Python商務數據分析（微課版）

《Python商務數據分析（微課版）》是2024年人民郵電出版社出版的圖書。

基本介紹

• 中文名：Python商務數據分析（微課版）
• 出版時間：2024年6月1日
• 出版社：人民郵電出版社
• ISBN：9787115646248

內容簡介

本書分為Python基礎知識、數據分析基礎知識和綜合案例三個部分共10章。Python基礎知識部分系統講解Python語法、開發工具、編程方式、函式、模組等基礎知識。數據分析基礎知識部分重點介紹NumPy、Pandas、Matplotlib和Seaborn中的數據處理與可視化方法。綜合案例部分通過案例驅動的方式，指導讀者運用所學知識完成數據處理與模型建立。書中每章末均配有習題和實訓供讀者練習，以鞏固所學知識。

本書配有PPT課件、教學大綱、電子教案、課後習題答案、模擬試卷及答案等教學資源，用書老師可在人郵教育社區免費下載使用。

本書內容通俗易懂，案例豐富，注重知識的實際套用。本書適合作為高等院校計算機、統計、數學等專業相關課程的教材，也可供數據分析領域的技術人員、數據科學家和相關研究人員參考。

圖書目錄

第 一部分　Python基礎知識

第　1章 初識Python　2

1．1　Python簡介　2

1．2　Python開發環境　3

1．3　Python解釋器　4

1．3．1　安裝Python　4

1．3．2　測試Python是否安裝成功　5

1．4　編寫Python原始碼　5

本章習題　6

實訓　7

第　2章 Python開發工具　8

2．1　安裝VS Code編輯器　8

2．1．1　什麼是VS Code　8

2．1．2　下載VS Code　9

2．1．3　安裝VS Code　9

2．2　配置VS Code環境　11

2．2．1　安裝Python外掛程式　11

2．2．2　配置中文環境　12

2．2．3　利用VS Code開發Python程式　13

2．2．4　使用Jupyter Notebook　16

本章習題　18

實訓　19

第3章　Python編程基礎　21

3．1　Python基礎語法　21

3．1．1　Python標識符　21

3．1．2　Python關鍵字　22

3．1．3　縮進　22

3．1．4　多行語句　23

3．1．5　Python引號　23

3．1．6　Python注釋　23

3．1．7　Python空格和空行　24

3．1．8　Print輸出　24

3．2　Python變數與數據類型　24

3．2．1　變數　24

3．2．2　數據類型　25

3．3　Python運算符　28

3．3．1　算術運算符　28

3．3．2　一元運算符　29

3．3．3　關係（比較）運算符　29

3．3．4　賦值運算符　30

3．3．5　邏輯運算符　30

3．3．6　成員運算符　31

3．3．7　身份運算符　31

3．3．8　位運算符　32

3．3．9　運算符優先權　33

3．4　Python數據結構　33

3．4．1　列表　34

3．4．2　元組　38

3．4．3　字典　39

3．4．4　集合　42

3．5　Python選擇結構　44

3．5．1　if語句　44

3．5．2　多分支選擇結構　45

3．5．3　短路計算和強制類型轉換　45

3．5．4　try．．．except．．．語句　46

3．6　Python循環結構　47

3．6．1　for循環　47

3．6．2　while循環　48

3．6．3　生成式　49

3．6．4　高階函式　50

3．6．5　向量化　51

3．6．6　循環控制　51

3．7　Python函式　52

3．7．1　定義函式　52

3．7．2　向函式傳遞信息　53

3．7．3　形參和實參　53

3．7．4　傳遞實參　53

3．7．5　返回值　54

3．7．6　遞歸函式　55

3．7．7　匿名函式　55

3．7．8　閉包函式　56

3．7．9　將函式存儲在模組中　56

3．8　Python模組和包　57

3．8．1　導入模組　57

3．8．2　定義模組　58

3．8．3　定義包　59

3．8．4　安裝第三方模組　59

本章習題　60

實訓　61

第二部分　數據分析基礎知識

第4章　NumPy數據分析　63

4．1　NumPy庫簡介　63

4．2　NumPy庫安裝與使用　64

4．3　創建數組對象　64

4．4　數組數據類型　65

4．4．1　數據類型　65

4．4．2　創建數組時指定數據類型　66

4．4．3　查詢數據類型　66

4．4．4　修改數據類型　67

4．5　多維數組結構　67

4．5．1　數組維度查詢　67

4．5．2　數組形狀查詢　67

4．5．3　數組元素個數及大小　68

4．6　數組索引　68

4．6．1　下標索引　68

4．6．2　切片索引　69

4．6．3　花式索引　70

4．6．4　布爾索引　71

4．7　數組元素值的替換　71

4．7．1　利用索引替換　71

4．7．2　利用條件索引替換　72

4．7．3　利用where()函式替換　72

4．8　數組的廣播機制　72

4．8．1　數組的廣播原則　73

4．8．2　數組與數字運算　74

4．8．3　數組與數組運算　74

4．9　數組形狀的操作　75

4．9．1　數組形狀的改變　75

4．9．2　數組的疊加　76

4．9．3　數組的切割　78

4．9．4　矩陣的轉置　79

4．10　數組的軸　80

4．10．1　軸的套用　80

4．10．2　三維數組　82

本章習題　82

實訓　83

第5章　Pandas數據分析　84

5．1　Pandas簡介　84

5．2　Pandas庫安裝與使用　85

5．3　Pandas數據結構　85

5．3．1　Series　85

5．3．2　DataFrame　88

5．4　Pandas數據分析基礎　92

5．4．1　數據讀取與保存　92

5．4．2　數據的信息　93

5．4．3　數據選擇　95

5．4．4　位置計算　95

5．4．5　統計計算　96

5．5　Pandas常用操作　98

5．5．1　apply()函式　98

5．5．2　applymap()函式　99

5．5．3　排序　99

5．5．4　邏輯運算　100

5．6　Pandas高級操作　104

5．6．1　替換操作　104

5．6．2　映射操作　107

5．6．3　運算工具　107

5．6．4　基於排序實現隨機抽樣　109

5．6．5　資料庫數據讀取　110

5．7　Pandas缺失值處理　111

5．7．1　默認的缺失值　111

5．7．2　缺失值的判斷　111

5．7．3　缺失值的填充　112

5．7．4　缺失值的刪除　113

5．8　Pandas數據分組　114

5．8．1　單類分組　114

5．8．2　多類分組　115

5．8．3　時間分組　116

5．9　Pandas數據合併　117

5．9．1　數據準備　117

5．9．2　concat()函式　118

5．9．3　merge()函式　119

5．9．4　append()函式　119

5．9．5　join()函式　120

5．9．6　combine()函式　120

5．10　Pandas時間序列　121

5．10．1　時間戳　121

5．10．2　時期　122

5．10．3　時間間隔　122

5．10．4　重採樣　123

5．10．5　移動、滑動與擴展視窗　124

5．11　Pandas透視表與交叉表　126

5．11．1　透視表　126

5．11．2　交叉表　128

本章習題　129

實訓　130

第6章　Matplotlib數據繪圖　132

6．1　Matplotlib簡介　132

6．1．1　Matplotlib中的對象　133

6．1．2　Matplotlib中圖形的構成　133

6．1．3　Matplotlib庫安裝與使用　134

6．2　matplotlib．pyplot的常用繪圖方法　134

6．2．1　繪圖方法　134

6．2．2　pyplot．figure()　135

6．2．3　pyplot．subplot()　135

6．2．4　pyplot．subplots()　137

6．2．5　pyplot．subplot2grid()　137

6．3　圖形的基本設定　138

6．3．1　常用的顏色、線型和標記　138

6．3．2　中文顯示及負數顯示　140

6．4　Matplotlib繪圖實戰　140

6．4．1　折線圖　141

6．4．2　散點圖　144

6．4．3　柱狀圖　146

6．4．4　餅圖　149

6．4．5　直方圖　150

6．4．6　箱線圖　152

6．4．7　熱力圖　154

6．4．8　雷達圖　154

本章習題　156

實訓　157

第7章　Seaborn數據繪圖　158

7．1　Seaborn簡介　158

7．2　Seaborn庫安裝與使用　159

7．3　Seaborn繪圖流程　159

7．3．1　導入繪圖模組　160

7．3．2　導入數據　160

7．3．3　設定畫布大小　160

7．3．4　輸出圖形　160

7．3．5　保存圖形　160

7．4　Seaborn繪圖實戰　160

7．4．1　數據準備　160

7．4．2　導入相關庫　161

7．4．3　直方圖　161

7．4．4　散點圖　162

7．4．5　熱力圖　163

7．4．6　回歸圖　163

7．4．7　小提琴圖　164

本章習題　165

實訓　166

第三部分　綜合案例　167

第8章　咖啡銷售情況分析　168

8．1　準備數據　168

8．2　數據清洗　169

8．2．1　缺失值查詢　169

8．2．2　重複值處理　170

8．3　數據分析　170

8．3．1　查看數據集維度　170

8．3．2　描述性分析　170

8．3．3　排序分析　171

8．3．4　數據分組　171

8．3．5　數據查詢　172

8．3．6　複雜條件查詢　173

8．3．7　新增數據列　173

8．4　數據可視化　174

8．4．1　產品類別利潤額可視化　174

8．4．2　產品利潤額分布區間可視化　174

本章習題　175

實訓　175

第9章　員工離職風險預測　177

9．1　Scikit-Learn簡介　177

9．2　安裝Scikit-Learn庫　177

9．3　分類和回歸預測步驟　178

9．4　讀取數據集　178

9．5　類別特徵轉換為二進制特徵　179

9．6　數據集劃分為訓練集和測試集　180

9．7　Min-Max歸一化預處理　181

9．8　構建和訓練邏輯回歸模型　182

9．9　預測和評估　182

本章習題　183

實訓　183

第　10章 航班乘客數預測　185

10．1　PyTorch簡介　185

10．2　安裝PyTorch庫　186

10．3　導入相關庫　187

10．4　PyTorch基礎知識　187

10．4．1　張量　187

10．4．2　自動微分　189

10．4．3　神經網路　189

10．4．4　數據載入　190

10．4．5　GPU加速　190

10．5　讀取數據　191

10．6　數據預處理　191

10．7　定義神經網路模型　192

10．8　定義最佳化器和損失函式　193

10．9　訓練模型　193

10．10　測試模型　194

本章習題　195

實訓　196