Python数据分析技术手册：基础·实战·强化 PDF 超清版

《Python数据分析技术手册：基础·实战·强化》是由化学工业出版社出版的一本关于Python数据分析方面的书籍，作者是明日科技，主要介绍了关于Python、数据分析方面的知识内容，目前在Python数据分析类书籍综合评分为：9.6分。

书籍介绍

编辑推荐

①分层学习，学以致用。本书将核心知识、案例和应用分成三个层级进行循序渐进的学习和实践，力争短时间快速掌握相关技能。②案例丰富，通过大量案例、实例讲解所学技能，举一反三，提高读者应用技能的能力。③本书配备了视频录像、资源库、社区技术支持、QQ在线等服务。

内容简介

《Python数据分析技术手册：基础实战强化》是“计算机科学与技术手册系列”图书之一，该系列图书内容全面，以理论联系实际，能学到并做到为宗旨，以技术为核心，以案例为辅助，引领读者全面学习基础技术、代码编写方法和具体应用项目，旨在为想要进入相应领域或者已经在该领域深耕多年的技术人员提供新而全的技术性内容及案例。

本书是一本侧重数据分析基础实践的Python数据分析图书，为了保证读者可以学以致用，在内容编排方面循序渐进地进行了3个层次的讲解：基础知识铺垫、案例进阶实战和综合项目强化应用。

本书提供大量的资源，包含235个实例、9个方向的应用案例和一个大型数据分析项目，力求为读者打造一本基础应用实践一体化精彩的Python数据分析图书。

本书不仅适合Python初学者、数据分析人员、从事与数据分析相关工作的人员、对数据分析感兴趣的人员学习，而且适合从事其他岗位想掌握一定的数据分析技能的职场人员学习。

目录

• 基础篇
• 第1章认识数据分析
• 1.1数据分析概述2
• 1.1.1数据分析的概念2
• 1.1.2数据分析的重要性2
• 1.2数据分析的基本流程4
• 1.2.1熟悉工具4
• 1.2.2明确目的4
• 1.2.3获取数据4
• 1.2.4数据处理4
• 1.2.5数据分析5
• 1.2.6验证结果5
• 1.2.7结果呈现5
• 1.2.8数据应用5
• 1.3数据分析常用工具6
• 1.3.1Excel6
• 1.3.2Python6
• 第2章搭建Python数据分析环境
• 2.1Python概述7
• 2.1.1Python简介7
• 2.1.2Python的版本8
• 2.2搭建Python开发环境8
• 2.2.1什么是IDLE8
• 2.2.2安装Python8
• 2.2.3使用IDLE编写“helloworld”11
• 2.3集成开发环境PyCharm12
• 2.3.1下载PyCharm12
• 2.3.2安装PyCharm14
• 2.3.3运行PyCharm创建工程15
• 2.3.4个Python程序“HelloWorld!”17
• 2.4数据分析标准环境Anaconda18
• 2.4.1下载Anaconda19
• 2.4.2安装Anaconda20
• 2.5JupyterNotebook开发工具22
• 2.5.1认识JupyterNotebook22
• 2.5.2新建一个JupyterNotebook文件22
• 2.5.3在JupyterNotebook中编写“HelloWorld”23
• 第3章NumPy基础：数组、矩阵计算
• 3.1初识NumPy25
• 3.1.1NumPy概述25
• 3.1.2安装NumPy模块26
• 3.1.3数组相关概念27
• 3.2创建数组28
• 3.2.1创建简单的数组28
• 【实例3.1】演示如何创建数组28
• 【实例3.2】为数组指定数据类型29
• 【实例3.3】复制数组29
• 【实例3.4】修改数组的维数30
• 3.2.2以不同的方式创建数组30
• 【实例3.5】创建指定维数和数据类型未初始化的数组30
• 【实例3.6】创建指定维数（以0填充）的数组30
• 【实例3.7】创建指定维数并以1填充的数组31
• 【实例3.8】创建指定维数和数据类型并以指定值填充的数组31
• 3.2.3从数值范围创建数组31
• 【实例3.9】通过数值范围创建数组32
• 【实例3.10】创建马拉松赛前训练等差数列数组33
• 【实例3.11】通过logspace()函数解决棋盘放置小麦的问题33
• 3.2.4生成随机数组34
• 【实例3.12】随机生成0到1之间的数组34
• 【实例3.13】随机生成满足正态分布的数组35
• 【实例3.14】生成一定范围内的随机数组35
• 【实例3.15】生成正态分布的随机数组36
• 3.2.5从已有的数组中创建数组36
• 【实例3.16】使用asarray()函数创建数组37
• 【实例3.17】将字符串“mingrisoft”转换为数组37
• 【实例3.18】通过可迭代对象创建数组38
• 【实例3.19】创建未初始化的数组38
• 【实例3.20】创建以0填充的数组39
• 【实例3.21】创建以1填充的数组39
• 【实例3.22】创建以指定值“0.2”填充的数组40
• 3.3数组的基本操作40
• 3.3.1数据类型40
• 3.3.2数组运算41
• 【实例3.23】数组加法运算42
• 【实例3.24】数组的减法、乘法和除法运算42
• 【实例3.25】数组的幂运算43
• 【实例3.26】数组的比较运算43
• 【实例3.27】数组的标量运算44
• 3.3.3数组的索引和切片44
• 【实例3.28】获取一维数组中的元素44
• 【实例3.29】获取二维数组中的元素45
• 【实例3.30】实现简单的数组切片操作45
• 【实例3.31】常用的切片式索引操作46
• 【实例3.32】二维数组的简单索引操作47
• 【实例3.33】二维数组的切片操作47
• 3.3.4数组重塑48
• 【实例3.34】将一维数组重塑为二维数组48
• 【实例3.35】将一行古诗转换为4行5列的二维数组48
• 【实例3.36】将2行3列的数组重塑为3行2列的数组49
• 【实例3.37】将二维数组中的行列转置49
• 【实例3.38】转换客户销售数据50
• 3.3.5数组的增、删、改、查51
• 【实例3.39】为数组增加数据51
• 【实例3.40】删除指定的数组元素51
• 【实例3.41】修改指定的数组元素52
• 【实例3.42】按指定条件查询数组52
• 3.4NumPy矩阵的基本操作53
• 3.4.1创建矩阵53
• 【实例3.43】创建简单矩阵53
• 【实例3.44】使用mat()函数创建常见的矩阵54
• 3.4.2矩阵运算56
• 【实例3.45】矩阵加法运算56
• 【实例3.46】矩阵减法、乘法和除法运算56
• 【实例3.47】修改矩阵并进行乘法运算57
• 【实例3.48】数组相乘与数组点乘比较57
• 【实例3.49】矩阵元素之间的相乘运算58
• 3.4.3矩阵转换58
• 【实例3.50】使用T属性实现矩阵转置58
• 【实例3.51】实现矩阵逆运算58
• 3.5NumPy常用统计分析函数59
• 3.5.1数学运算函数59
• 【实例3.52】数组加、减、乘、除运算60
• 【实例3.53】计算数组元素的倒数60
• 【实例3.54】数组元素的幂运算61
• 【实例3.55】对数组元素取余61
• 【实例3.56】将数组中的一组数字四舍五入62
• 【实例3.57】对数组元素向上取整62
• 【实例3.58】对数组元素向下取整62
• 【实例3.59】计算数组的正弦值、余弦值和正切值63
• 【实例3.60】将弧度转换为角度63
• 3.5.2统计分析函数64
• 【实例3.61】对数组元素求和、对数组元素按行和按列求和64
• 【实例3.62】对数组元素求平均值、对数组元素按行和按列求平均值65
• 【实例3.63】对数组元素求值和小值65
• 【实例3.64】计算电商各活动销售的加权平均价66
• 【实例3.65】计算电商活动价格的中位数67
• 【实例3.66】求数组的方差和标准差67
• 3.5.3数组的排序67
• 【实例3.67】对数组元素排序68
• 【实例3.68】对数组元素升序排序68
• 【实例3.69】通过排序解决成绩相同学生的录取问题69
• 3.6综合案例——NumPy用于图像灰度处理69
• 3.7实战练习70
• 第4章Pandas入门
• 4.1初识Pandas72
• 4.1.1Pandas概述72
• 4.1.2安装Pandas73
• 4.2Pandas家族成员74
• 4.2.1Series对象75
• 【实例4.1】创建一列数据75
• 【实例4.2】创建一列“物理”成绩76
• 4.2.2DataFrame对象76
• 【实例4.3】通过列表创建成绩表77
• 【实例4.4】通过字典创建成绩表78
• 4.3索引78
• 4.3.1什么是索引78
• 【实例4.5】设置索引78
• 4.3.2索引的作用79
• 4.3.3Series对象的索引79
• 【实例4.6】手动设置索引79
• 【实例4.7】重新设置物理成绩的索引80
• 【实例4.8】向前和向后填充数据81
• 【实例4.9】通过位置索引获取学生物理成绩81
• 【实例4.10】通过标签索引获取学生物理成绩81
• 【实例4.11】通过标签切片获取数据82
• 【实例4.12】通过位置切片获取数据82
• 4.3.4DataFrame对象的索引83
• 【实例4.13】设置“姓名”为索引83
• 【实例4.14】重新为“学生成绩表”设置索引84
• 【实例4.15】删除数据后索引重置85
• 4.4综合案例——构建身体数据并计算体质指数85
• 4.5实战练习86
• 第5章数据读取与处理
• 5.1数据读取与写入87
• 5.1.1读取与写入Excel文件87
• 【实例5.1】读取Excel文件89
• 【实例5.2】读取指定Sheet页中的数据90
• 【实例5.3】读取Excel文件并指定行索引91
• 【实例5.4】读取Excel文件中的第1列数据91
• 【实例5.5】将数据写入Excel文件中92
• 5.1.2读取与写入CSV文件93
• 【实例5.6】读取CSV文件94
• 5.1.3读取文本文件95
• 【实例5.7】读取文本文件95
• 5.1.4读取HTML网页96
• 【实例5.8】Pandas也可以实现的简单爬虫97
• 5.2读取数据库中的数据98
• 5.2.1读取MySQL数据库中的数据98
• 【实例5.9】读取MySQL数据库中的数据100
• 5.2.2读取MongoDB数据库中的数据100
• 【实例5.10】读取MongoDB数据库中的数据101
• 5.3数据抽取103
• 5.3.1按行抽取数据104
• 【实例5.11】抽取一行学生成绩数据104
• 5.3.2抽取多行数据104
• 【实例5.12】抽取多行学生成绩数据104
• 【实例5.13】抽取多个连续的学生成绩数据105
• 5.3.3抽取指定列数据105
• 【实例5.14】抽取学生的“语文”和“数学”成绩105
• 【实例5.15】抽取指定学科的成绩106
• 5.3.4抽取指定的行、列数据106
• 【实例5.16】抽取指定学科和指定学生的成绩107
• 5.4数据的增、删、改、查107
• 5.4.1增加数据108
• 【实例5.17】增加一列“物理”成绩108
• 【实例5.18】使用loc属性增加一列“物理”成绩108
• 【实例5.19】在列后面插入“物理”成绩108
• 【实例5.20】在成绩表中增加一行数据109
• 【实例5.21】在成绩表中增加多行数据109
• 5.4.2删除数据109
• 【实例5.22】删除学生成绩数据110
• 【实例5.23】删除符合条件的学生成绩数据110
• 5.4.3修改数据110
• 【实例5.24】修改“数学”的列名110
• 【实例5.25】修改多个学科的列名111
• 【实例5.26】将行标题统一修改为数字编号111
• 【实例5.27】修改学生成绩数据111
• 5.4.4查询数据112
• 【实例5.28】通过逻辑运算符查询数据112
• 【实例5.29】通过复合运算符查询数据113
• 【实例5.30】使用query()方法简化查询代码113
• 【实例5.31】使用isin()方法查询数据113
• 【实例5.32】查询女生的学习成绩数据114
• 【实例5.33】使用between()方法查询数据115
• 5.5数据排序与排名115
• 5.5.1数据排序115
• 【实例5.34】按“销量”降序排序116
• 【实例5.35】按照“图书名称”和“销量”降序排序117
• 【实例5.36】对分组统计数据进行排序117
• 【实例5.37】按行数据排序118
• 5.5.2数据排名118
• 【实例5.38】对产品销量按顺序进行排名119
• 【实例5.39】对产品销量进行平均排名119
• 5.6综合案例——电商产品转化率分析120
• 5.7实战练习121
• 第6章数据清洗
• 6.1处理缺失值122
• 6.1.1什么是缺失值122
• 6.1.2查看缺失值123
• 【实例6.1】查看数据概况123
• 【实例6.2】判断数据是否存在缺失值123
• 6.1.3处理缺失值124
• 【实例6.3】将NaN填充为0125
• 6.2处理重复值125
• 【实例6.4】处理淘宝电商销售数据中的重复数据125
• 6.3异常值的检测与处理126
• 6.4字符串操作126
• 6.4.1字符串对象方法127
• 【实例6.5】字符串大小写转换127
• 【实例6.6】去掉字符串中的空格128
• 6.4.2字符串替换方法129
• 【实例6.7】使用replace()方法替换数据中指定的字符129
• 【实例6.8】使用replace()方法替换标题中指定的字符129
• 6.4.3数据切分方法130
• 【实例6.9】使用split()方法切分地址130
• 6.4.4字符串判断方法131
• 【实例6.10】使用contains()方法筛选数据并归类131
• 6.5数据转换132
• 6.5.1使用字典映射进行数据转换132
• 【实例6.11】使用map()函数将数据中的性别转换为数字132
• 6.5.2数据分割132
• 【实例6.12】分割成绩数据并标记为“优秀”“良好”“一般”133
• 6.5.3分类数据数字化134
• 【实例6.13】将分类数据转换为数字134
• 6.6综合案例——缺失值比例分析135
• 6.7实战练习135
• 第7章数据计算与分组统计
• 7.1数据计算136
• 7.1.1求和136
• 【实例7.1】计算语文、数学和英语三科的总成绩137
• 7.1.2求均值137
• 【实例7.2】计算语文、数学和英语各科成绩的平均分137
• 7.1.3求值138
• 【实例7.3】计算语文、数学和英语各科成绩的分138
• 7.1.4求小值138
• 【实例7.4】计算语文、数学和英语各科成绩的分139
• 7.1.5求中位数139
• 【实例7.5】计算学生各科成绩的中位数1140
• 【实例7.6】计算学生各科成绩的中位数2140
• 7.1.6求众数140
• 【实例7.7】计算学生各科成绩的众数141
• 7.1.7求方差141
• 【实例7.8】通过方差判断谁的物理成绩更稳定142
• 7.1.8标准差142
• 【实例7.9】计算各科成绩的标准差143
• 7.1.9求分位数143
• 【实例7.10】通过分位数确定被淘汰的35%的学生143
• 【实例7.11】计算日期、时间和时间增量数据的分位数144
• 7.2数据格式化144
• 7.2.1设置小数位数145
• 【实例7.12】四舍五入保留指定的小数位数145
• 7.2.2设置百分比146
• 【实例7.13】将指定数据格式化为百分比数据146
• 7.2.3设置千位分隔符146
• 【实例7.14】将金额格式化为带千位分隔符的数据147
• 7.3数据分组统计147
• 7.3.1分组统计函数groupby()147
• 【实例7.15】根据“一级分类”列统计订单数据148
• 【实例7.16】根据“一级分类”列和“二级分类”列统计订单数据148
• 【实例7.17】统计各编程语言的7天点击量148
• 7.3.2对分组数据进行迭代149
• 【实例7.18】迭代“一级分类”的订单数据149
• 【实例7.19】迭代“一级分类”和“二级分类”的订单数据150
• 7.3.3对分组的某列或多列使用聚合函数150
• 【实例7.20】对分组统计结果使用聚合函数150
• 【实例7.21】针对不同的列使用不同的聚合函数150
• 【实例7.22】通过自定义函数实现分组统计151
• 7.3.4通过字典和Series对象进行分组统计151
• 【实例7.23】通过字典分组统计“北上广”销量151
• 【实例7.24】通过Series对象分组统计“北上广”销量152
• 7.4数据移位153
• 【实例7.25】统计学生英语周测成绩的升降情况153
• 7.5数据合并154
• 7.5.1merge()方法154
• 【实例7.26】合并学生成绩表155
• 【实例7.27】通过索引合并数据155
• 【实例7.28】对合并数据去重156
• 【实例7.29】根据共有列进行合并数据156
• 【实例7.30】合并数据并相互补全157
• 7.5.2concat()方法157
• 7.6数据透视表159
• 7.6.1pivot()方法159
• 【实例7.31】数据透视表按年份统计城市GDP160
• 7.6.2pivot_table()方法160
• 【实例7.32】数据透视表统计各部门男、女生
• 人数160
• 7.7综合案例——商品月销量对比分析161
• 7.8实战练习162
• 第8章日期处理与时间序列
• 8.1日期数据处理163
• 8.1.1DataFrame的日期数据转换163
• 【实例8.1】将各种日期字符串转换为指定的日期格式164
• 【实例8.2】将一组数据组合为日期数据164
• 8.1.2dt对象的使用165
• 【实例8.3】获取日期中的年、月、日、星期数等165
• 8.1.3获取日期区间的数据165
• 【实例8.4】获取指定日期区间的订单数据166
• 8.1.4按不同时期统计并显示数据166
• 【实例8.5】从日期中获取不同的时期168
• 8.2日期范围、频率和移位169
• 8.2.1生成日期范围169
• 【实例8.6】按频率生成时间段169
• 【实例8.7】按复合频率生成时间段171
• 8.2.2日期频率转换171
• 【实例8.8】将按天的频率转换为按5小时的频率171
• 8.2.3移位日期172
• 【实例8.9】查看日期向前和向后分别移动两次后的数据172
• 8.3时间区间与频率转换173
• 8.3.1创建时间区间173
• 【实例8.10】使用Period类创建不同的时间区间173
• 【实例8.11】使用period_range()函数创建时间区间174
• 8.3.2频率转换175
• 【实例8.12】时间区间频率转换175
• 8.4重采样与频率转换175
• 8.4.1重采样175
• 【实例8.13】将1分钟的时间序列转换为3分钟的时间序列176
• 8.4.2降采样处理177
• 【实例8.14】按周统计销售数据177
• 8.4.3升采样处理178
• 【实例8.15】每6小时统计一次数据178
• 8.5移动窗口函数178
• 8.5.1时间序列数据汇总178
• 【实例8.16】统计数据的open、high、low和close值179
• 8.5.2移动窗口数据计算179
• 【实例8.17】创建淘宝每日销量数据180
• 【实例8.18】在实例8.17的基础上，使用rolling()函数计算每3天的均值180
• 【实例8.19】用当天的数据代表窗口数据180
• 8.6综合案例——股票行情数据分析181
• 8.7实战练习182
• 第9章可视化数据分析图表
• 9.1数据分析图表的作用183
• 9.2如何选择适合的图表类型184
• 9.3数据分析图表的基本组成184
• 9.4Matplotlib概述185
• 9.4.1Matplotlib简介185
• 9.4.2安装Matplotlib188
• 9.4.3Matplotlib图表之初体验189
• 【实例9.1】绘制张图表189
• 【实例9.2】绘制散点图189
• 9.5图表的常用设置190
• 9.5.1基本绘图函数plot()190
• 【实例9.3】绘制简单折线图190
• 【实例9.4】绘制体温折线图190
• 9.5.2设置画布192
• 【实例9.5】自定义画布193
• 9.5.3设置坐标轴193
• 【实例9.6】为体温折线图设置标题193
• 【实例9.7】为体温折线图设置刻度1194
• 【实例9.8】为体温折线图设置刻度2194
• 【实例9.9】为体温折线图设置坐标轴范围195
• 9.5.4添加文本标签196
• 【实例9.10】为体温折线图添加基础体温文本标签196
• 9.5.5设置标题和图例196
• 9.5.6添加注释198
• 【实例9.11】为图表添加注释198
• 9.5.7调整图表与画布边缘的间距199
• 9.5.8设置坐标轴200
• 9.6常用图表的绘制200
• 9.6.1绘制折线图201
• 【实例9.12】绘制学生语文、数学、英语各科成绩分析图201
• 9.6.2绘制柱形图201
• 【实例9.13】绘制简单的柱形图202
• 【实例9.14】绘制2013—2019年线上图书销售额
• 分析图202
• 【实例9.15】绘制各平台图书销售额分析图203
• 9.6.3绘制直方图204
• 【实例9.16】绘制简单直方图205
• 【实例9.17】利用直方图分析学生数学成绩分布情况205
• 9.6.4绘制饼形图206
• 【实例9.18】绘制简单饼形图206
• 【实例9.19】通过饼形图分析各省、市、自治区销量占比情况207
• 【实例9.20】绘制分裂饼形图207
• 【实例9.21】利用环形图分析各省、市、自治区销量占比情况208
• 【实例9.22】利用内嵌环形图分析各省、市、自治区销量占比情况209
• 9.6.5绘制散点图209
• 【实例9.23】绘制简单散点图210
• 【实例9.24】利用散点图分析销售收入与广告费的相关性210
• 9.6.6绘制面积图211
• 【实例9.25】绘制简单面积图211
• 【实例9.26】利用面积图分析线上图书销售情况212
• 【实例9.27】利用堆叠面积图分析各平台图书销售情况212
• 9.6.7绘制热力图213
• 【实例9.28】绘制简单热力图213
• 【实例9.29】利用热力图对比分析学生各科成绩213
• 9.6.8绘制箱形图214
• 【实例9.30】绘制简单箱形图215
• 【实例9.31】绘制多组数据的箱形图215
• 【实例9.32】通过箱形图判断异常值216
• 9.6.9绘制3D图表217
• 【实例9.33】绘制3D柱形图217
• 【实例9.34】绘制3D曲面图218
• 9.6.10绘制多个子图表218
• 【实例9.35】使用subplot()函数绘制多子图表的空图表219
• 【实例9.36】绘制包含多个子图表的图表219
• 【实例9.37】使用subplots()函数绘制包含多子图表的空图表221
• 【实例9.38】使用subplots()函数绘制多子图表221
• 【实例9.39】使用add_subplot()函数绘制多子图表222
• 9.6.11图表的保存222
• 9.7Seaborn图表223
• 9.7.1Seaborn图表概述223
• 9.7.2Seaborn图表之初体验224
• 【实例9.40】绘制简单的柱形图224
• 9.7.3Seaborn图表的基本设置225
• 9.7.4常用图表的绘制226
• 【实例9.41】使用relplot()函数绘制学生语文成绩折线图226
• 【实例9.42】使用lineplot()函数绘制学生语文成绩折线图226
• 【实例9.43】利用多折线图分析学生各科成绩226
• 【实例9.44】绘制简单直方图227
• 【实例9.45】利用条形图分析学生各科成绩228
• 【实例9.46】利用散点图分析“小费”228
• 【实例9.47】利用线性回归图表分析“小费”230
• 【实例9.48】利用箱形图分析“小费”异常数据231
• 【实例9.49】利用核密度图分析“鸢尾花”232
• 【实例9.50】利用提琴图分析“小费”232
• 9.8综合案例——电商单品销量同比增长情况分析233
• 9.9实战练习235
• 第10章机器学习Scikit-Learn
• 10.1Scikit-Learn简介236
• 10.2安装Scikit-Learn236
• 10.3线性模型237
• 10.3.1小二乘法回归238
• 【实例10.1】智能预测房价239
• 10.3.2岭回归239
• 【实例10.2】使用岭回归函数实现智能预测房价240
• 10.4支持向量机240
• 【实例10.3】“波士顿房价”预测241
• 10.5聚类242
• 10.5.1什么是聚类242
• 10.5.2聚类算法243
• 10.5.3聚类模块243
• 【实例10.4】对一组数据进行聚类244
• 10.5.4聚类数据生成器245
• 【实例10.5】生成用于聚类的测试数据245
• 10.6综合案例——预测考试成绩246
• 10.7实战练习247
• 实战篇
• 第11章处理大型数据集
• 11.1概述249
• 11.2案例效果预览250
• 11.3案例准备251
• 11.4业务流程251
• 11.5实现过程251
• 11.5.1数据准备251
• 11.5.2数据分块251
• 11.5.3查看与处理数据252
• 11.5.4保存分块数据253
• 11.5.5合并分块数据253
• 11.6关键技术253
• 第12章快速批量合并和处理Excel
• 12.1概述255
• 12.2案例效果预览255
• 12.3案例准备258
• 12.4业务流程258
• 12.5实现过程258
• 12.5.1数据准备258
• 12.5.2将多个Excel合并为一个Excel258
• 12.5.3合并指定的Excel的指定列到一个Excel259
• 12.5.4合并指定的Excel到一个Excel的多个Sheet260
• 12.5.5批量合并文件夹中所有的Excel到一个Excel的多个Sheet260
• 12.6关键技术261
• 第13章爬取分析NBA球员薪资数据
• 13.1概述263
• 13.2案例效果预览263
• 13.3案例准备264
• 13.4业务流程264
• 13.5实现过程265
• 13.5.1数据准备265
• 13.5.2确定网页格式265
• 13.5.3爬取数据265
• 13.5.4清洗数据267
• 13.5.5绘制水平柱形图分析湖人队薪资状况268
• 13.6关键技术268
• 第14章获取和分析股票行情数据
• 14.1概述270
• 14.2案例效果预览270
• 14.3案例准备272
• 14.4业务流程272
• 14.5实现过程272
• 14.5.1安装第三方模块272
• 14.5.2获取股票历史数据273
• 14.5.3数据归一化处理274
• 14.5.4可视化股票走势图275
• 14.5.5股票收盘价格走势图275
• 14.5.6股票涨跌情况分析图275
• 14.5.7股票k线走势图276
• 14.6关键技术277
• 第15章基于文本数据的商家评论数据分析
• 15.1概述280
• 15.2案例效果预览280
• 15.3案例准备281
• 15.4业务流程281
• 15.5实现过程281
• 15.5.1安装第三方模块281
• 15.5.2数据准备282
• 15.5.3数据清洗282
• 15.5.4总体评价状况分析283
• 15.5.5差评商品分析284
• 15.5.6利用词云图分析负面评价284
• 15.6关键技术285
• 第16章基于MySQL网站平台注册用户分析
• 16.1概述287
• 16.2案例效果预览287
• 16.3案例准备288
• 16.4业务流程288
• 16.5导入MySQL数据288
• 16.5.1导入MySQL数据288
• 16.5.2连接MySQL数据库289
• 16.6实现过程290
• 16.6.1数据准备290
• 16.6.2数据检测290
• 16.6.3年度注册用户分析291
• 16.6.4新注册用户分析292
• 第17章二手房房价分析与预测
• 17.1概述293
• 17.2案例效果预览293
• 17.3案例准备294
• 17.4业务流程295
• 17.5图表工具模块295
• 17.5.1绘制饼形图295
• 17.5.2绘制折线图296
• 17.5.3绘制条形图296
• 17.6实现过程298
• 17.6.1数据清洗298
• 17.6.2各区二手房均价分析298
• 17.6.3各区二手房数量及占比分析299
• 17.6.4全市二手房装修程度分析300
• 17.6.5热门户型均价分析301
• 17.6.6二手房房价预测301
• 第18章Python实现客户价值分析
• 18.1概述305
• 18.2案例效果预览305
• 18.3案例准备305
• 18.4业务流程306
• 18.5分析方法306
• 18.5.1RFM模型307
• 18.5.2聚类307
• 18.6实现过程307
• 18.6.1数据准备307
• 18.6.2数据抽取308
• 18.6.3数据探索分析308
• 18.6.4计算RFM值308
• 18.6.5数据转换309
• 18.6.6客户聚类310
• 18.6.7标记客户类别310
• 18.7客户价值结果分析312
• 第19章电商销售数据分析与预测
• 19.1概述314
• 19.2案例效果预览314
• 19.3案例准备314
• 19.4业务流程315
• 19.5分析方法315
• 19.6实现过程316
• 19.6.1数据处理316
• 19.6.2日期数据统计并显示316
• 19.6.3销售收入分析317
• 19.6.4销售收入与广告费相关性分析317
• 19.6.5销售收入预测320
• 19.6.6预测评分321
• 强化篇
• 第20章电视节目数据分析系统
• 20.1系统需求分析323
• 20.1.1系统概述323
• 20.1.2功能性需求分析323
• 20.2系统设计324
• 20.2.1系统功能结构324
• 20.2.2系统业务流程324
• 20.2.3系统预览324
• 20.3系统开发327
• 20.3.1系统开发环境327
• 20.3.2界面设计环境安装与配置327
• 20.4主窗体设计328
• 20.4.1功能草图328
• 20.4.2创建主窗体328
• 20.4.3工具栏设计329
• 20.4.4其他控件设计331
• 20.4.5ui文件转为py文件332
• 20.5数据准备333
• 20.6功能代码设计333
• 20.6.1查看数据情况模块333
• 20.6.2数据处理模块设计334
• 20.6.3数据分析及可视化模块334
• 20.6.4显示主窗体模块337