零基础学Python数据分析：升级版

Name: 零基础学Python数据分析：升级版
ISBN: 9787121476853

明日科技电子工业出版社 · 中国2024年5月

3.3

字数: 10.2万字
章节数: 239
ISBN: 9787121476853

信息有误查询本书

内容简介

《零基础学Python数据分析》（升级版）以数据分析“三剑客”——Pandas、Matplotlib和 NumPy为主线，全面介绍了数据分析入门的必备知识，从学习与应用的角度出发，帮助读者快速掌握数据统计分析技能，拓宽职场道路。本书通过大量的示意图力求使读者能够更好地理解晦涩难懂的专业术语；通过快速示例将学习与应用相结合，打造轻松学习、零压力学习的阅读氛围；通过案例对所学知识进行综合应用；通过开发流行项目将数据统计分析与预测应用到实际工作中。

编辑推荐

本书以Pandas、Matplotlib和NumPy三大工具为主线，把数据分析入门所需的知识点串成一条清晰的学习路径。作者明日科技延续了其一贯的图解风格，用大量示意图拆解晦涩术语，降低了初学者的理解门槛。书中每个知识点都配有快速示例，学完即可上手操作，避免只读不练的困境。后半部分通过综合案例和流行项目，把统计分析与预测落到实际工作场景中，让读者体会从数据到结论的完整流程。对于想转行数据分析或需要在工作中处理表格与图表的读者，这本书提供了较为平缓的入门坡度。建议边读边在电脑上敲代码，把示例跑通后再尝试改编，效果会明显好于纯阅读。

适合谁读

适合

零编程基础、想入门数据分析的职场新人
需要处理表格与图表但缺乏系统方法的办公人员
在校学生想补充数据分析实操技能
转行数据分析岗、需要快速建立工具信心的读者

不适合

已有较深Python基础、寻求进阶算法内容的读者
希望系统学习统计学理论与数学推导的人
期待直接学习机器学习建模与调参的读者

阅读建议

先装好Python环境，按章节顺序把每个示例亲手敲一遍再往下读。
每学完一个工具库，用自己工作或生活中的数据做一次小练习。
综合案例部分不要只看代码，先自己思考思路再对照书中实现。
遇到报错先自行排查，把常见错误记录下来形成自己的问题清单。

出版社简介

电子工业出版社中国 · 成立于 1982 年

电子工业出版社是一家以电子信息及相关领域为出版特色的综合性出版社。从库内三千余种图书来看，其出版方向覆盖编程设计、人工智能、计算机综合、财经、摄影与社科等门类，既关注技术前沿，也兼顾大众阅读。代表图书包括《因子投资：方法与实践》《x86汇编语言：从实模式到保护模式》《RISC-V开放架构设计之道》《人工智能：语音识别理解与实践》《相控阵雷达技术》《雷达目标特性》及《100个Go语言典型错误》等，多围绕技术方法与工程实践展开。作者资源方面，有石川、李忠、王晓波、大卫·帕特森、安德鲁·沃特曼、余子濠等中外作者。受公开资料所限，暂不展开更多出版特色。

版权信息
内容简介
前言
第1章数据分析基础
1.1 什么是数据分析
1.2 数据分析的重要性
1.3 数据分析的基本流程
1.3.1 熟悉工具
1.3.2 明确目的
1.3.3 获取数据
1.3.4 数据处理
1.3.5 数据分析
1.3.6 验证结果
1.3.7 结果呈现
1.3.8 数据应用
1.4 数据分析的常用工具
1.4.1 Excel工具
1.4.2 Python语言
1.5 小结
第2章搭建Python数据分析环境
2.1 快速了解Python
2.1.1 Python简介
2.1.2 Python的版本
2.1.3 Python的应用领域
2.2 搭建Python开发环境
2.2.1 下载和安装Python
2.2.2 第一个Python程序“hello world”
2.3 集成开发环境PyCharm
2.3.1 下载PyCharm
2.3.2 安装PyCharm
2.3.3 运行PyCharm
2.3.4 在PyCharm中创建一组学生成绩数据
2.4 数据分析标准环境Anaconda
2.4.1 下载Anaconda
2.4.2 安装Anaconda
2.5 Jupyter Notebook开发工具
2.5.1 认识Jupyter Notebook
2.5.2 新建一个Jupyter Notebook文件
2.5.3 在Jupyter Notebook中绘制7日天气走势图
2.6 小结
第3章 Pandas入门
3.1 认识Pandas
3.1.1 什么是Pandas
3.1.2 Pandas的功能与优势
3.1.3 安装Pandas模块
3.1.4 牛刀小试——轻松导入Excel数据
3.2 Series对象
3.2.1 图解Series对象
3.2.2 创建一个Series对象
3.2.3 手动设置Series对象的索引
3.2.4 Series对象的索引
3.2.5 获取Series对象的索引和值
3.3 DataFrame对象
3.3.1 图解DataFrame对象
3.3.2 创建一个DataFrame对象
3.3.3 DataFrame对象的重要属性和函数
3.4 外部数据读取
3.4.1 读取Excel文件
3.4.2 读取CSV文件
3.4.3 读取文本文件
3.4.4 读取HTML网页数据
3.5 数据抽取
3.5.1 抽取一行数据
3.5.2 抽取多行数据
3.5.3 抽取指定列数据
3.5.4 抽取指定行列数据
3.5.5 按指定条件抽取数据
3.6 数据的增加、修改和删除
3.6.1 增加数据
3.6.2 修改数据
3.6.3 删除数据
3.7 数据清洗
3.7.1 缺失值查看与处理
3.7.2 重复值处理
3.7.3 异常值的检测与处理
3.8 索引设置
3.8.1 索引的作用
3.8.2 重新设置索引
3.8.3 设置某列为行索引
3.8.4 数据清洗后重新设置连续的行索引
3.9 数据排序与排名
3.9.1 数据排序
3.9.2 数据排名
3.10 小结
第4章 Pandas进阶
4.1 数据计算
4.1.1 求和（sum（）方法）
4.1.2 求均值（mean（）方法）
4.1.3 求最大值（max（）方法）
4.1.4 求最小值（min（）方法）
4.1.5 求中位数（median（）方法）
4.1.6 求众数（mode（）方法）
4.1.7 求方差（var（）方法）
4.1.8 求标准差（std（）方法）
4.1.9 求分位数（quantile（）方法）
4.2 数据格式化
4.2.1 设置小数位数
4.2.2 设置百分比
4.2.3 设置千位分隔符
4.3 数据分组统计
4.3.1 groupby（）方法
4.3.2 对分组数据进行迭代
4.3.3 对分组的某列或多列使用聚合函数
4.3.4 通过字典和Series对象进行分组统计
4.4 数据移位
4.5 数据转换
4.5.1 一列数据转换为多列数据
4.5.2 行列转换
4.5.3 DataFrame转换为字典
4.5.4 DataFrame转换为列表
4.5.5 Excel数据转换为HTML网页格式
4.6 数据合并
4.6.1 merge（）方法
4.6.2 concat（）方法
4.7 数据导出
4.7.1 导出数据到Excel文件
4.7.2 导出数据到CSV文件
4.7.3 导出数据到多个工作表
4.8 日期数据处理
4.8.1 DataFrame的日期数据转换
4.8.2 dt（）函数的使用
4.8.3 获取日期区间的数据
4.8.4 按不同时期统计并显示数据
4.9 时间序列
4.9.1 重采样处理
4.9.2 降采样处理
4.9.3 升采样处理
4.9.4 时间序列数据汇总（ohlc（）方法）
4.9.5 移动窗口数据计算（rolling（）方法）
4.10 小结
第5章可视化数据分析图表
5.1 数据分析图表的作用
5.2 图表的基本组成
5.3 Matplotlib概述
5.3.1 Matplotlib简介
5.3.2 安装Matplotlib
5.3.3 Matplotlib图表之初体验
5.4 图表的常用设置
5.4.1 基本绘图plot（）函数
5.4.2 设置画布
5.4.3 设置坐标轴
5.4.4 添加文本标签
5.4.5 设置标题和图例
5.4.6 添加注释
5.5 常用图表的绘制
5.5.1 绘制折线图
5.5.2 绘制柱形图
5.5.3 绘制直方图
5.5.4 绘制饼形图
5.5.5 绘制散点图
5.5.6 绘制面积图
5.5.7 绘制热力图
5.5.8 绘制箱形图
5.5.9 绘制3D图表
5.5.10 绘制多个子图表
5.6 小结
第6章图解数组计算模块NumPy
6.1 初识NumPy
6.1.1 NumPy概述
6.1.2 安装NumPy
6.1.3 数组相关概念
6.2 创建数组
6.2.1 创建简单的数组
6.2.2 不同方式创建数组
6.2.3 按照数值范围创建数组
6.2.4 生成随机数组
6.2.5 从已有的数组中创建数组
6.3 数组的基本操作
6.3.1 数据类型
6.3.2 数组运算
6.3.3 数组的索引和切片
6.3.4 数组重塑
6.3.5 数组的增、删、改、查
6.4 NumPy矩阵基本操作
6.4.1 创建矩阵
6.4.2 矩阵运算
6.4.3 矩阵转换
6.5 NumPy常用统计分析函数
6.5.1 数学运算函数
6.5.2 统计分析函数
6.5.3 数组的排序
6.6 小结
第7章数据统计分析案例
7.1 对比分析
7.2 同比、定比和环比分析
7.3 贡献度分析
7.4 差异化分析
7.5 相关性分析
7.6 时间序列分析
7.7 小结
第8章机器学习Scikit-Learn
8.1 Scikit-Learn简介
8.2 安装Scikit-Learn
8.3 线性模型
8.3.1 最小二乘法回归
8.3.2 岭回归
8.4 支持向量机
8.5 聚类
8.5.1 什么是聚类
8.5.2 聚类算法
8.5.3 聚类模块
8.5.4 聚类数据生成器
8.6 小结
第9章 Python股票数据分析（Jupyter Notebook版）
9.1 概述
9.2 项目效果预览
9.3 项目开发环境
9.4 前期准备
9.4.1 安装第三方模块
9.4.2 新建Jupyter Notebook文件
9.4.3 导入必要的库
9.4.4 获取股票历史数据
9.5 数据预处理
9.5.1 数据查看与缺失性分析
9.5.2 描述性统计分析
9.5.3 数据处理
9.5.4 异常值分析
9.5.5 数据归一化处理
9.6 数据统计分析
9.6.1 可视化股票走势图
9.6.2 股票收盘价格走势图
9.6.3 股票成交量时间序列图
9.6.4 股票涨跌情况分析图
9.6.5 股票k线走势图
9.7 关键技术
9.8 小结
第10章京东电商销售数据分析与预测
10.1 概述
10.2 项目效果预览
10.3 项目开发环境
10.4 分析方法
10.5 项目实现过程
10.5.1 数据处理
10.5.2 日期数据统计并显示
10.5.3 销售收入分析
10.5.4 销售收入与广告费相关性分析
10.5.5 销售收入预测
10.5.6 预测评分
10.6 小结

常见问题

完全没有编程基础能读懂这本书吗？

可以。本书定位为零基础入门，从环境搭建和基础语法讲起，配合大量示意图和快速示例降低理解难度。但建议不要跳过前面的基础章节，遇到不懂的代码先照着敲一遍运行看结果，再回头理解含义，这样上手会更顺利。

书中的案例需要什么软件环境？

主要使用Python及Pandas、Matplotlib、NumPy三个库，通常通过Anaconda或pip安装即可。具体版本和安装步骤请以书中说明为准。建议在电脑上实际操作，仅阅读代码而不运行，很难真正掌握数据分析的流程。

学完这本书能达到什么水平？

可以掌握用Python做数据清洗、统计分析和基础可视化的能力，能独立完成中小型数据分析任务。但书中不涉及机器学习建模和统计理论推导，若想深入算法方向，还需要后续补充相关课程和练习。

读者评论

查询本书

本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。

作者简介

明日科技作者

明日科技全称吉林省明日科技有限公司，是一家专业从事软件开发、教育培训及软件开发教育资源整合的高科技公司，并组织编写计算机编程类教材。其作品主要面向编程初学者，题材集中在Python、Java、C#、SQL等语言学习及GUI设计、Web前端开发等方向，常见分类为编程设计、计算机综合与软件学习。代表作品包括“零基础学”系列中的Python GUI设计、SQL、Java等升级版，以及HTML+CSS+JavaScript学习笔记、C#完全自学教程等。该公司策划有“从入门到精通”“软件开发视频大讲堂”等教材系列，相关教材曾获行业与高校出版社奖项，多个品种长期位居同类图书销售榜前列。公开资料有限，其作者身份为机构署名，重点在于计算机编程教育读物的编写与出版。