123,123,123

內(nèi)容簡(jiǎn)介

　　《誰(shuí)說(shuō)菜鳥(niǎo)不會(huì)數(shù)據(jù)分析（Python篇）》從解決工作實(shí)際問(wèn)題出發(fā)，提煉總結(jié)工作中Python 常用的數(shù)據(jù)處理、數(shù)據(jù)分析實(shí)戰(zhàn)方法與技巧。本書(shū)力求通俗易懂地介紹相關(guān)知識(shí)，在不影響學(xué)習(xí)理解的前提下，盡可能地避免使用晦澀難懂的Python 編程、統(tǒng)計(jì)術(shù)語(yǔ)或模型公式?！　墩l(shuí)說(shuō)菜鳥(niǎo)不會(huì)數(shù)據(jù)分析（Python篇）》定位是帶領(lǐng)Python 數(shù)據(jù)分析初學(xué)者入門(mén)，并能解決學(xué)習(xí)、工作中大部分的問(wèn)題或需求。入門(mén)后如還需要進(jìn)一步進(jìn)階學(xué)習(xí)，可自行擴(kuò)展閱讀相關(guān)書(shū)籍或資料，學(xué)習(xí)是永無(wú)止境的，正所謂“師傅領(lǐng)進(jìn)門(mén)，修行在個(gè)人”。

作者簡(jiǎn)介

　　方小敏，“數(shù)據(jù)分析實(shí)戰(zhàn)”公眾號(hào)主理人，資深機(jī)器學(xué)習(xí)工程師；曾服務(wù)于BAT等知名互聯(lián)網(wǎng)企業(yè)，熟練掌握Python、R、Spark、Hive、TensorFlow等工具進(jìn)行機(jī)器學(xué)習(xí)?！埼牧?，新浪博客“小蚊子數(shù)據(jù)分析”博主，資深數(shù)據(jù)分析師，曾服務(wù)于國(guó)內(nèi)知名市場(chǎng)研究公司、中國(guó)移動(dòng)等公司，具有多年移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)分析經(jīng)驗(yàn)，略懂Excel、PPT、SPSS、水晶易表等工具。

圖書(shū)目錄

第1 章　數(shù)據(jù)分析概況 /1
1.1　數(shù)據(jù)分析定義（What） /2
1.2　數(shù)據(jù)分析作用（Why） /4
1.3　數(shù)據(jù)分析步驟（How） /5
1.3.1　明確分析目的和思路 /6
1.3.2　數(shù)據(jù)收集 /7
1.3.3　數(shù)據(jù)處理 /9
1.3.4　數(shù)據(jù)分析 /9
1.3.5　數(shù)據(jù)展現(xiàn) /10
1.3.6　報(bào)告撰寫(xiě) /10
1.4　數(shù)據(jù)分析的三大誤區(qū) /12
1.5　常用的數(shù)據(jù)分析工具 /13
1.5.1　Excel /13
1.5.2　SPSS /14
1.5.3　R語(yǔ)言 /15
1.5.4　Python語(yǔ)言 /16

第2 章　Python 概況 /17
2.1　Python簡(jiǎn)介 /18
2.2　Python特點(diǎn) /19
2.3　Python模塊 /20
2.3.1　函數(shù) /20
2.3.2　模塊 /24
2.4　Python使用場(chǎng)景 /27
2.5　Python 2與Python 3 /28
2.6　Python與數(shù)據(jù)科學(xué) /29
2.7　Anaconda簡(jiǎn)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(kāi)始菜單 /38
2.9.3　Spyder 工作界面簡(jiǎn)介 /39
2.9.4　項(xiàng)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(chǔ) /47
3.1　數(shù)據(jù)類(lèi)型 /48
3.1.1　數(shù)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(guī)則 /58
3.3　數(shù)據(jù)結(jié)構(gòu) /59
3.3.1　列表 /59
3.3.2　字典 /63
3.3.3　序列 /66
3.3.4　數(shù)據(jù)框 /72
3.3.5　四種數(shù)據(jù)結(jié)構(gòu)的區(qū)別 /80
3.4　向量化運(yùn)算 /81
3.5　for 循環(huán) /83
3.6　Python 編程注意事項(xiàng) /87

第4 章　數(shù)據(jù)處理 /90
4.1　數(shù)據(jù)導(dǎo)入與導(dǎo)出 /91
4.1.1　數(shù)據(jù)導(dǎo)入 /91
4.1.2　數(shù)據(jù)導(dǎo)出 /99
4.2　數(shù)據(jù)清洗 /100
4.2.1　數(shù)據(jù)排序 /101
4.2.2　重復(fù)數(shù)據(jù)處理 /102
4.2.3　缺失數(shù)據(jù)處理 /106
4.2.4　空格數(shù)據(jù)處理 /109
4.3　數(shù)據(jù)轉(zhuǎn)換 /110
4.3.1　數(shù)值轉(zhuǎn)字符 /110
4.3.2　字符轉(zhuǎn)數(shù)值 /112
4.3.3　字符轉(zhuǎn)時(shí)間 /113
4.4　數(shù)據(jù)抽取 /115
4.4.1　字段拆分 /116
4.4.2　記錄抽取 /121
4.4.3　隨機(jī)抽樣 /127
4.5　數(shù)據(jù)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(shù)據(jù)計(jì)算 /140
4.6.1　簡(jiǎn)單計(jì)算 /140
4.6.2　時(shí)間計(jì)算 /141
4.6.3　數(shù)據(jù)標(biāo)準(zhǔn)化 /142
4.6.4　數(shù)據(jù)分組 /144

第5 章　數(shù)據(jù)分析 /148
5.1　對(duì)比分析 /149
5.2　基本統(tǒng)計(jì)分析 /152
5.3　分組分析 /155
5.4　結(jié)構(gòu)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(guān)分析 /176
5.10　回歸分析 /178
5.10.1　回歸分析簡(jiǎn)介 /178
5.10.2　簡(jiǎn)單線(xiàn)性回歸分析 /180
5.10.3　多重線(xiàn)性回歸分析 /185

第6 章　數(shù)據(jù)可視化 /189
6.1　數(shù)據(jù)可視化簡(jiǎn)介 /190
6.1.1　什么是數(shù)據(jù)可視化 /190
6.1.2　數(shù)據(jù)可視化常用圖表 /190
6.1.3　通過(guò)關(guān)系選擇圖表 /191
6.2　散點(diǎn)圖 /192
6.3　矩陣圖 /203
6.4　折線(xiàn)圖 /210
6.5　餅圖 /215
6.6　柱形圖 /217
6.7　條形圖 /222