基礎篇
第1章 認識數據分析
1.1 數據分析概述 2
1.1.1 數據分析的概念 2
1.1.2 數據分析的重要性 2
1.2 數據分析的基本流程 4
1.2.1 熟悉工具 4
1.2.2 明確目的 4
1.2.3 獲取數據 4
1.2.4 數據處理 4
1.2.5 數據分析 5
1.2.6 驗證結果 5
1.2.7 結果呈現 5
1.2.8 數據應用 5
1.3 數據分析常用工具 6
1.3.1 Excel 6
1.3.2 Python 6
第2章 搭建Python數據分析環境
2.1 Python概述 7
2.1.1 Python簡介 7
2.1.2 Python的版本 8
2.2 搭建Python開發環境 8
2.2.1 什么是IDLE 8
2.2.2 安裝Python 8
2.2.3 使用IDLE編寫hello world 11
2.3 集成開發環境PyCharm 12
2.3.1 下載PyCharm 12
2.3.2 安裝PyCharm 14
2.3.3 運行PyCharm創建工程 15
2.3.4 個Python程序Hello World! 17
2.4 數據分析標準環境Anaconda 18
2.4.1 下載Anaconda 19
2.4.2 安裝Anaconda 20
2.5 Jupyter Notebook開發工具 22
2.5.1 認識Jupyter Notebook 22
2.5.2 新建一個Jupyter Notebook文件 22
2.5.3 在Jupyter Notebook中編寫Hello World 23
第3章 NumPy基礎：數組、矩陣計算
3.1 初識NumPy 25
3.1.1 NumPy概述 25
3.1.2 安裝NumPy模塊 26
3.1.3 數組相關概念 27
3.2 創建數組 28
3.2.1 創建簡單的數組 28
【實例3.1】演示如何創建數組 28
【實例3.2】為數組指定數據類型 29
【實例3.3】復制數組 29
【實例3.4】修改數組的維數 30
3.2.2 以不同的方式創建數組 30
【實例3.5】創建指定維數和數據類型未初始化的數組 30
【實例3.6】創建指定維數（以0填充）的數組 30
【實例3.7】創建指定維數并以1填充的數組 31
【實例3.8】創建指定維數和數據類型并以指定值填充的數組 31
3.2.3 從數值范圍創建數組 31
【實例3.9】通過數值范圍創建數組 32
【實例3.10】創建馬拉松賽前訓練等差數列數組 33
【實例3.11】通過logspace()函數解決棋盤放置小麥的問題 33
3.2.4 生成隨機數組 34
【實例3.12】隨機生成0到1之間的數組 34
【實例3.13】隨機生成滿足正態分布的數組 35
【實例3.14】生成一定范圍內的隨機數組 35
【實例3.15】生成正態分布的隨機數組 36
3.2.5 從已有的數組中創建數組 36
【實例3.16】使用asarray()函數創建數組 37
【實例3.17】將字符串mingrisoft轉換為數組 37
【實例3.18】通過可迭代對象創建數組 38
【實例3.19】創建未初始化的數組 38
【實例3.20】創建以0填充的數組 39
【實例3.21】創建以1填充的數組 39
【實例3.22】創建以指定值0.2填充的數組 40
3.3 數組的基本操作 40
3.3.1 數據類型 40
3.3.2 數組運算 41
【實例3.23】數組加法運算 42
【實例3.24】數組的減法、乘法和除法運算 42
【實例3.25】數組的冪運算 43
【實例3.26】數組的比較運算 43
【實例3.27】數組的標量運算 44
3.3.3 數組的索引和切片 44
【實例3.28】獲取一維數組中的元素 44
【實例3.29】獲取二維數組中的元素 45
【實例3.30】實現簡單的數組切片操作 45
【實例3.31】常用的切片式索引操作 46
【實例3.32】二維數組的簡單索引操作 47
【實例3.33】二維數組的切片操作 47
3.3.4 數組重塑 48
【實例3.34】將一維數組重塑為二維數組 48
【實例3.35】將一行古詩轉換為4行5列的二維數組 48
【實例3.36】將2行3列的數組重塑為3行2列的數組 49
【實例3.37】將二維數組中的行列轉置 49
【實例3.38】轉換客戶銷售數據 50
3.3.5 數組的增、刪、改、查 51
【實例3.39】為數組增加數據 51
【實例3.40】刪除指定的數組元素 51
【實例3.41】修改指定的數組元素 52
【實例3.42】按指定條件查詢數組 52
3.4 NumPy矩陣的基本操作 53
3.4.1 創建矩陣 53
【實例3.43】創建簡單矩陣 53
【實例3.44】使用mat()函數創建常見的矩陣 54
3.4.2 矩陣運算 56
【實例3.45】矩陣加法運算 56
【實例3.46】矩陣減法、乘法和除法運算 56
【實例3.47】修改矩陣并進行乘法運算 57
【實例3.48】數組相乘與數組點乘比較 57
【實例3.49】矩陣元素之間的相乘運算 58
3.4.3 矩陣轉換 58
【實例3.50】使用T屬性實現矩陣轉置 58
【實例3.51】實現矩陣逆運算 58
3.5 NumPy常用統計分析函數 59
3.5.1 數學運算函數 59
【實例3.52】數組加、減、乘、除運算 60
【實例3.53】計算數組元素的倒數 60
【實例3.54】數組元素的冪運算 61
【實例3.55】對數組元素取余 61
【實例3.56】將數組中的一組數字四舍五入 62
【實例3.57】對數組元素向上取整 62
【實例3.58】對數組元素向下取整 62
【實例3.59】計算數組的正弦值、余弦值和正切值 63
【實例3.60】將弧度轉換為角度 63
3.5.2 統計分析函數 64
【實例3.61】對數組元素求和、對數組元素按行和按列求和 64
【實例3.62】對數組元素求平均值、對數組元素按行和按列求平均值 65
【實例3.63】對數組元素求值和小值 65
【實例3.64】計算電商各活動銷售的加權平均價 66
【實例3.65】計算電商活動價格的中位數 67
【實例3.66】求數組的方差和標準差 67
3.5.3 數組的排序 67
【實例3.67】對數組元素排序 68
【實例3.68】對數組元素升序排序 68
【實例3.69】通過排序解決成績相同學生的錄取問題 69
3.6 綜合案例NumPy用于圖像灰度處理 69
3.7 實戰練習 70
第4章 Pandas入門
4.1 初識Pandas 72
4.1.1 Pandas概述 72
4.1.2 安裝Pandas 73
4.2 Pandas家族成員 74
4.2.1 Series對象 75
【實例4.1】創建一列數據 75
【實例4.2】創建一列物理成績 76
4.2.2 DataFrame對象 76
【實例4.3】通過列表創建成績表 77
【實例4.4】通過字典創建成績表 78
4.3 索引 78
4.3.1 什么是索引 78
【實例4.5】設置索引 78
4.3.2 索引的作用 79
4.3.3 Series對象的索引 79
【實例4.6】手動設置索引 79
【實例4.7】重新設置物理成績的索引 80
【實例4.8】向前和向后填充數據 81
【實例4.9】通過位置索引獲取學生物理成績 81
【實例4.10】通過標簽索引獲取學生物理成績 81
【實例4.11】通過標簽切片獲取數據 82
【實例4.12】通過位置切片獲取數據 82
4.3.4 DataFrame對象的索引 83
【實例4.13】設置姓名為索引 83
【實例4.14】重新為學生成績表設置索引 84
【實例4.15】刪除數據后索引重置 85
4.4 綜合案例構建身體數據并計算體質指數 85
4.5 實戰練習 86
第5章 數據讀取與處理
5.1 數據讀取與寫入 87
5.1.1 讀取與寫入Excel文件 87
【實例5.1】讀取Excel文件 89
【實例5.2】讀取指定Sheet頁中的數據 90
【實例5.3】讀取Excel文件并指定行索引 91
【實例5.4】讀取Excel文件中的第1列數據 91
【實例5.5】將數據寫入Excel文件中 92
5.1.2 讀取與寫入CSV文件 93
【實例5.6】讀取CSV文件 94
5.1.3 讀取文本文件 95
【實例5.7】讀取文本文件 95
5.1.4 讀取HTML網頁 96
【實例5.8】Pandas也可以實現的簡單爬蟲 97
5.2 讀取數據庫中的數據 98
5.2.1 讀取MySQL數據庫中的數據 98
【實例5.9】讀取MySQL數據庫中的數據 100
5.2.2 讀取MongoDB數據庫中的數據 100
【實例5.10】讀取MongoDB數據庫中的數據 101
5.3 數據抽取 103
5.3.1 按行抽取數據 104
【實例5.11】抽取一行學生成績數據 104
5.3.2 抽取多行數據 104
【實例5.12】抽取多行學生成績數據 104
【實例5.13】抽取多個連續的學生成績數據 105
5.3.3 抽取指定列數據 105
【實例5.14】抽取學生的語文和數學成績 105
【實例5.15】抽取指定學科的成績 106
5.3.4 抽取指定的行、列數據 106
【實例5.16】抽取指定學科和指定學生的成績 107
5.4 數據的增、刪、改、查 107
5.4.1 增加數據 108
【實例5.17】增加一列物理成績 108
【實例5.18】使用loc屬性增加一列物理成績 108
【實例5.19】在列后面插入物理成績 108
【實例5.20】在成績表中增加一行數據 109
【實例5.21】在成績表中增加多行數據 109
5.4.2 刪除數據 109
【實例5.22】刪除學生成績數據 110
【實例5.23】刪除符合條件的學生成績數據 110
5.4.3 修改數據 110
【實例5.24】修改數學的列名 110
【實例5.25】修改多個學科的列名 111
【實例5.26】將行標題統一修改為數字編號 111
【實例5.27】修改學生成績數據 111
5.4.4 查詢數據 112
【實例5.28】通過邏輯運算符查詢數據 112
【實例5.29】通過復合運算符查詢數據 113
【實例5.30】使用query()方法簡化查詢代碼 113
【實例5.31】使用isin()方法查詢數據 113
【實例5.32】查詢女生的學習成績數據 114
【實例5.33】使用between()方法查詢數據 115
5.5 數據排序與排名 115
5.5.1 數據排序 115
【實例5.34】按銷量降序排序 116
【實例5.35】按照圖書名稱和銷量降序排序 117
【實例5.36】對分組統計數據進行排序 117
【實例5.37】按行數據排序 118
5.5.2 數據排名 118
【實例5.38】對產品銷量按順序進行排名 119
【實例5.39】對產品銷量進行平均排名 119
5.6 綜合案例電商產品轉化率分析 120
5.7 實戰練習 121
第6章 數據清洗
6.1 處理缺失值 122
6.1.1 什么是缺失值 122
6.1.2 查看缺失值 123
【實例6.1】查看數據概況 123
【實例6.2】判斷數據是否存在缺失值 123
6.1.3 處理缺失值 124
【實例6.3】將NaN填充為0 125
6.2 處理重復值 125
【實例6.4】處理淘寶電商銷售數據中的重復數據 125
6.3 異常值的檢測與處理 126
6.4 字符串操作 126
6.4.1 字符串對象方法 127
【實例6.5】字符串大小寫轉換 127
【實例6.6】去掉字符串中的空格 128
6.4.2 字符串替換方法 129
【實例6.7】使用replace()方法替換數據中指定的字符 129
【實例6.8】使用replace()方法替換標題中指定的字符 129
6.4.3 數據切分方法 130
【實例6.9】使用split()方法切分地址 130
6.4.4 字符串判斷方法 131
【實例6.10】使用contains()方法篩選數據并歸類 131
6.5 數據轉換 132
6.5.1 使用字典映射進行數據轉換 132
【實例6.11】使用map()函數將數據中的性別轉換為數字 132
6.5.2 數據分割 132
【實例6.12】分割成績數據并標記為優秀良好一般 133
6.5.3 分類數據數字化 134
【實例6.13】將分類數據轉換為數字 134
6.6 綜合案例缺失值比例分析 135
6.7 實戰練習 135
第7章 數據計算與分組統計
7.1 數據計算 136
7.1.1 求和 136
【實例7.1】計算語文、數學和英語三科的總成績 137
7.1.2 求均值 137
【實例7.2】計算語文、數學和英語各科成績的平均分 137
7.1.3 求值 138
【實例7.3】計算語文、數學和英語各科成績的分 138
7.1.4 求小值 138
【實例7.4】計算語文、數學和英語各科成績的分 139
7.1.5 求中位數 139
【實例7.5】計算學生各科成績的中位數1 140
【實例7.6】計算學生各科成績的中位數2 140
7.1.6 求眾數 140
【實例7.7】計算學生各科成績的眾數 141
7.1.7 求方差 141
【實例7.8】通過方差判斷誰的物理成績更穩定 142
7.1.8 標準差 142
【實例7.9】計算各科成績的標準差 143
7.1.9 求分位數 143
【實例7.10】通過分位數確定被淘汰的35%的學生 143
【實例7.11】計算日期、時間和時間增量數據的分位數 144
7.2 數據格式化 144
7.2.1 設置小數位數 145
【實例7.12】四舍五入保留指定的小數位數 145
7.2.2 設置百分比 146
【實例7.13】將指定數據格式化為百分比數據 146
7.2.3 設置千位分隔符 146
【實例7.14】將金額格式化為帶千位分隔符的數據 147
7.3 數據分組統計 147
7.3.1 分組統計函數groupby() 147
【實例7.15】根據一級分類列統計訂單數據 148
【實例7.16】根據一級分類列和二級分類列統計訂單數據 148
【實例7.17】統計各編程語言的7天點擊量 148
7.3.2 對分組數據進行迭代 149
【實例7.18】迭代一級分類的訂單數據 149
【實例7.19】迭代一級分類和二級分類的訂單數據 150
7.3.3 對分組的某列或多列使用聚合函數 150
【實例7.20】對分組統計結果使用聚合函數 150
【實例7.21】針對不同的列使用不同的聚合函數 150
【實例7.22】通過自定義函數實現分組統計 151
7.3.4 通過字典和Series對象進行分組統計 151
【實例7.23】通過字典分組統計北上廣銷量 151
【實例7.24】通過Series對象分組統計北上廣銷量 152
7.4 數據移位 153
【實例7.25】統計學生英語周測成績的升降情況 153
7.5 數據合并 154
7.5.1 merge()方法 154
【實例7.26】合并學生成績表 155
【實例7.27】通過索引合并數據 155
【實例7.28】對合并數據去重 156
【實例7.29】根據共有列進行合并數據 156
【實例7.30】合并數據并相互補全 157
7.5.2 concat()方法 157
7.6 數據透視表 159
7.6.1 pivot()方法 159
【實例7.31】數據透視表按年份統計城市GDP 160
7.6.2 pivot_table()方法 160
【實例7.32】數據透視表統計各部門男、女生
人數 160
7.7 綜合案例商品月銷量對比分析 161
7.8 實戰練習 162
第8章 日期處理與時間序列
8.1 日期數據處理 163
8.1.1 DataFrame的日期數據轉換 163
【實例8.1】將各種日期字符串轉換為指定的日期格式 164
【實例8.2】將一組數據組合為日期數據 164
8.1.2 dt對象的使用 165
【實例8.3】獲取日期中的年、月、日、星期數等 165
8.1.3 獲取日期區間的數據 165
【實例8.4】獲取指定日期區間的訂單數據 166
8.1.4 按不同時期統計并顯示數據 166
【實例8.5】從日期中獲取不同的時期 168
8.2 日期范圍、頻率和移位 169
8.2.1 生成日期范圍 169
【實例8.6】按頻率生成時間段 169
【實例8.7】按復合頻率生成時間段 171
8.2.2 日期頻率轉換 171
【實例8.8】將按天的頻率轉換為按5小時的頻率 171
8.2.3 移位日期 172
【實例8.9】查看日期向前和向后分別移動兩次后的數據 172
8.3 時間區間與頻率轉換 173
8.3.1 創建時間區間 173
【實例8.10】使用Period類創建不同的時間區間 173
【實例8.11】使用period_range()函數創建時間區間 174
8.3.2 頻率轉換 175
【實例8.12】時間區間頻率轉換 175
8.4 重采樣與頻率轉換 175
8.4.1 重采樣 175
【實例8.13】將1分鐘的時間序列轉換為3分鐘的時間序列 176
8.4.2 降采樣處理 177
【實例8.14】按周統計銷售數據 177
8.4.3 升采樣處理 178
【實例8.15】每6小時統計一次數據 178
8.5 移動窗口函數 178
8.5.1 時間序列數據匯總 178
【實例8.16】統計數據的open、high、low和close值 179
8.5.2 移動窗口數據計算 179
【實例8.17】創建淘寶每日銷量數據 180
【實例8.18】在實例8.17的基礎上，使用rolling()函數計算每3天的均值 180
【實例8.19】用當天的數據代表窗口數據 180
8.6 綜合案例股票行情數據分析 181
8.7 實戰練習 182
第9章 可視化數據分析圖表
9.1 數據分析圖表的作用 183
9.2 如何選擇適合的圖表類型 184
9.3 數據分析圖表的基本組成 184
9.4 Matplotlib概述 185
9.4.1 Matplotlib簡介 185
9.4.2 安裝Matplotlib 188
9.4.3 Matplotlib圖表之初體驗 189
【實例9.1】繪制張圖表 189
【實例9.2】繪制散點圖 189
9.5 圖表的常用設置 190
9.5.1 基本繪圖函數plot () 190
【實例9.3】繪制簡單折線圖 190
【實例9.4】繪制體溫折線圖 190
9.5.2 設置畫布 192
【實例9.5】自定義畫布 193
9.5.3 設置坐標軸 193
【實例9.6】為體溫折線圖設置標題 193
【實例9.7】為體溫折線圖設置刻度1 194
【實例9.8】為體溫折線圖設置刻度2 194
【實例9.9】為體溫折線圖設置坐標軸范圍 195
9.5.4 添加文本標簽 196
【實例9.10】為體溫折線圖添加基礎體溫文本標簽 196
9.5.5 設置標題和圖例 196
9.5.6 添加注釋 198
【實例9.11】為圖表添加注釋 198
9.5.7 調整圖表與畫布邊緣的間距 199
9.5.8 設置坐標軸 200
9.6 常用圖表的繪制 200
9.6.1 繪制折線圖 201
【實例9.12】繪制學生語文、數學、英語各科成績分析圖 201
9.6.2 繪制柱形圖 201
【實例9.13】繪制簡單的柱形圖 202
【實例9.14】繪制20132019年線上圖書銷售額
分析圖 202
【實例9.15】繪制各平臺圖書銷售額分析圖 203
9.6.3 繪制直方圖 204
【實例9.16】繪制簡單直方圖 205
【實例9.17】利用直方圖分析學生數學成績分布情況 205
9.6.4 繪制餅形圖 206
【實例9.18】繪制簡單餅形圖 206
【實例9.19】通過餅形圖分析各省、市、自治區銷量占比情況 207
【實例9.20】繪制分裂餅形圖 207
【實例9.21】利用環形圖分析各省、市、自治區銷量占比情況 208
【實例9.22】利用內嵌環形圖分析各省、市、自治區銷量占比情況 209
9.6.5 繪制散點圖 209
【實例9.23】繪制簡單散點圖 210
【實例9.24】利用散點圖分析銷售收入與廣告費的相關性 210
9.6.6 繪制面積圖 211
【實例9.25】繪制簡單面積圖 211
【實例9.26】利用面積圖分析線上圖書銷售情況 212
【實例9.27】利用堆疊面積圖分析各平臺圖書銷售情況 212
9.6.7 繪制熱力圖 213
【實例9.28】繪制簡單熱力圖 213
【實例9.29】利用熱力圖對比分析學生各科成績 213
9.6.8 繪制箱形圖 214
【實例9.30】繪制簡單箱形圖 215
【實例9.31】繪制多組數據的箱形圖 215
【實例9.32】通過箱形圖判斷異常值 216
9.6.9 繪制3D圖表 217
【實例9.33】繪制3D柱形圖 217
【實例9.34】繪制3D曲面圖 218
9.6.10 繪制多個子圖表 218
【實例9.35】使用subplot()函數繪制多子圖表的空圖表 219
【實例9.36】繪制包含多個子圖表的圖表 219
【實例9.37】使用subplots()函數繪制包含多子圖表的空圖表 221
【實例9.38】使用subplots()函數繪制多子圖表 221
【實例9.39】使用add_subplot()函數繪制多子圖表 222
9.6.11 圖表的保存 222
9.7 Seaborn圖表 223
9.7.1 Seaborn圖表概述 223
9.7.2 Seaborn圖表之初體驗 224
【實例9.40】繪制簡單的柱形圖 224
9.7.3 Seaborn圖表的基本設置 225
9.7.4 常用圖表的繪制 226
【實例9.41】使用relplot()函數繪制學生語文成績折線圖 226
【實例9.42】使用lineplot()函數繪制學生語文成績折線圖 226
【實例9.43】利用多折線圖分析學生各科成績 226
【實例9.44】繪制簡單直方圖 227
【實例9.45】利用條形圖分析學生各科成績 228
【實例9.46】利用散點圖分析小費 228
【實例9.47】利用線性回歸圖表分析小費 230
【實例9.48】利用箱形圖分析小費異常數據 231
【實例9.49】利用核密度圖分析鳶尾花 232
【實例9.50】利用提琴圖分析小費 232
9.8 綜合案例電商單品銷量同比增長情況分析 233
9.9 實戰練習 235
第10章 機器學習Scikit-Learn
10.1 Scikit-Learn簡介 236
10.2 安裝Scikit-Learn 236
10.3 線性模型 237
10.3.1 小二乘法回歸 238
【實例10.1】智能預測房價 239
10.3.2 嶺回歸 239
【實例10.2】使用嶺回歸函數實現智能預測房價 240
10.4 支持向量機 240
【實例10.3】波士頓房價預測 241
10.5 聚類 242
10.5.1 什么是聚類 242
10.5.2 聚類算法 243
10.5.3 聚類模塊 243
【實例10.4】對一組數據進行聚類 244
10.5.4 聚類數據生成器 245
【實例10.5】生成用于聚類的測試數據 245
10.6 綜合案例預測考試成績 246
10.7 實戰練習 247
實戰篇
第11章 處理大型數據集
11.1 概述 249
11.2 案例效果預覽 250
11.3 案例準備 251
11.4 業務流程 251
11.5 實現過程 251
11.5.1 數據準備 251
11.5.2 數據分塊 251
11.5.3 查看與處理數據 252
11.5.4 保存分塊數據 253
11.5.5 合并分塊數據 253
11.6 關鍵技術 253
第12章 快速批量合并和處理Excel
12.1 概述 255
12.2 案例效果預覽 255
12.3 案例準備 258
12.4 業務流程 258
12.5 實現過程 258
12.5.1 數據準備 258
12.5.2 將多個Excel合并為一個Excel 258
12.5.3 合并指定的Excel的指定列到一個Excel 259
12.5.4 合并指定的Excel到一個Excel的多個Sheet 260
12.5.5 批量合并文件夾中所有的Excel到一個Excel的多個Sheet 260
12.6 關鍵技術 261
第13章 爬取分析NBA球員薪資數據
13.1 概述 263
13.2 案例效果預覽 263
13.3 案例準備 264
13.4 業務流程 264
13.5 實現過程 265
13.5.1 數據準備 265
13.5.2 確定網頁格式 265
13.5.3 爬取數據 265
13.5.4 清洗數據 267
13.5.5 繪制水平柱形圖分析湖人隊薪資狀況 268
13.6 關鍵技術 268
第14章 獲取和分析股票行情數據
14.1 概述 270
14.2 案例效果預覽 270
14.3 案例準備 272
14.4 業務流程 272
14.5 實現過程 272
14.5.1 安裝第三方模塊 272
14.5.2 獲取股票歷史數據 273
14.5.3 數據歸一化處理 274
14.5.4 可視化股票走勢圖 275
14.5.5 股票收盤價格走勢圖 275
14.5.6 股票漲跌情況分析圖 275
14.5.7 股票k線走勢圖 276
14.6 關鍵技術 277
第15章 基于文本數據的商家評論數據分析
15.1 概述 280
15.2 案例效果預覽 280
15.3 案例準備 281
15.4 業務流程 281
15.5 實現過程 281
15.5.1 安裝第三方模塊 281
15.5.2 數據準備 282
15.5.3 數據清洗 282
15.5.4 總體評價狀況分析 283
15.5.5 差評商品分析 284
15.5.6 利用詞云圖分析負面評價 284
15.6 關鍵技術 285
第16章 基于MySQL網站平臺注冊用戶分析
16.1 概述 287
16.2 案例效果預覽 287
16.3 案例準備 288
16.4 業務流程 288
16.5 導入MySQL數據 288
16.5.1 導入MySQL數據 288
16.5.2 連接MySQL數據庫 289
16.6 實現過程 290
16.6.1 數據準備 290
16.6.2 數據檢測 290
16.6.3 年度注冊用戶分析 291
16.6.4 新注冊用戶分析 292
第17章 二手房房價分析與預測
17.1 概述 293
17.2 案例效果預覽 293
17.3 案例準備 294
17.4 業務流程 295
17.5 圖表工具模塊 295
17.5.1 繪制餅形圖 295
17.5.2 繪制折線圖 296
17.5.3 繪制條形圖 296
17.6 實現過程 298
17.6.1 數據清洗 298
17.6.2 各區二手房均價分析 298
17.6.3 各區二手房數量及占比分析 299
17.6.4 全市二手房裝修程度分析 300
17.6.5 熱門戶型均價分析 301
17.6.6 二手房房價預測 301
第18章 Python實現客戶價值分析
18.1 概述 305
18.2 案例效果預覽 305
18.3 案例準備 305
18.4 業務流程 306
18.5 分析方法 306
18.5.1 RFM模型 307
18.5.2 聚類 307
18.6 實現過程 307
18.6.1 數據準備 307
18.6.2 數據抽取 308
18.6.3 數據探索分析 308
18.6.4 計算RFM值 308
18.6.5 數據轉換 309
18.6.6 客戶聚類 310
18.6.7 標記客戶類別 310
18.7 客戶價值結果分析 312
第19章 電商銷售數據分析與預測
19.1 概述 314
19.2 案例效果預覽 314
19.3 案例準備 314
19.4 業務流程 315
19.5 分析方法 315
19.6 實現過程 316
19.6.1 數據處理 316
19.6.2 日期數據統計并顯示 316
19.6.3 銷售收入分析 317
19.6.4 銷售收入與廣告費相關性分析 317
19.6.5 銷售收入預測 320
19.6.6 預測評分 321
強化篇
第20章 電視節目數據分析系統
20.1 系統需求分析 323
20.1.1 系統概述 323
20.1.2 功能性需求分析 323
20.2 系統設計 324
20.2.1 系統功能結構 324
20.2.2 系統業務流程 324
20.2.3 系統預覽 324
20.3 系統開發 327
20.3.1 系統開發環境 327
20.3.2 界面設計環境安裝與配置 327
20.4 主窗體設計 328
20.4.1 功能草圖 328
20.4.2 創建主窗體 328
20.4.3 工具欄設計 329
20.4.4 其他控件設計 331
20.4.5 ui文件轉為py文件 332
20.5 數據準備 333
20.6 功能代碼設計 333
20.6.1 查看數據情況模塊 333
20.6.2 數據處理模塊設計 334
20.6.3 數據分析及可視化模塊 334
20.6.4 顯示主窗體模塊 337
新書資訊