新書推薦：
《
低空经济数字基础设施关键技术与规划方法
》
售價：NT$
509.0
《
声与色（未来哲学系列）
》
售價：NT$
204.0
《
深度说服力：影响和改变一个人的超级方法
》
售價：NT$
352.0
《
2025年 中国自助游地图 自驾游游遍中国 深度旅游规划指南 专业实用精彩 旅游攻略景点介绍线路规划
》
售價：NT$
449.0
《
教育的抉择
》
售價：NT$
254.0
《
DK灵动盎然的飞鸟
》
售價：NT$
806.0
《
AI原生应用开发：提示工程原理与实战
》
售價：NT$
407.0
《
孤独消费论
》
售價：NT$
305.0
|
| 編輯推薦： |
“Python编程自学：从入门到项目实战套装”包含两本图书，一本快速入门，一本就业实战，两本书相辅相成，帮助读者从初学Python到入职就业，一套书就够。
《Python从入门到精通（第3版）》：全面讲解Python基础和进阶知识，涵盖Python语言基础、正则表达式、函数、面向对象、模块、文件操作、数据库、游戏、爬虫、Web开发、办公自动化等知识，并配备了高清视频讲解，让你轻松掌握Python核心技术，为项目开发打下坚实基础。
《Python项目开发全程实录》：精选12个Python热点项目，涵盖Python基础开发、游戏开发、网络爬虫、大数据及可视化分析、Web开发、人工智能开发六大方向，带你体验软件开发的完整过程，积累丰富的项目经验，为求职就业点亮方向。
“Python编程自学：从入门到项目实战套装”的优势：
1、从入门到实战无缝衔接：两本书内容衔接紧密，从基础语法到项目实战，让您轻松掌握Python开发的精髓。
2、快速积累项目实战经验：10多个实际项目开发，让您积累宝贵的实战经验，为将来求职就业打下坚实基础。
3、海量学习资源，学习更轻松高效：两本书均提供丰
|
| 內容簡介： |
《Python数据分析从入门到精通（第2版）》：
《Python数据分析从入门到精通（第2版）》从数据分析初学者角度出发，以通俗易懂的语言、丰富多彩的实例，详细介绍了使用Python进行数据分析程序开发应掌握的各方面技术。全书共分21章，包括数据分析基础、搭建数据分析开发环境、NumPy模块之数组计算、Pandas模块基础、Pandas模块之数据的读取、Pandas模块之数据的处理、Pandas模块之数据的清洗、数据的计算与格式化、数据统计及透视表、处理日期与时间、Scikit-Learn机器学习模块、Matplotlib模块入门、Matplotlib模块进阶、Seabom图表、Plotly图表、Bokeh图表、Pyecharts图表等内容，以及4个项目实战综合案例。书中所有知识结合具体实例进行介绍，涉及的程序代码给出了详细的注释，读者可轻松领会Python数据分析程序开发的精髓，从而快速提升数据分析开发技能。
另外，《Python数据分析从入门到精通（第2版）》除了纸质内容，还配备了Python在线开发资源库，主要内容如下：
同步教学微课：共158集，时长23小时
技巧资源库：583个开发技巧
项目资源库：44个实战项目
视频资源库：598集学习视频
技术资源库：1456个技术要点
实例资源库：227个应用实例
源码资源库：211项源代码
PPT电子教案
《Python数据分析从入门到精通（第2版）》可作为数据分析开发入门者的学习用书，也可作为高等院校相关专业的教学参考用书，还可供数据分析开发人员查阅、参考。
《Python数据分析项目全程实录》：
《Python数据分析项目全程实录》精选不同行业、不同分析方法以及机器学习等方向的12个热门Python数据分析项目。这些项目既可以作为练手项目，也可以应用于实际数据分析工作中，其中的机器学习还可作为参赛项目的参考。总体来说，这些项目的实用性都非常强。具体项目包含：热销产品销售数据统计分析、篮坛薪酬揭秘：球员位置与薪资数据的深度分析、股海秘籍：股票行情数据分析之旅、京东某商家的销售评价数据分析、商城注册用户数据探索分析、自媒体账号内容数据分析、汽车数据可视化与相关性分析、抖音电商数据分析系统、会员数据化运营RFM分析实战、商超购物Apriori关联分析、基于K-Means算法实现鸢尾花聚类分析、电视节目数据分析系统。《Python数据分析项目全程实录》从数据分析、机器学习的角度出发，按照项目开发的顺序，系统、全面地讲解每一个项目的开发实现过程。体例上，每章一个项目，统一采用“开发背景→系统设计→技术准备→各功能模块实现→项目运行→源码下载”的形式完整呈现项目，给读者明确的成就感，可以让读者快速积累实际数据分析经验与技巧，早日实现就业目标。
另外，《Python数据分析项目全程实录》配备丰富的Python在线开发资源库和电子课件，主要内容如下：
技术资源库：1456个核心技术点
实例资源库：227个应用实例
源码资源库：211套项目与案例源码
PPT电子课件
技巧资源库：583个开发技巧
项目资源库：44个精选项目
视频资源库：598集学习视频
《Python数据分析项目全程实录》可为Python数据分析入门自学者提供更广泛的数据分析实战场景，可为统计学专业、计算机等专业学生进行数据分析项目实训、毕业设计提供项目参考，可供计算机专业教师、IT培训讲师用作教学参考资料，还可作为数据分析师、IT求职者、编程爱好者进行数据分析实战的参考书。
|
| 目錄：
|
《Python数据分析从入门到精通（第2版）》
第1篇 基础知识
第1章 数据分析基础 2
视频讲解：27分钟
1.1 数据分析概述 2
1.2 常见数据分析方法 3
1.2.1 对比分析法 3
1.2.2 同比分析法 4
1.2.3 环比分析法 4
1.2.4 回归分析法 5
1.2.5 聚类分析法 6
1.3 了解数据分析工具 6
1.4 数据分析的基本流程 7
1.4.1 确认目标 7
1.4.2 获取数据 8
1.4.3 处理数据 9
1.4.4 分析数据 10
1.4.5 验证结果 10
1.4.6 展示数据 10
1.4.7 应用数据 11
1.5 数据分析常用模块库 11
1.6 小结 12
第2章 搭建数据分析开发环境 13
视频讲解：19分钟
2.1 强大的编程语言Python 13
2.1.1 Python概述 13
2.1.2 安装Python 13
2.1.3 创建第一个Python程序 17
2.2 安装Anaconda开发环境 18
2.3 Jupyter Notebook开发工具 23
2.3.1 初识Jupyter Notebook 23
2.3.2 创建Jupyter Notebook文件 24
2.3.3 测试Jupyter Notebook 24
2.4 PyCharm集成开发环境 26
2.4.1 PyCharm的下载与安装 26
2.4.2 配置PyCharm 29
2.4.3 测试PyCharm 30
2.5 小结 32
第3章 NumPy模块之数组计算 33
视频讲解：265分钟
3.1 NumPy模块概述 33
3.1.1 什么是NumPy模块 33
3.1.2 安装NumPy模块 34
3.1.3 NumPy的数据类型 35
3.1.4 ndarray()数组对象 36
3.1.5 dtype数据类型对象 37
3.2 创建数组 37
3.2.1 创建简单的数组 38
3.2.2 多种创建数组的方式 39
3.2.3 根据数值范围创建数组 41
3.2.4 生成随机数组 43
3.2.5 在已有的数组中创建数组 45
3.3 数组的基本操作 49
3.3.1 数组的多种运算方式 49
3.3.2 数组的索引和切片 51
3.3.3 数组的重塑 55
3.3.4 数组的增、删、改、查 57
3.4 矩阵的基本操作 59
3.4.1 创建矩阵 60
3.4.2 矩阵的运算 62
3.4.3 矩阵的转换 64
3.5 NumPy常用的数学运算函数 65
3.5.1 算术函数 66
3.5.2 舍入函数 67
3.5.3 三角函数 68
3.6 统计分析 69
3.6.1 求和函数sum() 70
3.6.2 平均值函数mean() 70
3.6.3 最大值与最小值函数max()、min() 71
3.6.4 中位数函数median() 71
3.6.5 加权平均函数average() 72
3.6.6 方差与标准差函数var()、std() 73
3.7 数组排序 73
3.7.1 sort()函数 73
3.7.2 argsort()函数 74
3.7.3 lexsort()函数 74
3.8 小结 75
第4章 Pandas模块基础 76
视频讲解：67分钟
4.1 安装Pandas模块 76
4.2 了解Pandas模块 78
4.3 Pandas模块的两大数据结构 79
4.3.1 Series()对象 79
4.3.2 DataFrame()对象 80
4.4 数据中的索引 82
4.4.1 什么是索引 82
4.4.2 Series()对象的索引 83
4.4.3 DataFrame()对象的索引 86
4.5 小结 88
第5章 Pandas模块之数据的读取 89
视频讲解：75分钟
5.1 读取文本文件中的数据 89
5.2 Excel文件的读取和写入 90
5.2.1 读取Excel文件中的数据 90
5.2.2 读取指定Sheet页中的数据 93
5.2.3 通过行列索引读取指定数据 93
5.2.4 将数据写入Excel文件中 95
5.3 CSV文件的读取和写入 96
5.3.1 读取CSV文件中的数据 96
5.3.2 将数据写入CSV文件中 98
5.4 读取HTML网页 99
5.5 读取数据库中的数据 101
5.5.1 读取MySQL数据库中的数据 101
5.5.2 读取MongoDB数据库中的数据 104
5.6 小结 108
第6章 Pandas模块之数据的处理 109
视频讲解：96分钟
6.1 数据抽取 109
6.1.1 抽取指定行数据 110
6.1.2 抽取多行数据 110
6.1.3 抽取指定列数据 111
6.1.4 抽取指定的行、列数据 112
6.2 数据的增、删、改、查 113
6.2.1 增加数据 113
6.2.2 按行增加数据 114
6.2.3 删除数据 115
6.2.4 修改数据 116
6.2.5 查询数据 117
6.3 数据的排序和排名 120
6.3.1 数据的排序 120
6.3.2 数据排名 123
6.4 小结 125
第7章 Pandas模块之数据的清洗 126
视频讲解：81分钟
7.1 缺失值的处理 126
7.1.1 了解数据中的缺失值 126
7.1.2 查看缺失值 127
7.1.3 处理缺失值 128
7.2 处理数据中的重复值 129
7.3 数据中异常值的检测与处理 130
7.4 数据中字符串的操作函数 131
7.4.1 字符串对象中的常见函数 131
7.4.2 替换字符串——replace()函数 133
7.4.3 数据切分——split()函数 134
7.4.4 判断字符串——contains()函数 135
7.5 数据转换 136
7.5.1 通过字典映射的方式实现数据转换——map()函数 136
7.5.2 数据分割——cut()函数 137
7.5.3 数据分类——get_dummies()函数 138
7.6 小结 139
第8章 数据的计算与格式化 140
视频讲解：54分钟
8.1 常见的数据计算函数 140
8.1.1 求和——sum()函数 140
8.1.2 求平均值——mean()函数 141
8.1.3 求最大值——max()函数 142
8.1.4 求最小值——min()函数 143
8.2 高级的数据计算函数 144
8.2.1 求取中位数——median()函数 144
8.2.2 求取众数——mode()函数 145
8.2.3 计算方差——var()函数 146
8.2.4 计算标准差——std()函数 147
8.2.5 计算分位数——quantile()函数 147
8.3 数据格式化 148
8.3.1 设置小数位数 149
8.3.2 设置百分比 150
8.3.3 设置千位分隔符 151
8.4 小结 151
第9章 数据统计及透视表 152
第10章 处理日期与时间 168
第11章 Scikit-Learn机器学习模块 188
第2篇 可视化图表
第12章 Matplotlib模块入门 200
第13章 Matplotlib模块进阶 242
第14章 Seaborn图表 265
第15章 Plotly图表 276
第16章 Bokeh图表 302
第17章 Pyecharts图表 327
第3篇 项目实战
第18章 综合案例：股票数据分析 356
第19章 综合案例：淘宝网订单分析 370
第20章 综合案例：网站用户数据分析 382
第21章 综合案例：NBA球员薪资的数据分析 389
《Python数据分析项目全程实录》
第1章 热销产品销售数据统计分析 1
——pandas numpy matplotlib ABC分类法
1.1 开发背景 1
1.2 系统设计 2
1.2.1 开发环境 2
1.2.2 分析流程 2
1.2.3 功能结构 2
1.3 技术准备 3
1.3.1 技术概览 3
1.3.2 ABC分类法 3
1.4 前期工作 4
1.4.1 开发环境设置 4
1.4.2 安装第三方模块 5
1.4.3 新建项目目录 5
1.4.4 数据准备 5
1.5 数据预处理 6
1.5.1 查看数据信息 6
1.5.2 缺失性分析 8
1.5.3 描述性统计分析 9
1.6 数据统计分析 10
1.6.1 月销售趋势分析 10
1.6.2 热销产品分析（ABC分类法） 12
1.6.3 热销单品环比增长情况分析 14
1.6.4 加购人数和购买数量分析 16
1.6.5 不同种类产品的销量占比情况分析 17
1.6.6 工作日与周末销量对比分析 19
1.7 项目运行 21
1.8 源码下载 22
第2章 篮坛薪酬揭秘：球员位置与薪资数据的深度分析 23
——pandas numpy matplotlib seaborn
第3章 股海秘籍：股票行情数据分析之旅 48
——tushare pandas matplotlib numpy mplfinance
第4章 京东某商家的销售评价数据分析 72
——pandas numpy jieba matplotlib pyecharts snownlp
第5章 商城注册用户数据探索分析 96
——MySQL sqlalchemy pandas matplotlib
第6章 自媒体账号内容数据分析 120
——pandas matplotlib plotly
第7章 汽车数据可视化与相关性分析 141
——pandas matplotlib seaborn
第8章 抖音电商数据分析系统 167
——pandas numpy pyecharts
第9章 会员数据化运营RFM分析实战 189
——RFM模型 pandas matplotlib seaborn
第10章 商超购物Apriori关联分析 212
——pandas matplotlib Apriori关联分析 mlxtend
第11章 基于K-Means算法实现鸢尾花聚类分析 232
——seaborn pandas matplotlib numpy scikit-learn 232
第12章 电视节目数据分析系统 260
——Qt Designer PyQt5 pandas pyecharts
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
