Python商务数据分析与实战-图书-人邮教育社区

内容摘要

本书以Python数据分析常用技术与真实案例相结合的方式，深入浅出地介绍Python商务数据分析应用的重要内容。本书共10章，第1章介绍商务数据分析的基本概念、流程、应用场景，以及常用数据分析工具；第2章介绍Python的环境配置，以及Python使用入门等；第3章介绍数据获取，包括常见的数据来源、数据类型、数据读取方式，以及常用Python数据格式转换与读/写函数；第4章介绍探索性分析，包括描述性统计分析和可视化分析，以及常用Python探索性分析函数；第5章介绍数据预处理中的各个步骤，包括数据清洗、数据合并和数据变换，以及它们各自对应的Python函数；第6章介绍各类模型的构建与评价方法，包括分类与回归、聚类分析、关联规则、时序模式和智能推荐；第7～9章分别介绍O2O优惠券个性化投放、零售商品购物篮分析、餐饮企业综合分析等案例；第10章介绍使用TipDM数据挖掘建模平台实现餐饮企业综合分析案例。第2～6章包含选择题和操作题，第7～10章包含操作题，通过练习和操作实践，读者可以巩固所学内容。
本书可作为高校数据科学或商务数据分析相关专业的教材，也可作为数据分析爱好者的自学用书。

第 1章商务数据分析概述　1
1.1 商务数据分析的基本概念　1
1.2 数据分析流程　2
1.2.1 需求分析　3
1.2.2 数据获取　3
1.2.3 探索性分析　3
1.2.4 数据预处理　3
1.2.5 构建模型　3
1.2.6 模型评价　4
1.2.7 应用　4
1.3 商务数据分析应用场景　4
1.4 数据分析工具　6
1.4.1 常用的数据分析工具　6
1.4.2 Python数据分析的优势　7
1.4.3 Python数据分析常用库　7
小结　9
课后习题　9

第 2章 Python数据分析简介　10
2.1 Python数据分析环境　10
2.1.1 Python的Anaconda发行版　10
2.1.2 Anaconda安装　11
2.2 Python使用入门　15
2.2.1 运行方式　16
2.2.2 基本命令　17
2.2.3 库的导入与添加　19
小结　20
课后习题　21

第3章数据获取　22
3.1 常见的数据来源　22
3.2 数据类型　23
3.3 数据读取方式　24
3.3.1 数据库连接　24
3.3.2 文件读取　25
3.4 常用的Python数据格式转换与读/写函数　27
3.4.1 常用的Python数据格式转换函数　27
3.4.2 常用的Python数据读/写函数　28
小结　31
课后习题　31

第4章探索性分析　33
4.1 描述性统计分析　33
4.1.1 集中趋势统计指标　33
4.1.2 离散程度统计指标　34
4.2 可视化分析　36
4.2.1 散点图　36
4.2.2 折线图　37
4.2.3 柱形图　40
4.2.4 饼图　41
4.2.5 箱线图　42
4.2.6 热力图　44
4.3 常用的Python探索性分析函数　48
4.3.1 常用的Python基本统计分析函数　48
4.3.2 常用的Python作图函数　48
小结　52
课后习题　53

第5章数据预处理　54
5.1 数据清洗　54
5.1.1 缺失值处理　55
5.1.2 异常值处理　58
5.2 数据合并　61
5.2.1 多表合并　62
5.2.2 分组聚合　69
5.3 数据变换　76
5.3.1 函数变换　77
5.3.2 数据标准化　77
5.3.3 连续属性离散化　79
5.3.4 属性构造　82
5.4 Python的主要数据预处理函数　83
小结　85
课后习题　85

第6章构建模型　87
6.1 分类与回归　87
6.1.1 实现过程　88
6.1.2 常用的分类与回归算法　89
6.1.3 回归分析　89
6.1.4 决策树　93
6.1.5 人工神经网络　99
6.1.6 分类与回归算法评价　105
6.1.7 常用的Python分类与回归算法　109
6.2 聚类分析　109
6.2.1 常用的聚类分析算法　110
6.2.2 K-Means算法　111
6.2.3 聚类分析算法评价　116
6.2.4 常用的Python聚类分析算法　118
6.3 关联规则　120
6.3.1 常用的关联规则算法　120
6.3.2 Apriori算法实现　121
6.4 时序模式　126
6.4.1 时间序列分析方法与模型　126
6.4.2 时间序列的预处理　127
6.4.3 平稳时间序列分析　129
6.4.4 非平稳时间序列分析　132
6.4.5 常用的Python时序模式算法　139
6.5 智能推荐　141
6.5.1 常见的智能推荐算法　142
6.5.2 智能推荐算法评价　143
6.5.3 Python智能推荐算法　145
小结　153
课后习题　153

第7章 O2O优惠券个性化投放　155
7.1 业务背景与项目目标　155
7.2 分析方法与过程　156
7.2.1 数据获取　157
7.2.2 探索性分析　158
7.2.3 数据预处理　166
7.2.4 构建模型　171
7.2.5 模型评价　174
7.2.6 应用　176
小结　177
课后习题　177

第8章零售商品购物篮分析　178
8.1 业务背景与项目目标　178
8.2 分析方法与过程　179
8.2.1 数据获取　179
8.2.2 探索性分析　180
8.2.3 数据预处理　186
8.2.4 构建模型　187
8.2.5 模型评价　189
8.2.6 应用　189
小结　189
课后习题　190

第9章餐饮企业综合分析　191
9.1 业务背景与项目目标　191
9.2 分析方法与过程　193
9.2.1 数据获取　193
9.2.2 探索性分析　196
9.2.3 数据预处理　201
9.2.4 构建模型　203
9.2.5 模型评价　225
9.2.6 应用　231
小结　231
课后习题　231

第 10章基于TipDM数据挖掘建模平台进行餐饮企业综合分析　232
10.1 平台简介　232
10.1.1 首页　233
10.1.2 数据源　234
10.1.3 工程　235
10.1.4 系统组件　236
10.1.5 TipDM数据挖掘建模平台的本地化部署　237
10.2 快速构建餐饮企业综合分析工程　239
10.2.1 数据获取　240
10.2.2 数据预处理　243
10.2.3 探索性分析　244
10.2.4 构建模型　247
小结　251
课后习题　251
参考文献　252

读者评论

赶紧抢沙发哦！

我要评论

出版信息

书　　名：Python商务数据分析与实战
系列书名：大数据技术精品系列教材
执行编辑：本书的内容有任何问题，请联系初美呈
出版日期：2022-08-01
书　　号：978-7-115-58978-1
作　　者： 何伟张良均
定　　价：59.80 元
页　　数：251
印刷方式：黑白印刷
开　　本：16开
出版状态：上市销售

作者介绍

何伟，男，中共党员，博士后，教授，硕士生导师，香港理工大学访问学者，福建省百千万人才工程省级人选，福建省高层次人才(C类)，福建省高校杰出青年科研人才，现任闽江学院教务处长、物理与电子信息工程学院院长、创新创业创造学院常务副院长，海洋智能船舶装备福建省高校工程研究中心主任。主要研究智能系统与信息融合、船海装备与新能源等领域。先后在国内外发表学术论文50余篇，授权专利17项、软著6项；主持国家自然科学基金面上项目、福建省自然科学基金项目等省部级以上项目十余项；获福建省教学成果特等奖、福建省科技进步二等奖、中国航海学会科学技术一等奖等多项省部级奖项。入选担任福建省创新创业创造教育指导委员会委员，中国智能交通协会水路交通专业委员会委员，福建省船舶与海洋工程学会委员等学术兼职。