Python數據分析從入門到精通(2021年清華大學出版社出版的圖書)

《Python數據分析從入門到精通》是2021年清華大學出版社出版的圖書，作者是明日科技，《Python數據分析從入門到精通》全面介紹了使用Python進行數據分析所必需的各項知識。

基本介紹

• 書名：Python數據分析從入門到精通
• 作者：明日科技
• 出版社：清華大學出版社
• ISBN：9787302566182

內容簡介

《Python數據邀符榜分析牛辣甩從入門到精通》全面介紹了使用Python進行數據分析所必需的各項知識。全書共分為14章，包括了解數據分析、搭建Python數據分析環境、Pandas統計分析、Matplotlib可視化數據分析圖表、Seaborn可視化數據分析圖表、第三方可視化數據分析圖表Pyecharts、圖解數組計算模組NumPy、數據統計分析案例、機器學習庫Scikit-Learn、註冊用戶分析（MySQL版）、電商銷售數據分析與預測、二手房房價分析與預測，以及客戶價值分析。

圖書目錄

第1篇 基礎篇

第1章 了解數據分析 2

1.1 什麼是數據分析 2

1.2 數據分析的重要性 2

1.3 數駝戀鞏棵據分析的基本流程 4

1.3.1 熟悉工具 4

1.3.2 明確目的 5

1.3.3 獲取數據 5

1.3.4 數據處理 5

1.3.5 數據分析 6

1.3.6 驗證結果 6

1.3.7 結果呈現 6

1.3.8 數據套用 7

1.4 數據分析常用工具 7

1.4.1 Excel工具 7

1.4.2 Python語言 7

1.5 小結 8

第2章 搭建Python數據分析環境 9

2.1 Python概述 9

2.1.1 Python簡介 9

2.1.2 Python的版本 10

2.2 搭建Python開發環境 10

2.2.1 什麼是IDLE 10

2.2.2 安裝Python 10

2.2.3 使用IDLE編寫“Hello World” 14

2.2.4 配置環境變數—解決“'python'不是內部或外部命令” 16

2.3 集成開發環境PyCharm 18

2.3.1 下載PyCharm 18

2.3.2 安裝PyCharm 20

2.3.3 運行PyCharm 21

2.3.4 創建工程目錄 22

2.3.5 個Python程式“Hello World” 24

2.4 數據分析標準環境Anaconda 26

2.4.1 為乃鑽漏精什麼安裝Anaconda 27

2.4.2 下載Anaconda 27

2.4.3 安裝Anaconda 29

2.5 Jupyter Notebook開發工具 31

2.5.1 認識Jupyter Notebook 31

2.5.2 新建一個Jupyter Notebook檔案 32

2.5.3 在Jupyter Notebook中編寫“Hello World” 32

2.6 Spyder開發工具 34

2.6.1 初識Spyder 34

2.6.2 創建項目 35

2.6.3 新建/重命名.py檔案 36

2.6.4 創建個程式—月銷量分析 37

2.6.5 設定圖表顯示方式 37

2.6.6 在Spyder中安裝和卸載第三方庫 38

2.7 開發工具比較促恥訂與代碼共用 39

2.7.1 開發工具比較 39

2.7.2 代碼共用 40

2.8 小結 44

第2篇 實踐篇

第3章 Pandas統計分析（上） 46

3.1 初識Pandas 46

3.1.1 Pandas概述 46

3.1.2 安裝Pandas 47

3.1.3 小試牛刀—輕鬆導入Excel數據 49

3.2 Series對說遙祝象 50

3.2.1 圖解Series對象 50

3.2.2 創建一個Series對象 51

3.2.3 手動設定Series索引 52

3.2.4 Series的索引 52

3.2.5 獲取Series索引和值 54

3.3 DataFrame對象 54

3.3.1 圖解DataFrame對象 54

3.3.2 創建一個DataFrame對象 55

3.3.3 DataFrame重要屬性和函式 57

3.4 導入外部數據 58

3.4.1 導入.xls或.xlsx檔案 58

3.4.2 導入.csv檔案 63

3.4.3 導入.txt文本檔案 64

3.4.4 導入HTML網頁 65

3.5 數據抽取 67

3.5.1 抽取一行數據 67

3.5.2 抽取多行數據 68

3.5.3 抽取指定列數據 69

3.5.4 抽歡勸取指定行、列數據 70

3.5.5 按指定條件抽取數據 71

3.6 數據的增加、修改和刪除 72

3.6.1 增加數據 72

3.6.2 修改數據 75

3.6.3 刪除數據 77

3.7 數據清洗 78

3.7.1 缺失值查看與處理 78

3.7.2 重複值處理 81

3.7.3 異常值的檢測與處理 82

3.8 索引設定 83

3.8.1 索引的作用 83

3.8.2 重新設定索引 83

3.8.3 設定某列為行索引 85

3.8.4 數據清洗後重新設定連續的行索引 86

3.9 數據排序與排名 87

3.9.1 數據排序 87

3.9.2 數據排名 90

3.10 小結 92

第4章 Pandas統計分析（下） 93

4.1 數據計算 93

4.1.1 求和（sum()函式） 93

4.1.2 求均值（mean()函式） 94

4.1.3 求值（max()函式） 95

4.1.4 求小值（min()函式） 96

4.1.5 求中位數（median()函式） 97

4.1.6 求眾數（mode()函式） 98

4.1.7 求方差（var()函式） 99

4.1.8 標準差（數據標準化std()函式） 101

4.1.9 求分位數（quantile()函式） 101

4.2 數據格式化 103

4.2.1 設定小數位數 103

4.2.2 設定百分比 104

4.2.3 設定千位分隔設定 105

4.3 數據分組統計 106

4.3.1 分組統計groupby()函式 106

4.3.2 對分組數據進行疊代 108

4.3.3 對分組的某列或多列使用聚合函式（agg()函式） 109

4.3.4 通過字典和Series對象進行分組統計 111

4.4 數據移位 112

4.5 數據轉換 113

4.5.1 一列數據轉換為多列數據 113

4.5.2 行列轉換 116

4.5.3 DataFrame轉換為字典 118

4.5.4 DataFrame轉換為列表 119

4.5.5 DataFrame轉換為元組 119

4.5.6 Excel轉換為HTML網頁格式 120

4.6 數據合併 120

4.6.1 數據合併（merge()方法） 120

4.6.2 數據合併（concat()方法） 124

4.7 數據導出 126

4.7.1 導出為.xlsx檔案 126

4.7.2 導出為.csv檔案 128

4.7.3 導出多個Sheet 129

4.8 日期數據處理 129

4.8.1 DataFrame的日期數據轉換 129

4.8.2 dt對象的使用 131

4.8.3 獲取日期區間的數據 132

4.8.4 按不同時期統計並顯示數據 133

4.9 時間序列 135

4.9.1 重採樣（Resample()方法） 135

4.9.2 降採樣處理 137

4.9.3 升採樣處理 138

4.9.4 時間序列數據匯總（ohlc()函式） 139

4.9.5 移動視窗數據計算（rolling()函式） 140

4.10 綜合套用 142

4.10.1 案例1：Excel多表合併 142

4.10.2 案例2：股票行情數據分析 143

4.11 小結 144

第5章 Matplotlib可視化數據分析圖表 145

5.1 數據分析圖表的作用 145

5.2 如何選擇適合的圖表類型 146

5.3 圖表的基本組成 147

5.4 Matplotlib概述 148

5.4.1 Matplotlib簡介 148

5.4.2 安裝Matplotlib 150

5.4.3 Matplotlib圖表之初體驗 151

5.5 圖表的常用設定 152

5.5.1 基本繪圖plot()函式 152

5.5.2 設定畫布 155

5.5.3 設定坐標軸 156

5.5.4 添加文本標籤 159

5.5.5 設定標題和圖例 160

5.5.6 添加注釋 161

5.5.7 調整圖表與畫布邊緣間距 163

5.5.8 其他設定 164

5.6 常用圖表的繪製 164

5.6.1 繪製折線圖 164

5.6.2 繪製柱形圖 166

5.6.3 繪製直方圖 169

5.6.4 繪製餅形圖 170

5.6.5 繪製散點圖 174

5.6.6 繪製面積圖 176

5.6.7 繪製熱力圖 178

5.6.8 繪製箱形圖 180

5.6.9 繪製3D圖表 183

5.6.10 繪製多個子圖表 184

5.6.11 圖表的保存 189

5.7 綜合套用 189

5.7.1 案例1：雙y軸可視化數據分析圖表的實現 189

5.7.2 案例2：顏色漸變餅形圖的實現 190

5.7.3 案例3：等高線圖的實現 192

5.8 小結 193

第6章 Seaborn可視化數據分析圖表 194

6.1 Seaborn圖表概述 194

6.2 Seaborn圖表之初體驗 195

6.3 Seaborn圖表的基本設定 196

6.3.1 背景風格 196

6.3.2 框線控制 197

6.4 常用圖表的繪製 197

6.4.1 繪製折線圖（relplot()函式） 197

6.4.2 繪製直方圖（displot()函式） 199

6.4.3 繪製條形圖（barplot()函式） 200

6.4.4 繪製散點圖（replot()函式） 200

6.4.5 繪製線性回歸模型（lmplot()函式） 202

6.4.6 繪製箱形圖（boxplot()函式） 202

6.4.7 繪製核密度圖（kdeplot()函式） 203

6.4.8 繪製提琴圖（violinplot()函式） 204

6.5 綜合套用 205

6.5.1 案例1：堆疊柱形圖可視化數據分析圖表的實現 205

6.5.2 案例2：統計雙色球中獎號碼熱力圖 206

6.6 小結 208

第7章 第三方可視化數據分析圖表Pyecharts 209

7.1 Pyecharts概述 209

7.1.1 Pyecharts簡介 209

7.1.2 安裝Pyecharts 210

7.1.3 繪製張圖表 211

7.2 Pyecharts圖表的組成 212

7.2.1 主題風格 212

7.2.2 圖表標題 214

7.2.3 圖例 216

7.2.4 提示框 218

7.2.5 視覺映射 220

7.2.6 工具箱 222

7.2.7 區域縮放 224

7.3 Pyecharts圖表的繪製 226

7.3.1 柱狀圖—Bar模組 226

7.3.2 折線/面積圖—Line模組 227

7.3.3 餅形圖—Pie模組 229

7.3.4 箱形圖—Boxplot模組 231

7.3.5 漣漪特效散點圖—EffectScatter模組 232

7.3.6 詞雲圖—WordCloud模組 233

7.3.7 熱力圖—HeatMap模組 235

7.3.8 水球圖—Liquid模組 237

7.3.9 日曆圖—Calendar模組 237

7.4 綜合套用 238

7.4.1 案例1：南丁格爾玫瑰圖 238

7.4.2 案例2：雙y軸可視化數據分析圖表的實現（柱形圖 折線圖） 240

7.4.3 案例3：餅形圖與環形圖組合圖表的實現 242

7.5 小結 244

第8章 圖解數組計算模組NumPy 245

8.1 初識NumPy 245

8.1.1 NumPy概述 245

8.1.2 安裝NumPy模組 246

8.1.3 數組相關概念 247

8.2 創建數組 248

8.2.1 創建簡單的數組 248

8.2.2 不同方式創建數組 250

8.2.3 從數值範圍創建數組 251

8.2.4 生成隨機數組 254

8.2.5 從已有的數組中創建數組 257

8.3 數組的基本操作 260

8.3.1 數據類型 260

8.3.2 數組運算 262

8.3.3 數組的索引和切片 265

8.3.4 數組重塑 269

8.3.5 數組的增、刪、改、查 271

8.4 NumPy矩陣的基本操作 274

8.4.1 創建矩陣 274

8.4.2 矩陣運算 277

8.4.3 矩陣轉換 279

8.5 NumPy常用統計分析函式 280

8.5.1 數學運算函式 280

8.5.2 統計分析函式 285

8.5.3 數組的排序 288

8.6 綜合套用 290

8.6.1 案例1：NumPy實現常態分配 290

8.6.2 案例2：NumPy用於圖像灰度處理 291

8.7 小結 292

第9章 數據統計分析案例 293

9.1 對比分析 293

9.1.1 什麼是對比分析 293

9.1.2 案例：對比分析各品牌銷量表現TOP10 293

9.2 同比、定比和環比分析 294

9.2.1 同比、定比和環比概述 295

9.2.2 案例1：電商單品銷量同比增長情況分析 295

9.2.3 案例2：單品銷量定比分析 297

9.2.4 案例3：單品銷量環比增長情況分析 298

9.3 貢獻度分析（帕累托法則） 300

9.3.1 什麼是貢獻度分析 300

9.3.2 案例：產品貢獻度分析 300

9.4 差異化分析 302

9.4.1 差異化概述 302

9.4.2 案例：學生成績性別差異分析 302

9.5 相關性分析 303

9.5.1 相關性概述 303

9.5.2 案例：廣告展現量與費用成本相關性分析 303

9.6 時間序列分析 306

9.6.1 時間序列概述 306

9.6.2 案例：年增長趨勢和季節性波動分析 306

9.7 小結 307

第3篇 高級篇

第10章 機器學習庫Scikit-Learn 310

10.1 Scikit-Learn簡介 310

10.2 安裝Scikit-Learn 310

10.3 線性模型 312

10.3.1 小二乘法回歸 312

10.3.2 嶺回歸 313

10.4 支持向量機 314

10.5 聚類 316

10.5.1 什麼是聚類 316

10.5.2 聚類算法 317

10.5.3 聚類模組 318

10.5.4 聚類數據生成器 319

10.6 小結 320

第4篇 項目篇

第11章 註冊用戶分析（MySQL版） 322

11.1 概述 322

11.2 項目效果預覽 322

11.3 項目準備 323

11.4 導入MySQL數據 323

11.4.1 Python操縱MySQL 323

11.4.2 Python連線MySQL資料庫 324

11.5 項目實現過程 325

11.5.1 數據準備 325

11.5.2 數據檢測 325

11.5.3 年度註冊用戶分析 326

11.5.4 新註冊用戶分析 328

11.6 小結 329

第12章 電商銷售數據分析與預測 330

12.1 概述 330

12.2 項目效果預覽 330

12.3 項目準備 331

12.4 分析方法 331

12.5 項目實現過程 332

12.5.1 數據處理 332

12.5.2 日期數據統計並顯示 332

12.5.3 銷售收入分析 333

12.5.4 銷售收入與廣告費相關性分析 334

12.5.5 銷售收入預測 337

12.5.6 預測評分 338

12.6 小結 339

第13章 二手房房價分析與預測 340

13.1 概述 340

13.2 項目效果預覽 340

13.3 項目準備 342

13.4 圖表工具模組 342

13.4.1 繪製餅形圖 342

13.4.2 繪製折線圖 343

13.4.3 繪製條形圖 344

13.5 項目實現過程 345

13.5.1 數據清洗 345

13.5.2 區域二手房均價分析 346

13.5.3 區域二手房數據及占比分析 347

13.5.4 全市二手房裝修程度分析 348

13.5.5 熱門戶型均價分析 350

13.5.6 二手房房價預測 350

13.6 小結 354

第14章 客戶價值分析 355

14.1 概述 355

14.2 項目效果預覽 355

14.3 項目準備 356

14.4 分析方法 357

14.4.1 RFM模型 357

14.4.2 聚類 358

14.5 項目實現過程 358

14.5.1 準備工作 358

14.5.2 數據抽取 358

14.5.3 數據探索分析 358

14.5.4 計算RFM值 359

14.5.5 數據轉換 360

14.5.6 客戶聚類 360

14.5.7 標記客戶類別 362

14.6 客戶價值結果分析 363

14.7 小結 364

作者簡介

明日科技，全稱是吉林省明日科技有限公司，是一家專業從事軟體開發、教育培訓以及軟體開發教育資源整合的高科技公司，其編寫的教材非常注重選取軟體開發中的必需、常用內容，同時也很注重內容的易學、方便性以及相關知識的拓展性，深受讀者喜愛。其教材多次榮獲“全行業優秀暢銷品種”“全國高校出版社優秀暢銷書”等獎項，多個品種長期位居同類圖書銷售排行榜的前列。

2.5.3 在Jupyter Notebook中編寫“Hello World” 32

2.6 Spyder開發工具 34

2.6.1 初識Spyder 34

2.6.2 創建項目 35

2.6.3 新建/重命名.py檔案 36

2.6.4 創建個程式—月銷量分析 37

2.6.5 設定圖表顯示方式 37

2.6.6 在Spyder中安裝和卸載第三方庫 38

2.7 開發工具比較與代碼共用 39

2.7.1 開發工具比較 39

2.7.2 代碼共用 40

2.8 小結 44

第2篇 實踐篇

第3章 Pandas統計分析（上） 46

3.1 初識Pandas 46

3.1.1 Pandas概述 46

3.1.2 安裝Pandas 47

3.1.3 小試牛刀—輕鬆導入Excel數據 49

3.2 Series對象 50

3.2.1 圖解Series對象 50

3.2.2 創建一個Series對象 51

3.2.3 手動設定Series索引 52

3.2.4 Series的索引 52

3.2.5 獲取Series索引和值 54

3.3 DataFrame對象 54

3.3.1 圖解DataFrame對象 54

3.3.2 創建一個DataFrame對象 55

3.3.3 DataFrame重要屬性和函式 57

3.4 導入外部數據 58

3.4.1 導入.xls或.xlsx檔案 58

3.4.2 導入.csv檔案 63

3.4.3 導入.txt文本檔案 64

3.4.4 導入HTML網頁 65

3.5 數據抽取 67

3.5.1 抽取一行數據 67

3.5.2 抽取多行數據 68

3.5.3 抽取指定列數據 69

3.5.4 抽取指定行、列數據 70

3.5.5 按指定條件抽取數據 71

3.6 數據的增加、修改和刪除 72

3.6.1 增加數據 72

3.6.2 修改數據 75

3.6.3 刪除數據 77

3.7 數據清洗 78

3.7.1 缺失值查看與處理 78

3.7.2 重複值處理 81

3.7.3 異常值的檢測與處理 82

3.8 索引設定 83

3.8.1 索引的作用 83

3.8.2 重新設定索引 83

3.8.3 設定某列為行索引 85

3.8.4 數據清洗後重新設定連續的行索引 86

3.9 數據排序與排名 87

3.9.1 數據排序 87

3.9.2 數據排名 90

3.10 小結 92

第4章 Pandas統計分析（下） 93

4.1 數據計算 93

4.1.1 求和（sum()函式） 93

4.1.2 求均值（mean()函式） 94

4.1.3 求值（max()函式） 95

4.1.4 求小值（min()函式） 96

4.1.5 求中位數（median()函式） 97

4.1.6 求眾數（mode()函式） 98

4.1.7 求方差（var()函式） 99

4.1.8 標準差（數據標準化std()函式） 101

4.1.9 求分位數（quantile()函式） 101

4.2 數據格式化 103

4.2.1 設定小數位數 103

4.2.2 設定百分比 104

4.2.3 設定千位分隔設定 105

4.3 數據分組統計 106

4.3.1 分組統計groupby()函式 106

4.3.2 對分組數據進行疊代 108

4.3.3 對分組的某列或多列使用聚合函式（agg()函式） 109

4.3.4 通過字典和Series對象進行分組統計 111

4.4 數據移位 112

4.5 數據轉換 113

4.5.1 一列數據轉換為多列數據 113

4.5.2 行列轉換 116

4.5.3 DataFrame轉換為字典 118

4.5.4 DataFrame轉換為列表 119

4.5.5 DataFrame轉換為元組 119

4.5.6 Excel轉換為HTML網頁格式 120

4.6 數據合併 120

4.6.1 數據合併（merge()方法） 120

4.6.2 數據合併（concat()方法） 124

4.7 數據導出 126

4.7.1 導出為.xlsx檔案 126

4.7.2 導出為.csv檔案 128

4.7.3 導出多個Sheet 129

4.8 日期數據處理 129

4.8.1 DataFrame的日期數據轉換 129

4.8.2 dt對象的使用 131

4.8.3 獲取日期區間的數據 132

4.8.4 按不同時期統計並顯示數據 133

4.9 時間序列 135

4.9.1 重採樣（Resample()方法） 135

4.9.2 降採樣處理 137

4.9.3 升採樣處理 138

4.9.4 時間序列數據匯總（ohlc()函式） 139

4.9.5 移動視窗數據計算（rolling()函式） 140

4.10 綜合套用 142

4.10.1 案例1：Excel多表合併 142

4.10.2 案例2：股票行情數據分析 143

4.11 小結 144

第5章 Matplotlib可視化數據分析圖表 145

5.1 數據分析圖表的作用 145

5.2 如何選擇適合的圖表類型 146

5.3 圖表的基本組成 147

5.4 Matplotlib概述 148

5.4.1 Matplotlib簡介 148

5.4.2 安裝Matplotlib 150

5.4.3 Matplotlib圖表之初體驗 151

5.5 圖表的常用設定 152

5.5.1 基本繪圖plot()函式 152

5.5.2 設定畫布 155

5.5.3 設定坐標軸 156

5.5.4 添加文本標籤 159

5.5.5 設定標題和圖例 160

5.5.6 添加注釋 161

5.5.7 調整圖表與畫布邊緣間距 163

5.5.8 其他設定 164

5.6 常用圖表的繪製 164

5.6.1 繪製折線圖 164

5.6.2 繪製柱形圖 166

5.6.3 繪製直方圖 169

5.6.4 繪製餅形圖 170

5.6.5 繪製散點圖 174

5.6.6 繪製面積圖 176

5.6.7 繪製熱力圖 178

5.6.8 繪製箱形圖 180

5.6.9 繪製3D圖表 183

5.6.10 繪製多個子圖表 184

5.6.11 圖表的保存 189

5.7 綜合套用 189

5.7.1 案例1：雙y軸可視化數據分析圖表的實現 189

5.7.2 案例2：顏色漸變餅形圖的實現 190

5.7.3 案例3：等高線圖的實現 192

5.8 小結 193

第6章 Seaborn可視化數據分析圖表 194

6.1 Seaborn圖表概述 194

6.2 Seaborn圖表之初體驗 195

6.3 Seaborn圖表的基本設定 196

6.3.1 背景風格 196

6.3.2 框線控制 197

6.4 常用圖表的繪製 197

6.4.1 繪製折線圖（relplot()函式） 197

6.4.2 繪製直方圖（displot()函式） 199

6.4.3 繪製條形圖（barplot()函式） 200

6.4.4 繪製散點圖（replot()函式） 200

6.4.5 繪製線性回歸模型（lmplot()函式） 202

6.4.6 繪製箱形圖（boxplot()函式） 202

6.4.7 繪製核密度圖（kdeplot()函式） 203

6.4.8 繪製提琴圖（violinplot()函式） 204

6.5 綜合套用 205

6.5.1 案例1：堆疊柱形圖可視化數據分析圖表的實現 205

6.5.2 案例2：統計雙色球中獎號碼熱力圖 206

6.6 小結 208

第7章 第三方可視化數據分析圖表Pyecharts 209

7.1 Pyecharts概述 209

7.1.1 Pyecharts簡介 209

7.1.2 安裝Pyecharts 210

7.1.3 繪製張圖表 211

7.2 Pyecharts圖表的組成 212

7.2.1 主題風格 212

7.2.2 圖表標題 214

7.2.3 圖例 216

7.2.4 提示框 218

7.2.5 視覺映射 220

7.2.6 工具箱 222

7.2.7 區域縮放 224

7.3 Pyecharts圖表的繪製 226

7.3.1 柱狀圖—Bar模組 226

7.3.2 折線/面積圖—Line模組 227

7.3.3 餅形圖—Pie模組 229

7.3.4 箱形圖—Boxplot模組 231

7.3.5 漣漪特效散點圖—EffectScatter模組 232

7.3.6 詞雲圖—WordCloud模組 233

7.3.7 熱力圖—HeatMap模組 235

7.3.8 水球圖—Liquid模組 237

7.3.9 日曆圖—Calendar模組 237

7.4 綜合套用 238

7.4.1 案例1：南丁格爾玫瑰圖 238

7.4.2 案例2：雙y軸可視化數據分析圖表的實現（柱形圖 折線圖） 240

7.4.3 案例3：餅形圖與環形圖組合圖表的實現 242

7.5 小結 244

第8章 圖解數組計算模組NumPy 245

8.1 初識NumPy 245

8.1.1 NumPy概述 245

8.1.2 安裝NumPy模組 246

8.1.3 數組相關概念 247

8.2 創建數組 248

8.2.1 創建簡單的數組 248

8.2.2 不同方式創建數組 250

8.2.3 從數值範圍創建數組 251

8.2.4 生成隨機數組 254

8.2.5 從已有的數組中創建數組 257

8.3 數組的基本操作 260

8.3.1 數據類型 260

8.3.2 數組運算 262

8.3.3 數組的索引和切片 265

8.3.4 數組重塑 269

8.3.5 數組的增、刪、改、查 271

8.4 NumPy矩陣的基本操作 274

8.4.1 創建矩陣 274

8.4.2 矩陣運算 277

8.4.3 矩陣轉換 279

8.5 NumPy常用統計分析函式 280

8.5.1 數學運算函式 280

8.5.2 統計分析函式 285

8.5.3 數組的排序 288

8.6 綜合套用 290

8.6.1 案例1：NumPy實現常態分配 290

8.6.2 案例2：NumPy用於圖像灰度處理 291

8.7 小結 292

第9章 數據統計分析案例 293

9.1 對比分析 293

9.1.1 什麼是對比分析 293

9.1.2 案例：對比分析各品牌銷量表現TOP10 293

9.2 同比、定比和環比分析 294

9.2.1 同比、定比和環比概述 295

9.2.2 案例1：電商單品銷量同比增長情況分析 295

9.2.3 案例2：單品銷量定比分析 297

9.2.4 案例3：單品銷量環比增長情況分析 298

9.3 貢獻度分析（帕累托法則） 300

9.3.1 什麼是貢獻度分析 300

9.3.2 案例：產品貢獻度分析 300

9.4 差異化分析 302

9.4.1 差異化概述 302

9.4.2 案例：學生成績性別差異分析 302

9.5 相關性分析 303

9.5.1 相關性概述 303

9.5.2 案例：廣告展現量與費用成本相關性分析 303

9.6 時間序列分析 306

9.6.1 時間序列概述 306

9.6.2 案例：年增長趨勢和季節性波動分析 306

9.7 小結 307

第3篇 高級篇

第10章 機器學習庫Scikit-Learn 310

10.1 Scikit-Learn簡介 310

10.2 安裝Scikit-Learn 310

10.3 線性模型 312

10.3.1 小二乘法回歸 312

10.3.2 嶺回歸 313

10.4 支持向量機 314

10.5 聚類 316

10.5.1 什麼是聚類 316

10.5.2 聚類算法 317

10.5.3 聚類模組 318

10.5.4 聚類數據生成器 319

10.6 小結 320

第4篇 項目篇

第11章 註冊用戶分析（MySQL版） 322

11.1 概述 322

11.2 項目效果預覽 322

11.3 項目準備 323

11.4 導入MySQL數據 323

11.4.1 Python操縱MySQL 323

11.4.2 Python連線MySQL資料庫 324

11.5 項目實現過程 325

11.5.1 數據準備 325

11.5.2 數據檢測 325

11.5.3 年度註冊用戶分析 326

11.5.4 新註冊用戶分析 328

11.6 小結 329

第12章 電商銷售數據分析與預測 330

12.1 概述 330

12.2 項目效果預覽 330

12.3 項目準備 331

12.4 分析方法 331

12.5 項目實現過程 332

12.5.1 數據處理 332

12.5.2 日期數據統計並顯示 332

12.5.3 銷售收入分析 333

12.5.4 銷售收入與廣告費相關性分析 334

12.5.5 銷售收入預測 337

12.5.6 預測評分 338

12.6 小結 339

第13章 二手房房價分析與預測 340

13.1 概述 340

13.2 項目效果預覽 340

13.3 項目準備 342

13.4 圖表工具模組 342

13.4.1 繪製餅形圖 342

13.4.2 繪製折線圖 343

13.4.3 繪製條形圖 344

13.5 項目實現過程 345

13.5.1 數據清洗 345

13.5.2 區域二手房均價分析 346

13.5.3 區域二手房數據及占比分析 347

13.5.4 全市二手房裝修程度分析 348

13.5.5 熱門戶型均價分析 350

13.5.6 二手房房價預測 350

13.6 小結 354

第14章 客戶價值分析 355

14.1 概述 355

14.2 項目效果預覽 355

14.3 項目準備 356

14.4 分析方法 357

14.4.1 RFM模型 357

14.4.2 聚類 358

14.5 項目實現過程 358

14.5.1 準備工作 358

14.5.2 數據抽取 358

14.5.3 數據探索分析 358

14.5.4 計算RFM值 359

14.5.5 數據轉換 360

14.5.6 客戶聚類 360

14.5.7 標記客戶類別 362

14.6 客戶價值結果分析 363

14.7 小結 364

作者簡介

明日科技，全稱是吉林省明日科技有限公司，是一家專業從事軟體開發、教育培訓以及軟體開發教育資源整合的高科技公司，其編寫的教材非常注重選取軟體開發中的必需、常用內容，同時也很注重內容的易學、方便性以及相關知識的拓展性，深受讀者喜愛。其教材多次榮獲“全行業優秀暢銷品種”“全國高校出版社優秀暢銷書”等獎項，多個品種長期位居同類圖書銷售排行榜的前列。