Python數(shù)據(jù)分析

目錄




上篇Pandas數(shù)據(jù)分析基礎(chǔ)

第1章數(shù)據(jù)分析初探

1.1“數(shù)據(jù)+”時代的到來

1.2什么是數(shù)據(jù)分析

1.2.1數(shù)據(jù)分析的目標

1.2.2數(shù)據(jù)分析分類

1.2.3典型的數(shù)據(jù)分析方法

1.3數(shù)據(jù)分析的基本流程

1.3.1問題定義

1.3.2收集數(shù)據(jù)

1.3.3數(shù)據(jù)處理

1.3.4數(shù)據(jù)分析

1.3.5結(jié)果解讀與應(yīng)用

1.4硝煙中的數(shù)據(jù)分析

1.4.1數(shù)據(jù)分析的產(chǎn)生

1.4.2驗證問題

1.4.3尋找原因

1.4.4數(shù)據(jù)怎么說

1.4.5數(shù)據(jù)分析中應(yīng)該避免的典型問題

第2章搭建數(shù)據(jù)科學開發(fā)環(huán)境

2.1為什么選擇Python

2.1.1人生苦短，我用Python

2.1.2為何Python是數(shù)據(jù)科學家的最佳選擇

2.2Python數(shù)據(jù)科學開發(fā)棧

2.2.1Cython

2.2.2NumPy

2.2.3IPython

2.2.4Jupyter

2.2.5SciPy

2.2.6Matplotlib

2.2.7Pandas

2.2.8Scikitlearn


2.2.9NetworkX


2.2.10PyMC3

2.2.11數(shù)據(jù)科學領(lǐng)域中最新的一些Python包

2.3Anaconda的安裝與使用

2.3.1安裝Anaconda

2.3.2利用Conda管理Python環(huán)境

2.3.3利用Conda管理Python包

2.3.4安裝本書所需的包

2.4使用Jupyter Notebook進行可重復(fù)數(shù)據(jù)分析

2.4.1Jupyter Notebook的配置

2.4.2Jupyter Notebook中的單元格

2.4.3Jupyter Notebook中的命令模式與編輯模式鍵

2.4.4使用Jupyter Notebook進行數(shù)據(jù)分析





第3章Pandas基礎(chǔ)

3.1什么是DataFrame

3.1.1DataFrame的基本要素

3.1.2數(shù)據(jù)類型

3.1.3了解Series

3.1.4鏈式方法

3.2索引與列

3.2.1修改索引與列

3.2.2添加、修改或刪除列

3.3選擇多列

第4章數(shù)據(jù)篩選

4.1使用.loc和.iloc篩選行與列數(shù)據(jù)

4.1.1選擇Series和DataFrame中的行

4.1.2同時選擇行與列

4.2布爾選擇

4.2.1計算布爾值

4.2.2多條件篩選數(shù)據(jù)

第5章開始利用Pandas進行數(shù)據(jù)分析

5.1了解元數(shù)據(jù)

5.2數(shù)據(jù)類型轉(zhuǎn)換

5.3缺失數(shù)據(jù)與異常數(shù)據(jù)處理

5.3.1缺失值與重復(fù)值

5.3.2處理缺失數(shù)據(jù)

5.3.3NumPy與Pandas對缺失數(shù)據(jù)的不同處理方式

5.3.4填充缺失值

5.4處理重復(fù)數(shù)據(jù)

5.5異常值

5.6描述性統(tǒng)計


第6章數(shù)據(jù)整理

6.1什么是數(shù)據(jù)整理

6.1.1數(shù)據(jù)的語義

6.1.2整齊的數(shù)據(jù)


6.2數(shù)據(jù)整理實戰(zhàn)

6.2.1列標題是值，而非變量名

6.2.2多個變量存儲在一列中

6.2.3變量既在列中存儲，又在行中存儲

6.2.4多個觀測單元存儲在同一表中

6.2.5一個觀測單元存儲在多個表中

6.2.6思考

第7章分組統(tǒng)計

7.1分組、應(yīng)用和聚合

7.2Pandas中的GroupBy操作

7.2.1單列數(shù)據(jù)分組統(tǒng)計

7.2.2多列數(shù)據(jù)分組統(tǒng)計

7.2.3使用自定義函數(shù)進行分組統(tǒng)計

7.2.4數(shù)據(jù)過濾與變換

第8章數(shù)據(jù)整合

8.1數(shù)據(jù)讀入

8.1.1基本數(shù)據(jù)讀入方法

8.1.2文件讀取進階

8.1.3讀取其他格式文件

8.2數(shù)據(jù)合并

8.2.1認識merge操作

8.2.2merge進階

8.2.3join與concat

第9章數(shù)據(jù)可視化

9.1Matplotlib

9.1.1繪制第一個散點圖

9.1.2理解figure與axes

9.1.3Matplotlib中面向?qū)ο笈c類Matlab語法的區(qū)別

9.1.4修改坐標軸屬性

9.1.5修改圖形屬性

9.1.6定制圖例，添加標注

9.1.7子圖

9.1.8利用Matplotlib繪制各種圖形

9.2Pandas繪圖

9.2.1Pandas基礎(chǔ)繪圖

9.2.2整合Pandas繪圖與Matplotlib繪圖

9.3Seaborn

9.3.1Seaborn中的樣式

9.3.2Seaborn繪制統(tǒng)計圖形

9.4可視化進階

9.4.1其他可視化工具

9.4.2推薦讀物

第10章探索性數(shù)據(jù)分析——某電商銷售數(shù)據(jù)分析

10.1數(shù)據(jù)清洗

10.1.1分析準備

10.1.2了解數(shù)據(jù)

10.2數(shù)據(jù)清洗與整理

10.2.1數(shù)據(jù)類型轉(zhuǎn)換與錯誤數(shù)據(jù)刪除

10.2.2添加新數(shù)據(jù)

10.3探索性數(shù)據(jù)分析

10.3.1客戶分析

10.3.2訂單趨勢分析

10.3.3客戶國家分析

10.3.4留給讀者的問題

下篇Python數(shù)據(jù)分析實戰(zhàn)

第11章群組分析

11.1群組分析概述

11.1.1從AARRR到RARRA的轉(zhuǎn)變

11.1.2什么是群組分析

11.2群組分析實戰(zhàn)

11.2.1定義群組以及周期

11.2.2群組分析具體過程

11.2.3思考

第12章利用RFM分析對用戶進行分類

12.1RFM分析簡介

12.1.1RFM模型概述

12.1.2理解RFM

12.2RFM實戰(zhàn)

12.2.1R、F、M值的計算

12.2.2利用RFM模型對客戶進行細分

12.2.3思考

第13章購物籃分析

13.1購物籃分析概述

13.1.1什么是購物籃分析

13.1.2購物籃分析在超市中的應(yīng)用

13.1.3購物籃分析實現(xiàn)

13.2購物籃分析案例

13.2.1Mlxtend庫中Apriori算法使用介紹

13.2.2在線銷售數(shù)據(jù)購物籃分析

13.3留給讀者的思考

第14章概率分布

14.1隨機數(shù)

14.2常見的概率分布


14.2.1均勻分布

14.2.2正態(tài)分布

14.2.3二項分布

14.2.4泊松分布

14.2.5幾何分布與指數(shù)分布

14.3點估計與置信區(qū)間

14.3.1點估計

14.3.2抽樣分布與中心極限定理

14.3.3置信區(qū)間

14.4留給讀者的思考

第15章假設(shè)檢驗

15.1假設(shè)檢驗概述

15.1.1初識假設(shè)檢驗

15.1.2假設(shè)檢驗的步驟

15.1.3假設(shè)檢驗中的Ⅰ類錯誤與Ⅱ類錯誤

15.2Python中的假設(shè)檢驗

15.2.1單樣本ttest

15.2.2雙樣本ttest

15.2.3配對ttest

15.2.4卡方檢驗

15.3留給讀者的思考

第16章一名數(shù)據(jù)分析師的游戲上線之旅

16.1游戲啟動時間是否超過目標

16.1.1啟動時間是否超過3秒

16.1.2構(gòu)造啟動時間監(jiān)測圖

16.2次日留存率是否大于30%

16.3應(yīng)該在游戲第幾關(guān)加入關(guān)聯(lián)微信提示

16.3.1A/B測試

16.3.2貝葉斯解決方案

16.4如何定價

16.5留給讀者的思考

第17章利用數(shù)據(jù)分析找工作

17.1設(shè)定分析目標

17.1.1問題定義

17.1.2獲取數(shù)據(jù)

17.2準備分析數(shù)據(jù)

17.2.1數(shù)據(jù)準備

17.2.2數(shù)據(jù)清洗

17.3開始數(shù)據(jù)分析

17.3.1職位來自哪里

17.3.2職位薪酬如何

17.3.3崗位要求

17.3.4思考

第18章用數(shù)據(jù)解讀成都房價

18.1設(shè)定分析目標

18.1.1問題定義

18.1.2獲取數(shù)據(jù)

18.2解讀成都二手房

18.2.1數(shù)據(jù)準備

18.2.2列名調(diào)整

18.2.3數(shù)據(jù)類型轉(zhuǎn)換

18.2.4數(shù)據(jù)解讀

18.2.5思考

第19章時間序列分析

19.1認識時間序列數(shù)據(jù)

19.1.1讀入時間序列數(shù)據(jù)

19.1.2時間序列數(shù)據(jù)的可視化

19.2時間序列數(shù)據(jù)的分解

19.2.1認識時間序列數(shù)據(jù)中的模式

19.2.2Python中進行時間序列數(shù)據(jù)的分解

19.3時間序列的平穩(wěn)性

19.3.1認識平穩(wěn)與非平穩(wěn)時間序列

19.3.2如何讓時間序列平穩(wěn)

19.4利用ARIMA模型分析家具銷售

19.4.1ARIMA模型簡介

19.4.2數(shù)據(jù)準備

19.4.3ARIMA模型中的參數(shù)

19.5留給讀者的思考

第20章股票數(shù)據(jù)分析

20.1股票收益分析

20.1.1獲取股票數(shù)據(jù)

20.1.2計算每日收益

20.1.3多只股票收益比較

20.1.4股價相關(guān)性分析

20.2CAPM資產(chǎn)定價模型選股

20.2.1CAPM公式

20.2.2在Python中實現(xiàn)CAPM

20.3留給讀者的思考

第21章大規(guī)模數(shù)據(jù)處理

21.1不同規(guī)模數(shù)據(jù)處理工具的選擇

21.2利用Pandas處理大規(guī)模數(shù)據(jù)

21.2.1文件分塊讀入

21.2.2使用數(shù)據(jù)庫

21.2.3使用DASK

21.3其他可選方法

21.4留給讀者的思考