《誰說菜鳥不會數據分析（Python篇）》是2019年6月電子工業出版社出版的圖書，作者是方小敏、張文霖。
基本介紹
- 中文名：誰說菜鳥不會數據分析（Python篇）
- 作者：方小敏、張文霖
- 出版社：電子工業出版社
- 出版時間：2019年6月
- 頁數：232 頁
- 定價：69 元
- 開本：16 開
- ISBN：9787121364587
內容簡介,圖書目錄,
內容簡介
本書從解決工作實際問題出發，提煉總結工作中Python 常用的數據處理、數據分析實戰方法與技巧。本書力求通俗易懂地介紹相關知識，在不影響學習理解的前提下，儘可能地避免使用晦澀難懂的Python 編程、統計術語或模型公式。本書定位是帶領Python 數據分析初學者入門，並能解決學習、工作中大部分的問題或需求。入門後如還需要進一步進階學習，可自行擴展閱讀相關書籍或資料，學習是永無止境的，正所謂“師傅領進門，修行在個人”。
圖書目錄
第1章 數據分析概況 /1
1.1 數據分析定義（What） /2
1.2 數據分析作用（Why） /4
1.3 數據分析步驟（How） /5
1.3.1 明確分析目的和思路 /6
1.3.2 數據收集 /7
1.3.3 數據處理 /9
1.3.4 數據分析 /9
1.3.5 數據展現 /10
1.3.6 報告撰寫 /10
1.4 數據分析的三大誤區 /12
1.5 常用的數據分析工具 /13
1.5.1 Excel /13
1.5.2 SPSS /14
1.5.3 R語言 /15
1.5.4 Python語言 /16
第2章 Python 概況 /17
2.1 Python簡介 /18
2.2 Python特點 /19
2.3 Python模組 /20
2.3.1 函式 /20
2.3.2 模組 /24
2.4 Python使用場景 /27
2.5 Python 2與Python 3 /28
2.6 Python與數據科學 /29
2.7 Anaconda簡介 /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 開始選單 /38
2.9.3 Spyder 工作界面簡介 /39
2.9.4 項目管理 /40
2.9.5 代碼提示 /43
2.9.6 變數瀏覽 /44
2.9.7 圖形查看 /44
2.9.8 幫助文檔 /45
第3章 編程基礎 /47
3.1 數據類型 /48
3.1.1 數值型 /48
3.1.2 字元型 /50
3.1.3 邏輯型 /56
3.2 賦值和變數 /57
3.2.1 賦值和變數 /57
3.2.2 變數命名規則 /58
3.3 數據結構 /59
3.3.1 列表 /59
3.3.2 字典 /63
3.3.3 序列 /66
3.3.4 數據框 /72
3.3.5 四種數據結構的區別 /80
3.4 向量化運算 /81
3.5 for 循環 /83
3.6 Python 編程注意事項 /87
第4章 數據處理 /90
4.1 數據導入與導出 /91
4.1.1 數據導入 /91
4.1.2 數據導出 /99
4.2 數據清洗 /100
4.2.1 數據排序 /101
4.2.2 重複數據處理 /102
4.2.3 缺失數據處理 /106
4.2.4 空格數據處理 /109
4.3 數據轉換 /110
4.3.1 數值轉字元 /110
4.3.2 字元轉數值 /112
4.3.3 字元轉時間 /113
4.4 數據抽取 /115
4.4.1 欄位拆分 /116
4.4.2 記錄抽取 /121
4.4.3 隨機抽樣 /127
4.5 數據合併 /130
4.5.1 記錄合併 /130
4.5.2 欄位合併 /133
4.5.3 欄位匹配 /135
4.6 數據計算 /140
4.6.1 簡單計算 /140
4.6.2 時間計算 /141
4.6.3 數據標準化 /142
4.6.4 數據分組 /144
第5章 數據分析 /148
5.1 對比分析 /149
5.2 基本統計分析 /152
5.3 分組分析 /155
5.4 結構分析 /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 相關分析 /176
5.10 回歸分析 /178
5.10.1 回歸分析簡介 /178
5.10.2 簡單線性回歸分析 /180
5.10.3 多重線性回歸分析 /185
第6章 數據可視化 /189
6.1 數據可視化簡介 /190
6.1.1 什麼是數據可視化 /190
6.1.2 數據可視化常用圖表 /190
6.1.3 通過關係選擇圖表 /191
6.2 散點圖 /192
6.3 矩陣圖 /203
6.4 折線圖 /210
6.5 餅圖 /215
6.6 柱形圖 /217
6.7 條形圖 /222,第1章 數據分析概況 /1
1.1 數據分析定義（What） /2
1.2 數據分析作用（Why） /4
1.3 數據分析步驟（How） /5
1.3.1 明確分析目的和思路 /6
1.3.2 數據收集 /7
1.3.3 數據處理 /9
1.3.4 數據分析 /9
1.3.5 數據展現 /10
1.3.6 報告撰寫 /10
1.4 數據分析的三大誤區 /12
1.5 常用的數據分析工具 /13
1.5.1 Excel /13
1.5.2 SPSS /14
1.5.3 R語言 /15
1.5.4 Python語言 /16
第2章 Python 概況 /17
2.1 Python簡介 /18
2.2 Python特點 /19
2.3 Python模組 /20
2.3.1 函式 /20
2.3.2 模組 /24
2.4 Python使用場景 /27
2.5 Python 2與Python 3 /28
2.6 Python與數據科學 /29
2.7 Anaconda簡介 /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 開始選單 /38
2.9.3 Spyder 工作界面簡介 /39
2.9.4 項目管理 /40
2.9.5 代碼提示 /43
2.9.6 變數瀏覽 /44
2.9.7 圖形查看 /44
2.9.8 幫助文檔 /45
第3章 編程基礎 /47
3.1 數據類型 /48
3.1.1 數值型 /48
3.1.2 字元型 /50
3.1.3 邏輯型 /56
3.2 賦值和變數 /57
3.2.1 賦值和變數 /57
3.2.2 變數命名規則 /58
3.3 數據結構 /59
3.3.1 列表 /59
3.3.2 字典 /63
3.3.3 序列 /66
3.3.4 數據框 /72
3.3.5 四種數據結構的區別 /80
3.4 向量化運算 /81
3.5 for 循環 /83
3.6 Python 編程注意事項 /87
第4章 數據處理 /90
4.1 數據導入與導出 /91
4.1.1 數據導入 /91
4.1.2 數據導出 /99
4.2 數據清洗 /100
4.2.1 數據排序 /101
4.2.2 重複數據處理 /102
4.2.3 缺失數據處理 /106
4.2.4 空格數據處理 /109
4.3 數據轉換 /110
4.3.1 數值轉字元 /110
4.3.2 字元轉數值 /112
4.3.3 字元轉時間 /113
4.4 數據抽取 /115
4.4.1 欄位拆分 /116
4.4.2 記錄抽取 /121
4.4.3 隨機抽樣 /127
4.5 數據合併 /130
4.5.1 記錄合併 /130
4.5.2 欄位合併 /133
4.5.3 欄位匹配 /135
4.6 數據計算 /140
4.6.1 簡單計算 /140
4.6.2 時間計算 /141
4.6.3 數據標準化 /142
4.6.4 數據分組 /144
第5章 數據分析 /148
5.1 對比分析 /149
5.2 基本統計分析 /152
5.3 分組分析 /155
5.4 結構分析 /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 相關分析 /176
5.10 回歸分析 /178
5.10.1 回歸分析簡介 /178
5.10.2 簡單線性回歸分析 /180
5.10.3 多重線性回歸分析 /185
第6章 數據可視化 /189
6.1 數據可視化簡介 /190
6.1.1 什麼是數據可視化 /190
6.1.2 數據可視化常用圖表 /190
6.1.3 通過關係選擇圖表 /191
6.2 散點圖 /192
6.3 矩陣圖 /203
6.4 折線圖 /210
6.5 餅圖 /215
6.6 柱形圖 /217
6.7 條形圖 /222
