顶部
收藏

数据分析技术——Python数据分析项目化教程


作者:
薛国伟
定价:
36.80元
ISBN:
978-7-04-050747-8
版面字数:
0.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2019-03-14
读者对象:
高等职业教育
一级分类:
计算机大类
二级分类:
计算机类
三级分类:
计算机应用技术

本书为“十三五”职业教育国家规划教材。

本书从Python 的相关技能开始,介绍使用Python 进行数据分析的知识、技术和技能。本书主要包括安装、配置Python 及第三方扩展包的方法;Python 语言基础;使用Python 进行数据分析的基本方法;使用numpy 进行数据分析的基本方法;使用pandas 进行数据分析的基本方法和数据可视化技术。

本书配有微课视频、授课用PPT、案例素材、习题答案等丰富的数字化学习资源。与本书配套的数字课程“数据分析技术”已在“智慧职教”平台(www.icve.com.cn)上线,学习者可以登录平台进行在线学习及资源下载,授课教师可以调用本课程构建符合自身教学特色的SPOC 课程,详见“智慧职教”服务指南。教师也可发邮件至编辑邮箱1548103297@qq.com 获取相关资源。

本书适合Python 初、中级用户使用,可作为高等职业院校与应用型本科院校软件技术专业、大数据技术与应用专业的专业教材,也可供软件设计学习者参考使用。

  • 前辅文
  • 项目1 搭建Python 数据分析开发环境
    • 1.1 情境描述
    • 1.2 任务分析
    • 1.3 任务实施:安装并配置Python 开发环境
      • 1.3.1 安装Microsoft Visual C++Build Tools
      • 1.3.2 安装Python
      • 1.3.3 设置环境变量
      • 1.3.4 安装numpy
      • 1.3.5 安装pandas
      • 1.3.6 安装Matplotlib
    • 1.4 拓展任务:安装Anaconda 开发环境
    • 1.5 知识储备
      • 1.5.1 IDLE 开发环境介绍
      • 1.5.2 使用pip 进行第三方库管理
      • 1.5.3 Anaconda 开发环境介绍
      • 1.5.4 使用conda 进行第三方库管理
    • 1.6 课后练习
  • 项目2 点餐系统
    • 2.1 情境描述
    • 2.2 任务分析
    • 2.3 任务实施
      • 2.3.1 设计入口程序
      • 2.3.2 设计费用计算函数
      • 2.3.3 设计点餐模块
      • 2.3.4 设计打印报告模块
      • 2.3.5 设计导出报表模块
      • 2.3.6 退出程序
    • 2.4 知识储备
      • 2.4.1 Python 解释器
      • 2.4.2 引入模块
      • 2.4.3 语言基础
      • 2.4.4 控制流
      • 2.4.5 三元表达式
      • 2.4.6 文件操作
    • 2.5 课后练习
  • 项目3 景区游客量统计
    • 3.1 情境描述
    • 3.2 任务分析
    • 3.3 任务实施:使用Python 实现
      • 3.3.1 计算九寨沟的游客总量
      • 3.3.2 计算其他景区的游客总数
    • 3.4 任务实施:使用numpy 和pandas包实现
      • 3.4.1 使用numpy 包实现
      • 3.4.2 使用pandas 包实现
      • 3.4.3 3 种实现方法的比较
    • 3.5 知识储备
      • 3.5.1 数据分析技术简介
      • 3.5.2 CSV 文件介绍
      • 3.5.3 Excel 文件介绍
      • 3.5.4 Python 常用数值类型
      • 3.5.5 字符串类型
      • 3.5.6 布尔值类型
      • 3.5.7 日期和时间类型
      • 3.5.8 元组
      • 3.5.9 列表
      • 3.5.10 字典
      • 3.5.11 集合
    • 3.6 课后练习
  • 项目4 新浪股票分析
    • 4.1 情境描述
    • 4.2 任务分析
    • 4.3 任务实施
      • 4.3.1 计算收盘价常用统计量
      • 4.3.2 计算股价最高值和最低值
      • 4.3.3 计算成交量加权平均价
      • 4.3.4 “周末效应”分析
    • 4.4 知识储备
      • 4.4.1 numpy 简介
      • 4.4.2 使用numpy 数组对象
      • 4.4.3 使用numpy 的函数读写文件
    • 4.5 课后练习
  • 项目5 井下环境监测数据处理
    • 5.1 情境描述
    • 5.2 任务分析
    • 5.3 任务实施
      • 5.3.1 井下温度缺失值和异常值处理
      • 5.3.2 处理其余井下环境指标数据
      • 5.3.3 使用pandas 处理缺失数据
    • 5.4 知识储备
      • 5.4.1 pandas 介绍
      • 5.4.2 pandas 的Series 对象
      • 5.4.3 pandas 的DataFrame 对象
      • 5.4.4 使用pandas 的函数读写文件
    • 5.5 课后练习
  • 项目6 超市商品销售额相关性分析
    • 6.1 情境描述
    • 6.2 任务分析
    • 6.3 任务实施
      • 6.3.1 分析水果和化妆品销售额的相关性
      • 6.3.2 分析化妆品和蔬菜的相关性
      • 6.3.3 分析化妆品和海鲜销售额的相关性
      • 6.3.4 使用pandas 分析多种商品销售额的相关性
    • 6.4 知识储备
      • 6.4.1 方差、标准差、协方差、相关系数
      • 6.4.2 使用 Matplotlib 进行数据可视化
    • 6.5 课后练习
  • 参考文献

相关图书