目錄
上篇Pandas數據分析基礎
第1章數據分析初探
1.1“數據+”時代的到來
1.2什么是數據分析
1.2.1數據分析的目標
1.2.2數據分析分類
1.2.3典型的數據分析方法
1.3數據分析的基本流程
1.3.1問題定義
1.3.2收集數據
1.3.3數據處理
1.3.4數據分析
1.3.5結果解讀與應用
1.4硝煙中的數據分析
1.4.1數據分析的產生
1.4.2驗證問題
1.4.3尋找原因
1.4.4數據怎么說
1.4.5數據分析中應該避免的典型問題
第2章搭建數據科學開發環境
2.1為什么選擇Python
2.1.1人生苦短，我用Python
2.1.2為何Python是數據科學家的*佳選擇
2.2Python數據科學開發棧
2.2.1Cython
2.2.2NumPy
2.2.3IPython
2.2.4Jupyter
2.2.5SciPy
2.2.6Matplotlib
2.2.7Pandas
2.2.8Scikitlearn
2.2.9NetworkX
2.2.10PyMC3
2.2.11數據科學領域中*新的一些Python包
2.3Anaconda的安裝與使用
2.3.1安裝Anaconda
2.3.2利用Conda管理Python環境
2.3.3利用Conda管理Python包
2.3.4安裝本書所需的包
2.4使用Jupyter Notebook進行可重復數據分析
2.4.1Jupyter Notebook的配置
2.4.2Jupyter Notebook中的單元格
2.4.3Jupyter Notebook中的命令模式與編輯模式鍵
2.4.4使用Jupyter Notebook進行數據分析
第3章Pandas基礎
3.1什么是DataFrame
3.1.1DataFrame的基本要素
3.1.2數據類型
3.1.3了解Series
3.1.4鏈式方法
3.2索引與列
3.2.1修改索引與列
3.2.2添加、修改或刪除列
3.3選擇多列
第4章數據篩選
4.1使用.loc和.iloc篩選行與列數據
4.1.1選擇Series和DataFrame中的行
4.1.2同時選擇行與列
4.2布爾選擇
4.2.1計算布爾值
4.2.2多條件篩選數據
第5章開始利用Pandas進行數據分析
5.1了解元數據
5.2數據類型轉換
5.3缺失數據與異常數據處理
5.3.1缺失值與重復值
5.3.2處理缺失數據
5.3.3NumPy與Pandas對缺失數據的不同處理方式
5.3.4填充缺失值
5.4處理重復數據
5.5異常值
5.6描述性統計
第6章數據整理
6.1什么是數據整理
6.1.1數據的語義
6.1.2整齊的數據
6.2數據整理實戰
6.2.1列標題是值，而非變量名
6.2.2多個變量存儲在一列中
6.2.3變量既在列中存儲，又在行中存儲
6.2.4多個觀測單元存儲在同一表中
6.2.5一個觀測單元存儲在多個表中
6.2.6思考
第7章分組統計
7.1分組、應用和聚合
7.2Pandas中的GroupBy操作
7.2.1單列數據分組統計
7.2.2多列數據分組統計
7.2.3使用自定義函數進行分組統計
7.2.4數據過濾與變換
第8章數據整合
8.1數據讀入
8.1.1基本數據讀入方法
8.1.2文件讀取進階
8.1.3讀取其他格式文件
8.2數據合并
8.2.1認識merge操作
8.2.2merge進階
8.2.3join與concat
第9章數據可視化
9.1Matplotlib
9.1.1繪制**個散點圖
9.1.2理解figure與axes
9.1.3Matplotlib中面向對象與類Matlab語法的區別
9.1.4修改坐標軸屬性
9.1.5修改圖形屬性
9.1.6定制圖例，添加標注
9.1.7子圖
9.1.8利用Matplotlib繪制各種圖形
9.2Pandas繪圖
9.2.1Pandas基礎繪圖
9.2.2整合Pandas繪圖與Matplotlib繪圖
9.3Seaborn
9.3.1Seaborn中的樣式
9.3.2Seaborn繪制統計圖形
9.4可視化進階
9.4.1其他可視化工具
9.4.2推薦讀物
第10章探索性數據分析——某電商銷售數據分析
10.1數據清洗
10.1.1分析準備
10.1.2了解數據
10.2數據清洗與整理
10.2.1數據類型轉換與錯誤數據刪除
10.2.2添加新數據
10.3探索性數據分析
10.3.1客戶分析
10.3.2訂單趨勢分析
10.3.3客戶國家分析
10.3.4留給讀者的問題
下篇Python數據分析實戰
第11章群組分析
11.1群組分析概述
11.1.1從AARRR到RARRA的轉變
11.1.2什么是群組分析
11.2群組分析實戰
11.2.1定義群組以及周期
11.2.2群組分析具體過程
11.2.3思考
第12章利用RFM分析對用戶進行分類
12.1RFM分析簡介
12.1.1RFM模型概述
12.1.2理解RFM
12.2RFM實戰
12.2.1R、F、M值的計算
12.2.2利用RFM模型對客戶進行細分
12.2.3思考
第13章購物籃分析
13.1購物籃分析概述
13.1.1什么是購物籃分析
13.1.2購物籃分析在超市中的應用
13.1.3購物籃分析實現
13.2購物籃分析案例
13.2.1Mlxtend庫中Apriori算法使用介紹
13.2.2在線銷售數據購物籃分析
13.3留給讀者的思考
第14章概率分布
14.1隨機數
14.2常見的概率分布
14.2.1均勻分布
14.2.2正態分布
14.2.3二項分布
14.2.4泊松分布
14.2.5幾何分布與指數分布
14.3點估計與置信區間
14.3.1點估計
14.3.2抽樣分布與中心極限定理
14.3.3置信區間
14.4留給讀者的思考
第15章假設檢驗
15.1假設檢驗概述
15.1.1初識假設檢驗
15.1.2假設檢驗的步驟
15.1.3假設檢驗中的Ⅰ類錯誤與Ⅱ類錯誤
15.2Python中的假設檢驗
15.2.1單樣本ttest
15.2.2雙樣本ttest
15.2.3配對ttest
15.2.4卡方檢驗
15.3留給讀者的思考
第16章一名數據分析師的游戲上線之旅
16.1游戲啟動時間是否超過目標
16.1.1啟動時間是否超過3秒
16.1.2構造啟動時間監測圖
16.2次日留存率是否大于30%
16.3應該在游戲第幾關加入關聯微信提示
16.3.1A/B測試
16.3.2貝葉斯解決方案
16.4如何定價
16.5留給讀者的思考
第17章利用數據分析找工作
17.1設定分析目標
17.1.1問題定義
17.1.2獲取數據
17.2準備分析數據
17.2.1數據準備
17.2.2數據清洗
17.3開始數據分析
17.3.1職位來自哪里
17.3.2職位薪酬如何
17.3.3崗位要求
17.3.4思考
第18章用數據解讀成都房價
18.1設定分析目標
18.1.1問題定義
18.1.2獲取數據
18.2解讀成都二手房
18.2.1數據準備
18.2.2列名調整
18.2.3數據類型轉換
18.2.4數據解讀
18.2.5思考
第19章時間序列分析
19.1認識時間序列數據
19.1.1讀入時間序列數據
19.1.2時間序列數據的可視化
19.2時間序列數據的分解
19.2.1認識時間序列數據中的模式
19.2.2Python中進行時間序列數據的分解
19.3時間序列的平穩性
19.3.1認識平穩與非平穩時間序列
19.3.2如何讓時間序列平穩
19.4利用ARIMA模型分析家具銷售
19.4.1ARIMA模型簡介
19.4.2數據準備
19.4.3ARIMA模型中的參數
19.5留給讀者的思考
第20章股票數據分析
20.1股票收益分析
20.1.1獲取股票數據
20.1.2計算每日收益
20.1.3多只股票收益比較
20.1.4股價相關性分析
20.2CAPM資產定價模型選股
20.2.1CAPM公式
20.2.2在Python中實現CAPM
20.3留給讀者的思考
第21章大規模數據處理
21.1不同規模數據處理工具的選擇
21.2利用Pandas處理大規模數據
21.2.1文件分塊讀入
21.2.2使用數據庫
21.2.3使用DASK
21.3其他可選方法
21.4留給讀者的思考