漫画Python数据分析
  • 推荐0
  • 收藏0
  • 浏览63

漫画Python数据分析

张文霖 (作者)  张月萍 (责任编辑)

  • 书  号:9787121457753
  • 出版日期:2023-06-01
  • 页  数:
  • 开  本:
  • 出版状态:上市销售
  • 维护人:博文小编
《漫画Python数据分析》从解决工作中的实际问题出发,以漫画形式讲解数据分析知识,并提炼、总结工作中常用的Python 数据处理、数据分析实战方法与技巧。本书力求通俗易懂地介绍相关知识,在不影响学习、理解效果的前提下,尽可能地避免使用晦涩难懂的Python 编程、统计术语或模型公式,如需了解相关的知识,可查阅相关的图书或资料。
《漫画Python数据分析》定位是带领Python数据分析初学者入门,并能在学习和工作中解决大部分问题,或满足大部分需求。入门后,读者如需进一步学习进阶技能,可自行扩展阅读相关图书或资料。学习是永无止境的,正所谓“师傅领进门,修行在个人”。
《谁说菜鸟不会数据分析》作者新作,基于好用又好学的Python语言,漫画图解数据处理与数据分析
张文霖,新浪博客“小蚊子数据分析”博主,“谁说菜鸟不会数据分析“系列图书作者,具有多年移动互联网数据分析经验,略懂Excel、PPT、SPSS、Python、SQL等工具。
自上市以来,《谁说菜鸟不会数据分析》及其后续版本图书已累计拥有数十万名读者与粉丝,通过口口相传成为很多职场人士案头必备的参考用书,而且《谁说菜鸟不会数据分析》还非常荣幸地获得“年度全行业优秀畅销品”称号,这离不开广大读者的厚爱与支持。曾有读者告诉我们,每次阅读图书都会有新的体会与收获,这让笔者很开心。
取得一点儿成绩的同时,笔者也进行了思考:如今已经进入大数据时代,数据分析基本成为职场人士必备技能,能否将专业的数据分析知识,采用更通俗易懂的方式告诉更多的读者呢?
于是笔者想到了以漫画形式介绍数据分析知识,并且是以线条简单、可爱呆萌的火柴人漫画形式呈现,相信大家会喜欢。
笔者将基于Python、SQL、Excel 这几款职场人士在工作中常用的数据分析工具撰写相应的“漫画数据分析”系列图书,《漫画Python数据分析》属于其中之一,后续将会有《漫画SQL 数据分析》《漫画Excel 数据分析》等图书与大家见面。每本书都将基于统一的数据分析
流程框架,结合不同工具可实现的数据处理、数据分析、数据可视化相关操作编写完成。所以每本书讲述的大部分方法是相同的,只是使用的工具不同,大家可以根据自己工作的需求,选择性地阅读“漫画数据分析”系列图书。
本书从解决工作中的实际问题出发,提炼、总结常用的Python 数据处理、数据分析实战方法与技巧。本书力求通俗易懂地介绍相关知识,在不影响学习、理解效果的前提下,尽可能地避免使用晦涩难懂的Python 编程、统计术语或模型公式,如需了解相关的知识,可查阅相关的图书或资料。
本书的定位是带领Python 数据分析初学者入门,并能在学习和工作中解决大部分问题,或满足大部分需求。入门后,读者如需进一步学习进阶技能,可自行扩展阅读相关图书或资料。学习是永无止境的,正所谓“师傅领进门,修行在个人”。
本书结构
本书以数据分析主要流程为主线,介绍如何用Python 进行数据分析。
第1 章 数据分析概况:主要介绍什么是数据分析、数据分析的作用、数据分析的步骤、常用的数据分析工具。
第2 章 Python 概况:主要介绍Anaconda 的安装与使用,Python数据分析所需要的编程基础,包括变量、数据类型、数据结构、函数、模块,以及Python 编程的一些注意事项,让读者对Python 数据分析所需要的编程基础有基本的了解与认识。
第3 章 数据处理:主要介绍在Python 中如何使用Pandas 进行数据处理,包括数据导入与导出、数据清洗、数据转换、数据抽取、数据合并、数据计算,让读者能够通过Python 完成学习和工作中经常需要用到的数据处理操作。
第4 章 数据分析:主要介绍在Python 中如何使用SQL 语句进行数据分析,包括对比分析、描述性分析、分组分析、结构分析、分布分析、交叉分析、矩阵分析、转化分析、RFM 分析、留存分析、生命周期价值分析及简单线性回归等常用分析方法,让读者能够通过Python 完成学习和工作中经常需要用到的数据分析操作。
第5 章 数据可视化:主要介绍在Python 中如何使用matplotlib.pyplot 进行常用的数据可视化图形绘制,包括饼图、柱形图、条形图、折线图、面积图、散点图、矩阵图,让读者能够使用Python 进行常用的数据可视化图形绘制。
本书主要基于Python 3 进行介绍,故部分方法可能在Python 2 中无法实现。
适合人群
◎ 数据分析爱好者。
◎ 需要提升自身竞争力的职场新人或在校大学生。
◎ 从事调研、咨询、研究、分析等工作的专业人士。
◎ 在市场营销、产品运营、人力资源、财务管理等工作中需要进行数据分析的人士。

目录

第1 章 数据分析概况
1.1 数据分析定义
1.2 数据分析作用
1.3 数据分析步骤
1.3.1 明确分析目的和思路
1.3.2 数据收集
1.3.3 数据处理
1.3.4 分析数据
1.3.5 数据展现
1.3.6 报告撰写
1.4 常用的数据分析工具
第2 章 Python 概况
2.1 Anaconda 安装与使用
2.1.1 Anaconda 简介
2.1.2 安装Anaconda
2.1.3 使用Spyder
2.2 变量
2.2.1 变量定义
2.2.2 变量赋值
2.2.3 变量命名
2.3 数据类型
2.3.1 数值型
2.3.2 字符型
2.3.3 逻辑型
2.4 数据结构
2.4.1 列表
2.4.2 元组
2.4.3 字典
2.4.4 序列
2.4.5 数据框
2.5 函数
2.5.1 函数简介
2.5.2 Python 内置函数
2.5.3 使用函数
2.6 模块
2.6.1 模块简介
2.6.2 Python 标准模块
2.6.3 使用模块
2.7 Python 编程注意事项
第3 章 数据处理
3.1 数据导入导出
3.1.1 数据导入
3.1.2 数据访问
3.1.3 数据导出
3.2 数据清洗
3.2.1 数据排序
3.2.2 重复数据处理
3.2.3 空格数据处理
3.3 数据转换
3.3.1 数据类型查看
3.3.2 数值转字符
3.3.3 字符转数值
3.3.4 字符转时间
3.3.5 时间转字符
3.4 数据抽取
3.4.1 字段拆分
3.4.2 记录抽取
3.5 数据合并
3.5.1 记录合并
3.5.2 字段合并
3.5.3 字段匹配
3.6 数据计算
3.6.1 简单计算
3.6.2 时间计算
3.6.3 数据分组
第4 章 数据分析
4.1 对比分析
4.2 描述性分析
4.3 分组分析
4.4 结构分析
4.5 分布分析
4.6 交叉分析
4.7 矩阵分析
4.8 转化分析
4.9 RFM 分析
4.10 留存分析
4.11 生命周期价值分析
4.12 简单线性回归
第5 章 数据可视化
5.1 数据可视化简介
5.1.1 什么是数据可视化
5.1.2 数据可视化常用图表
5.1.3 通过关系选择图表
5.1.4 Python 可视化模块
5.2 matplotlib 入门
5.3 饼图
5.4 柱形图
5.5 条形图
5.6 折线图
5.7 面积图
5.8 散点图
5.9 矩阵图

读者评论