維數組對象 58
3.2.6 創建NumPy區間數組對象 58
3.3 使用ndarray對象的屬性 60
3.3.1 使用size屬性和dtype屬性 60
3.3.2 使用shape屬性 61
3.3.3 使用ndim屬性 61
3.3.4 使用itemsize屬性 62
3.3.5 使用nbytes屬性 63
3.4 NumPy數組對象基本操作 64
3.4.1 NumPy數組索引和切片 64
3.4.2 NumPy副本和視圖 68
3.4.3 NumPy數組高級索引 69
3.4.4 NumPy數組遍歷 71
3.4.5 NumPy數組變維操作 73
3.4.6 NumPy數組轉置操作 74
3.4.7 連接與分割NumPy數組操作 75
3.4.8 NumPy數組元素增、刪、改、查操作 76
3.4.9 NumPy字符串處理 78
3.5 NumPy數組算術運算與矩陣乘法 79
3.5.1 NumPy數組廣播機制 79
3.5.2 NumPy數組的算術運算 81
3.5.3 NumPy數組的矩陣乘法運算 82
3.6 NumPy統計計算與分析 83
3.6.1 NumPy數組統計計算 83
3.6.2 NumPy數組線性代數運算 85
3.6.3 NumPy數組排序 86
3.6.4 NumPy數組搜索 86
3.6.5 刪除NumPy數組中的重復元素 87
3.7 使用NumPy讀寫文件 87
3.7.1 常見的數據文件格式 87
3.7.2 使用numpy loadtxt()和numpysavetxt()函數讀寫TXT或CSV文件 88
3.7.3 使用load()和save()函數讀寫NPY或NPZ文件 89
3.7.4 使用h5py讀寫HDF5文件 89
3.7.5 使用NumPy的genfromtxt()函數從文本文件中讀取數據 90
應用與實戰 90
【任務3-1】計算兩個二維數組的矩陣乘積 90
【任務3-2】統計、分析糧食播種面積和糧食產量數據 90
在線練習與考核 91
模塊4
數據結構應用與數據
讀寫操作 92
學習與訓練 92
4.1 初識pandas 92
4.2 熟悉pandas的Series結構 94
4.2.1 創建Series對象 94
4.2.2 訪問Series數據 97
4.2.3 使用Series的常用屬性 100
4.2.4 使用Series的常用方法與函數 100
4.3 熟悉pandas的DataFrame結構 101
4.3.1 創建DataFrame對象 102
4.3.2 使用列索引操作DataFrame 107
4.3.3 使用行索引操作DataFrame 111
4.3.4 使用DataFrame的常用屬性和方法 112
4.4 pandas創建與操作索引 113
4.4.1 創建pandas的索引 114
4.4.2 獲取pandas的索引 114
4.4.3 熟知pandas索引的特性 114
4.4.4 pandas索引設置 116
4.5 pandas基本操作 118
4.5.1 pandas數據顯示格式設置 118
4.5.2 pandas字符串操作 119
4.5.3 pandas遍歷操作 120
4.5.4 pandas排序操作 121
4.5.5 pandas的元素值排名操作 123
4.5.6 pandas數據類型轉換 123
4.5.7 創建與使用pandas分類對象 126
4.6 pandas數據篩選 127
4.6.1 Series對象中元素篩選 127
4.6.2 DataFrame對象中元素篩選 128
4.7 pandas創建與操作多層索引 129
4.7.1 創建多層索引 130
4.7.2 多層索引操作 130
4.8 pandas讀寫文件中的數據 131
4.8.1 pandas讀取Excel文件中的數據 131
4.8.2 使用to_excel()函數將DataFrame數據寫入Excel文件 132
4.8.3 pandas讀取CSV文件中的數據 132
4.8.4 將DataFrame數據寫入CSV文件 133
應用與實戰 134
【任務4-1】藥品銷售數據導入與審閱 134
【任務4-2】網上商城用戶消費數據導入與審閱 135
在線練習與考核 135
模塊5
數據預處理 136
學習與訓練 136
5.1 數據清理 136
5.1.1 pandas缺失值處理 136
5.1.2 pandas清洗無效數據 141
5.1.3 pandas重復值檢測與處理 142
5.1.4 pandas異常值檢測與處理 143
5.1.5 pandas刪除數據集中指定行或列的數據 148
5.2 pandas數據合并 148
5.2.1 使用merge()函數通過主鍵合并數據 149
5.2.2 使用join()函數通過索引或指定列合并數據 151
5.2.3 使用concat()函數沿軸連接數據 152
5.2.4 使用append()函數縱向連接DataFrame對象 152
5.2.5 使用combine_first()函數合并重疊數據 153
5.3 pandas數據抽取 153
5.3.1 字段抽取 154
5.3.2 字段拆分 154
5.3.3 數據記錄抽取 154
5.3.4 日期轉換與日期抽取 155
5.4 pandas數據重塑 156
5.4.1 重塑層次化索引 157
5.4.2 使用pivot()函數實現軸向旋轉 157
5.4.3 使用melt()函數將DataFrame對象從寬數據格式轉換為長數據格式 160
5.4.4 使用pivot_table()函數聚合與透視數據 161
5.5 pandas數據變換 165
5.5.1 重命名索引的標簽 165
5.5.2 離散化連續數據 165
應用與實戰 166
【任務5-1】藥品銷售數據預處理 166
【任務5-2】網上商城用戶消費數據預處理 166
在線練習與考核 167
模塊6
統計計算與數據分析 168
學習與訓練 168
6.1 pandas數據運算 168
6.1.1 Series對象的運算 168
6.1.2 DataFrame對象的運算 171
6.1.3 DataFrame對象與Series對象之間的運算 172
6.2 pandas統計分析 173
6.2.1 pandas數據分析的基本方法 173
6.2.2 應用pandas的統計函數 182
6.2.3 應用pandas的窗口函數 186
6.2.4 應用pandas的聚合函數 188
6.2.5 應用pandas的格式化函數 189
6.3 pandas數據分組與聚合運算 190
6.3.1 pandas數據分組 190
6.3.2 pandas數據聚合 191
6.3.3 pandas分組的轉換操作 191
6.3.4 pandas分組的數據過濾操作 192
應用與實戰 192
【任務6-1】藥品銷售數據統計與分析 192
【任務6-2】網上商城用戶消費數據統計與分析 193
在線練習與考核 194
模塊7
數據分析可視化展示 195
學習與訓練 195
7.1 初識Matplotlib 195
7.1.1 Matplotlib概述 195
7.1.2 認知Matplotlib的Pyplot模塊 197
7.1.3 使用Matplotlib繪制圖形時實現支持中文顯示 200
7.1.4 熟悉Pyplot模塊的plot()函數 202
7.1.5 使用plot()函數繪制圖形時設置輔助元素 205
7.2 應用Pyplot模塊的函數繪制圖形 209
7.2.1 使用Pyplot的plot()函數繪制線性函數圖形與波形圖 209
7.2.2 使用Pyplot的plot()函數繪制折線圖 210
7.2.3 使用Pyplot的bar()函數繪制柱形圖 211
7.2.4 使用Pyplot的barh()函數繪制條形圖 213
7.2.5 使用Pyplot的scatter()函數繪制散點圖 214
7.2.6 使用Pyplot的pie()函數繪制餅圖 216
7.2.7 使用Pyplot的boxplot()函數繪制箱形圖 218
7.2.8 使用Pyplot的hist()函數繪制直方圖 220
7.2.9 在同一畫布的不同區域繪制多個圖形 220
7.3 使用pandas的plot()方法繪制圖形 222
7.3.1 使用Series對象的plot()方法繪制圖形 222
7.3.2 使用DataFrame對象的plot()方法繪制圖形 224
7.4 使用seaborn模塊繪制統計圖表 227
7.4.1 初識seaborn模塊 227
7.4.2 seaborn的風格設置 227
7.5 使用pyecharts模塊實現數據可視化 231
7.5.1 初識pyecharts模塊 231
7.5.2 pyecharts繪制圖形的基本方法 232
應用與實戰 236
【任務7-1】藥品銷售數據可視化展示與分析 236
【任務7-2】網上商城用戶消費行為可視化展示與分析 236
【任務7-3】繪制折線圖分析股票數據 237
【任務7-4】繪制學習小組課程成績的箱形圖 238
【任務7-5】繪制旅客年齡分布的箱形圖 238
【任務7-6】使用pyecharts模塊分析訂單數據與用戶購物偏好 239
在線練習與考核 239
模塊8
時間序列操作與數據
抽樣 240
學習與訓練 240
8.1 pandas時間生成與轉換 240
8.1.1 pandas時間序列 240
8.1.2 pandas日期和時間格式化 248
8.1.3 Pandas的Timedelta 250
8.2 pandas隨機抽樣 251
8.3 pandas數據重抽樣 253
8.3.1 使用resample()函數實現數據降抽樣 253
8.3.2 使用resample()函數實現數據升抽樣 253
8.3.3 使用asfreq()函數實現頻率轉換 253
8.3.4 對缺失值進行插值處理 253
應用與實戰 256
【任務8-1】對日期和時間數據進行靈活處理 256
【任務8-2】分析股票數據時應用pandas日期序列 257
在線練習與考核 257
模塊9
數據分析與可視化綜合
實戰 258
學習與訓練 258
9.1 數據分析的過程 258
9.2 基于互聯網的數據分析的專業術語解釋 260
應用與實戰 261
【綜合實戰9-1】分析城市氣溫數據 261
【綜合實戰9-2】分析網上商城訂單數據 270
在線練習與考核 277
參考文獻 278
認知數據分析與構建程序運行
環境 1
學習與訓練 1
1.1 初識數據分析 1
1.1.1 數據分析定義 1
1.1.2 比較數據分析與數據挖掘 2
1.1.3 數據分析在企業經營決策中的 主要作用 3
1.1.4 常用數據分析框架 3
1.1.5 常用數據分析方法 3
1.1.6 常用數據分析工具 4
1.1.7 數據分析過程中常見數據問題 7
1.2 熟悉與準備數據分析的編程環境 7
1.2.1 熟悉與使用Python的交互式編程環境 7
1.2.2 熟悉與使用Jupyter Notebook集成開發環境 8
1.2.3 熟悉與使用PyCharm集成開發環境 18
應用與實戰 19
【任務1-1】在Jupyter Notebook開發環境中打開并運行Python
程序t1-01.ipynb 19
【任務1-2】在Jupyter Notebook開發環境中打開并運行Python
程序t1-02.ipynb 21
在線練習與考核 22
模塊2
Python基礎 23
學習與訓練 23
2.1 Python的編碼規范與命名要求 23
2.2 Python轉義字符與注釋 24
2.2.1 Python轉義字符 24
2.2.2 Python程序的注釋 25
2.3 Python 3數據類型及其應用 26
2.3.1 Python 3的數值類型 26
2.3.2 Python字符串操作與計算 26
2.3.3 Python列表創建與應用 28
2.3.4 Python元組創建與應用 30
2.3.5 Python字典創建與應用 31
2.3.6 Python集合創建與應用 31
2.3.7 Python 3數據類型的判斷 32
2.3.8 Python數據類型的轉換 32
2.4 Python運算符及其應用 32
2.4.1 Python的算術運算符與算術表達式 32
2.4.2 Python的賦值運算符與變量定義 33
2.4.3 Python的比較運算符與比較表達式 34
2.4.4 Python的邏輯運算符與邏輯表達式 34
2.4.5 Python的成員運算符 35
2.4.6 Python運算符優先級 35
2.5 Python基本結構及應用 36
2.5.1 順序結構與流程控制 36
2.5.2 Python選擇結構及其應用 37
2.5.3 for循環語句及其應用 38
2.5.4 while循環語句及其應用 39
2.5.5 Python循環結構中的跳轉語句 40
2.6 Python常用內置函數及應用 40
2.6.1 Python數學運算函數及應用 40
2.6.2 Python輸入輸出函數及應用 41
2.6.3 Python 3日期和時間函數 41
2.7 Python函數定義及應用 43
2.7.1 定義Python函數 43
2.7.2 調用Python函數 43
2.7.3 Python函數變量作用域 44
2.8 創建與導入Python模塊 45
2.8.1 創建Python模塊 45
2.8.2 導入Python模塊 45
2.8.3 下載與安裝第三方模塊 45
2.9 創建與使用Python包 46
應用與實戰 46
【任務2-1】計算與輸出購買商品的優惠金額與應付金額 46
【任務2-2】應用for循環語句顯示進度的百分比 47
【任務2-3】自定義與應用實現要求功能的函數 47
【任務2-4】使用Collections實現數據統計 47
在線練習與考核 47
模塊3
NumPy基礎 48
學習與訓練 48
3.1 初識NumPy 48
3.1.1 NumPy概述 48
3.1.2 安裝NumPy 49
3.2 使用多種方法創建NumPy數組
對象 50
3.2.1 初識ndarray對象 50
3.2.2 熟悉與使用NumPy數據類型 50
3.2.3 創建NumPy一維數組對象 52
3.2.4 創建NumPy二維數組對象 54
3.2.5 創建NumPy多維數組對象 58
3.2.6 創建NumPy區間數組對象 58
3.3 使用ndarray對象的屬性 60
3.3.1 使用size屬性和dtype屬性 60
3.3.2 使用shape屬性 61
3.3.3 使用ndim屬性 61
3.3.4 使用itemsize屬性 62
3.3.5 使用nbytes屬性 63
3.4 NumPy數組對象基本操作 64
3.4.1 NumPy數組索引和切片 64
3.4.2 NumPy副本和視圖 68
3.4.3 NumPy數組高級索引 69
3.4.4 NumPy數組遍歷 71
3.4.5 NumPy數組變維操作 73
3.4.6 NumPy數組轉置操作 74
3.4.7 連接與分割NumPy數組操作 75
3.4.8 NumPy數組元素增、刪、改、查操作 76
3.4.9 NumPy字符串處理 78
3.5 NumPy數組算術運算與矩陣乘法 79
3.5.1 NumPy數組廣播機制 79
3.5.2 NumPy數組的算術運算 81
3.5.3 NumPy數組的矩陣乘法運算 82
3.6 NumPy統計計算與分析 83
3.6.1 NumPy數組統計計算 83
3.6.2 NumPy數組線性代數運算 85
3.6.3 NumPy數組排序 86
3.6.4 NumPy數組搜索 86
3.6.5 刪除NumPy數組中的重復元素 87
3.7 使用NumPy讀寫文件 87
3.7.1 常見的數據文件格式 87
3.7.2 使用numpy loadtxt()和numpysavetxt()函數讀寫TXT或CSV文件 88
3.7.3 使用load()和save()函數讀寫NPY或NPZ文件 89
3.7.4 使用h5py讀寫HDF5文件 89
3.7.5 使用NumPy的genfromtxt()函數從文本文件中讀取數據 90
應用與實戰 90
【任務3-1】計算兩個二維數組的矩陣乘積 90
【任務3-2】統計、分析糧食播種面積和糧食產量數據 90
在線練習與考核 91
模塊4
數據結構應用與數據
讀寫操作 92
學習與訓練 92
4.1 初識pandas 92
4.2 熟悉pandas的Series結構 94
4.2.1 創建Series對象 94
4.2.2 訪問Series數據 97
4.2.3 使用Series的常用屬性 100
4.2.4 使用Series的常用方法與函數 100
4.3 熟悉pandas的DataFrame結構 101
4.3.1 創建DataFrame對象 102
4.3.2 使用列索引操作DataFrame 107
4.3.3 使用行索引操作DataFrame 111
4.3.4 使用DataFrame的常用屬性和方法 112
4.4 pandas創建與操作索引 113
4.4.1 創建pandas的索引 114
4.4.2 獲取pandas的索引 114
4.4.3 熟知pandas索引的特性 114
4.4.4 pandas索引設置 116
4.5 pandas基本操作 118
4.5.1 pandas數據顯示格式設置 118
4.5.2 pandas字符串操作 119
4.5.3 pandas遍歷操作 120
4.5.4 pandas排序操作 121
4.5.5 pandas的元素值排名操作 123
4.5.6 pandas數據類型轉換 123
4.5.7 創建與使用pandas分類對象 126
4.6 pandas數據篩選 127
4.6.1 Series對象中元素篩選 127
4.6.2 DataFrame對象中元素篩選 128
4.7 pandas創建與操作多層索引 129
4.7.1 創建多層索引 130
4.7.2 多層索引操作 130
4.8 pandas讀寫文件中的數據 131
4.8.1 pandas讀取Excel文件中的數據 131
4.8.2 使用to_excel()函數將DataFrame數據寫入Excel文件 132
4.8.3 pandas讀取CSV文件中的數據 132
4.8.4 將DataFrame數據寫入CSV文件 133
應用與實戰 134
【任務4-1】藥品銷售數據導入與審閱 134
【任務4-2】網上商城用戶消費數據導入與審閱 135
在線練習與考核 135
模塊5
數據預處理 136
學習與訓練 136
5.1 數據清理 136
5.1.1 pandas缺失值處理 136
5.1.2 pandas清洗無效數據 141
5.1.3 pandas重復值檢測與處理 142
5.1.4 pandas異常值檢測與處理 143
5.1.5 pandas刪除數據集中指定行或列的數據 148
5.2 pandas數據合并 148
5.2.1 使用merge()函數通過主鍵合并數據 149
5.2.2 使用join()函數通過索引或指定列合并數據 151
5.2.3 使用concat()函數沿軸連接數據 152
5.2.4 使用append()函數縱向連接DataFrame對象 152
5.2.5 使用combine_first()函數合并重疊數據 153
5.3 pandas數據抽取 153
5.3.1 字段抽取 154
5.3.2 字段拆分 154
5.3.3 數據記錄抽取 154
5.3.4 日期轉換與日期抽取 155
5.4 pandas數據重塑 156
5.4.1 重塑層次化索引 157
5.4.2 使用pivot()函數實現軸向旋轉 157
5.4.3 使用melt()函數將DataFrame對象從寬數據格式轉換為長數據格式 160
5.4.4 使用pivot_table()函數聚合與透視數據 161
5.5 pandas數據變換 165
5.5.1 重命名索引的標簽 165
5.5.2 離散化連續數據 165
應用與實戰 166
【任務5-1】藥品銷售數據預處理 166
【任務5-2】網上商城用戶消費數據預處理 166
在線練習與考核 167
模塊6
統計計算與數據分析 168
學習與訓練 168
6.1 pandas數據運算 168
6.1.1 Series對象的運算 168
6.1.2 DataFrame對象的運算 171
6.1.3 DataFrame對象與Series對象之間的運算 172
6.2 pandas統計分析 173
6.2.1 pandas數據分析的基本方法 173
6.2.2 應用pandas的統計函數 182
6.2.3 應用pandas的窗口函數 186
6.2.4 應用pandas的聚合函數 188
6.2.5 應用pandas的格式化函數 189
6.3 pandas數據分組與聚合運算 190
6.3.1 pandas數據分組 190
6.3.2 pandas數據聚合 191
6.3.3 pandas分組的轉換操作 191
6.3.4 pandas分組的數據過濾操作 192
應用與實戰 192
【任務6-1】藥品銷售數據統計與分析 192
【任務6-2】網上商城用戶消費數據統計與分析 193
在線練習與考核 194
模塊7
數據分析可視化展示 195
學習與訓練 195
7.1 初識Matplotlib 195
7.1.1 Matplotlib概述 195
7.1.2 認知Matplotlib的Pyplot模塊 197
7.1.3 使用Matplotlib繪制圖形時實現支持中文顯示 200
7.1.4 熟悉Pyplot模塊的plot()函數 202
7.1.5 使用plot()函數繪制圖形時設置輔助元素 205
7.2 應用Pyplot模塊的函數繪制圖形 209
7.2.1 使用Pyplot的plot()函數繪制線性函數圖形與波形圖 209
7.2.2 使用Pyplot的plot()函數繪制折線圖 210
7.2.3 使用Pyplot的bar()函數繪制柱形圖 211
7.2.4 使用Pyplot的barh()函數繪制條形圖 213
7.2.5 使用Pyplot的scatter()函數繪制散點圖 214
7.2.6 使用Pyplot的pie()函數繪制餅圖 216
7.2.7 使用Pyplot的boxplot()函數繪制箱形圖 218
7.2.8 使用Pyplot的hist()函數繪制直方圖 220
7.2.9 在同一畫布的不同區域繪制多個圖形 220
7.3 使用pandas的plot()方法繪制圖形 222
7.3.1 使用Series對象的plot()方法繪制圖形 222
7.3.2 使用DataFrame對象的plot()方法繪制圖形 224
7.4 使用seaborn模塊繪制統計圖表 227
7.4.1 初識seaborn模塊 227
7.4.2 seaborn的風格設置 227
7.5 使用pyecharts模塊實現數據可視化 231
7.5.1 初識pyecharts模塊 231
7.5.2 pyecharts繪制圖形的基本方法 232
應用與實戰 236
【任務7-1】藥品銷售數據可視化展示與分析 236
【任務7-2】網上商城用戶消費行為可視化展示與分析 236
【任務7-3】繪制折線圖分析股票數據 237
【任務7-4】繪制學習小組課程成績的箱形圖 238
【任務7-5】繪制旅客年齡分布的箱形圖 238
【任務7-6】使用pyecharts模塊分析訂單數據與用戶購物偏好 239
在線練習與考核 239
模塊8
時間序列操作與數據
抽樣 240
學習與訓練 240
8.1 pandas時間生成與轉換 240
8.1.1 pandas時間序列 240
8.1.2 pandas日期和時間格式化 248
8.1.3 Pandas的Timedelta 250
8.2 pandas隨機抽樣 251
8.3 pandas數據重抽樣 253
8.3.1 使用resample()函數實現數據降抽樣 253
8.3.2 使用resample()函數實現數據升抽樣 253
8.3.3 使用asfreq()函數實現頻率轉換 253
8.3.4 對缺失值進行插值處理 253
應用與實戰 256
【任務8-1】對日期和時間數據進行靈活處理 256
【任務8-2】分析股票數據時應用pandas日期序列 257
在線練習與考核 257
模塊9
數據分析與可視化綜合
實戰 258
學習與訓練 258
9.1 數據分析的過程 258
9.2 基于互聯網的數據分析的專業術語解釋 260
應用與實戰 261
【綜合實戰9-1】分析城市氣溫數據 261
【綜合實戰9-2】分析網上商城訂單數據 270
在線練習與考核 277
參考文獻 278
展開全部
PYTHON數據分析基礎與應用(微課版) 作者簡介
馮向科，移動互聯應用技術專業主任，碩士，教授，系統分析師，軟件設計師，高級技師，省技術能手，省青年骨干教師，德累斯頓工業大學訪問學者。湖南省計算機應用技術職業技能競賽程序設計員賽項職工組第一名；全國行業職業技能競賽程序設計員賽項職工組二等獎，累計獲得省級一等獎以上15人次。主持省級以上教研項目7項，省級以上培訓項目7項，開發橫向項目5項，主編教材3本（含規劃教材1本），參編國家級規劃教材12本，任國家級競賽裁判4次。
書友推薦
- >
史學評論
- >
經典常談
- >
伯納黛特,你要去哪(2021新版)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
苦雨齋序跋文-周作人自編集
- >
推拿
- >
詩經-先民的歌唱
- >
小考拉的故事-套裝共3冊
本類暢銷
