Python數據分析入門與實戰

◆ 目錄：◆
致數字化人才的一封信
前言
●第1章認識數據分析
1.1重新認識數據分析
1.1.1數據的定義
1.1.2分析數據的重要性
1.2數據的類別與變化
1.3數據處理
1.3.1數據處理的含義
1.3.2臟數據
1.3.3數據清洗
1.4數據分析
1.4.1數據分析的流程與方法
1.4.2Python數據分析常用庫
1.4.3數據分析的結論

●第2章環境安裝
2.1Python簡介
2.2Python的常用IDE
2.3Anaconda
2.3.1Anaconda安裝包的獲取
2.3.2Anaconda在不同系統中的安裝
2.4Jupyter Notebook功能介紹
2.4.1Jupyter Notebook啟動方法
2.4.2常用快捷鍵
2.4.3常用功能
2.5安裝第三方庫
2.5.1pip網絡安裝
2.5.2pip本地安裝

●第3章Python基礎知識
3.1輸出和輸入
3.1.1輸出
3.1.2輸入
3.1.3格式化輸出
3.2變量
3.2.1變量的定義
3.2.2命名規則
3.2.3變量類型
3.3註釋
3.4運算符
3.4.1算術運算符
3.4.2賦值運算符
3.4 .3比較運算符
3.4.4邏輯運算符
3.5結構語句
3.5.1順序結構語句
3.5.2選擇結構語句
3.5.3循環結構語句
3.5.4結構語句中的特殊語句
3.6數據類型
3.6.1數值和字符串
3.6.2列表
3.6.3元組
3.6.4字典
3.7函數
3.7.1函數的定義
3.7.2函數的參數
3.7.3函數的返回值
3.7.4全局變量與局部變量
3.8模塊與文件
3.8.1三種模塊
3.8.2管理模塊的包
3.8.3文件的基礎操作
3.9異常報錯機制
3.10Python項目
3.10.1項目練習1
3.10.2項目練習2

●第4章數據靈魂基礎之NumPy
4.1NumPy安裝
4.2數組的創建
4.3數組
4.4數據類型
4.5索引與切片
4.6通用函數
4.6.1統計函數
4.6.2隨機函數
4.6.3連接函數
4.6.4其他函數

●第5章數據規整之Pandas入門
5.1Pandas中的數據對象
5.1.1Series對象
5.1.2DataFrame對象
5.2數據索引與選取
5.2.1［］操作
5.2.2.loc［ ］與.iloc［］
5.2.3.at［］與.iat［］
5.3Pandas的常用方法
5.3.1Pandas的基本方法
5.3.2Pandas數值運算方法
5.3.3Pandas處理文本字符串
5.3.4Pandas的合併與連接
5.3 .5Pandas操作應用方法

●第6章數據加載
6.1txt文件的讀寫操作
6.1.1讀取txt文件內容
6.1.2with與readlines()
6.1.3寫入txt文件內容
6.2CSV文件的讀寫操作
6.2.1讀取CSV文件內容
6.2.2寫入CSV文件內容
6.3Excel文件的讀寫操作
6.3.1讀取Excel文件內容
6.3.2寫入Excel文件內容
6.4JSON文件的讀寫操作
6.4.1讀取JSON文件內容
6.4.2寫入JSON文件內容
6.5SQL文件的讀取
6.5.1PyMySQL讀取MySQL數據庫內容
6.5. 2Pandas讀取MySQL數據庫內容

●第7章數據預處理
7.1數據預處理是什麼
7.1.1重複數據的處理
7.1.2缺失值的處理
7.1.3異常值的處理
7.2數據變換
7.2.1轉換數據類型
7.2 .2數據標準化（Z-score標準化）
7.2.3數據歸一化（Min-Max標準化）
7.3高級數據預處理方法
7.3.1啞變量
7.3.2獨熱編碼
7.4數據預處理實戰
7.4.1數據觀察
7.4.2數據預處理實戰
7.4.3數據標準化

●第8章Pandas數據優化
8.1多層索引
8.1.1多層索引的創建
8.1.2多層索引操作
8.1.3Series多層索引
8.1.4DataFrame多層索引
8.2groupby應用機制
8.2.1分組對象
8.2.2通過by參數進行分組
8.2.3通過level參數進行分組
8.2.4分組聚合
8.2.5agg聚合
8.2.6apply()函數
8.3時間序列
8.3.1創建時間索引
8.3 .2通過日期時間索引獲取元素
8.3.3重採樣
8.4滑動窗口

●第9章數據可視化
9.1Pandas圖形繪製
9.2Matplotlib圖形繪製
9.2.1Figure繪圖參數詳解
9.2.2Matplotlib常用圖形繪製
9.3Seaborn圖形繪製
9.3.1設置Seaborn繪圖風格
9.3.2Seaborn常用圖形繪製

●第10章電商銷售數據分析
10.1數據準備
10.2數據清洗
10.2.1查看是否含有缺失值
10.2.2查看是否含有異常值
10.2.3數據整理
10.3具體目標分析
10.4案例結論