幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python商務數據分析與實戰(大數據技術精品系列教材)

  • 作者：編者:何偉//張良均|責編:初美呈
  • 出版社：人民郵電
  • ISBN：9787115589781
  • 出版日期：2022/08/01
  • 裝幀：平裝
  • 頁數：251
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以Python數據分析常用技術與真實案例相結合的方式，深入淺出地介紹Python商務數據分析應用的重要內容。本書共10章，第1章介紹商務數據分析的基本概念、流程、應用場景，以及常用數據分析工具；第2章介紹Python的環境配置，以及Python使用入門等；第3章介紹數據獲取，包括常見的數據來源、數據類型、數據讀取方式，以及常用Python數據格式轉換與讀/寫函數；第4章介紹探索性分析，包括描述性統計分析和可視化分析，以及常用Python探索性分析函數；第5章介紹數據預處理中的各個步驟，包括數據清洗、數據合併和數據變換，以及它們各自對應的Python函數；第6章介紹各類模型的構建與評價方法，包括分類與回歸、聚類分析、關聯規則、時序模式和智能推薦；第7?9章分別介紹O2O優惠券個性化投放、零售商品購物籃分析、餐飲企業綜合分析等案例；第10章介紹使用TipDM數據挖掘建模平台實現餐飲企業綜合分析案例。第2?6章包含選擇題和操作題，第7?10章包含操作題，通過練習和操作實踐，讀者可以鞏固所學內容。
    本書可作為高校數據科學或商務數據分析相關專業的教材，也可作為數據分析愛好者的自學用書。
作者介紹
編者:何偉//張良均|責編:初美呈
目錄
第1章  商務數據分析概述
  1.1  商務數據分析的基本概念
  1.2  數據分析流程
    1.2.1  需求分析
    1.2.2  數據獲取
    1.2.3  探索性分析
    1.2.4  數據預處理
    1.2.5  構建模型
    1.2.6  模型評價
    1.2.7  應用
  1.3  商務數據分析應用場景
  1.4  數據分析工具
    1.4.1  常用的數據分析工具
    1.4.2  Python數據分析的優勢
    1.4.3  Python數據分析常用庫
  小結
  課後習題
第2章  Python數據分析簡介
  2.1  Python數據分析環境
    2.1.1  Python的Anaconda發行版
    2.1.2  Anaconda安裝
  2.2  Python使用入門
    2.2.1  運行方式
    2.2.2  基本命令
    2.2.3  庫的導入與添加
  小結
  課後習題
第3章  數據獲取
  3.1  常見的數據來源
  3.2  數據類型
  3.3  數據讀取方式
    3.3.1  資料庫連接
    3.3.2  文件讀取
  3.4  常用的Python數據格式轉換與讀/寫函數
    3.4.1  常用的Python數據格式轉換函數
    3.4.2  常用的Python數據讀/寫函數
  小結
  課後習題
第4章  探索性分析
  4.1  描述性統計分析
    4.1.1  集中趨勢統計指標
    4.1.2  離散程度統計指標
  4.2  可視化分析
    4.2.1  散點圖
    4.2.2  折線圖
    4.2.3  柱形圖
    4.2.4  餅圖
    4.2.5  箱線圖
    4.2.6  熱力圖
  4.3  常用的Python探索性分析函數

    4.3.1  常用的Python基本統計分析函數
    4.3.2  常用的Python作圖函數
  小結
  課後習題
第5章  數據預處理
  5.1  數據清洗
    5.1.1  缺失值處理
    5.1.2  異常值處理
  5.2  數據合併
    5.2.1  多表合併
    5.2.2  分組聚合
  5.3  數據變換
    5.3.1  函數變換
    5.3.2  數據標準化
    5.3.3  連續屬性離散化
    5.3.4  屬性構造
  5.4  Python的主要數據預處理函數
  小結
  課後習題
第6章  構建模型
  6.1  分類與回歸
    6.1.1  實現過程
    6.1.2  常用的分類與回歸演算法
    6.1.3  回歸分析
    6.1.4  決策樹
    6.1.5  人工神經網路
    6.1.6  分類與回歸演算法評價
    6.1.7  常用的Python分類與回歸演算法
  6.2  聚類分析
    6.2.1  常用的聚類分析演算法
    6.2.2  K-Means演算法
    6.2.3  聚類分析演算法評價
    6.2.4  常用的Python聚類分析演算法
  6.3  關聯規則
    6.3.1  常用的關聯規則演算法
    6.3.2  Apriori演算法實現
  6.4  時序模式
    6.4.1  時間序列分析方法與模型
    6.4.2  時間序列的預處理
    6.4.3  平穩時間序列分析
    6.4.4  非平穩時間序列分析
    6.4.5  常用的Python時序模式演算法
  6.5  智能推薦
    6.5.1  常見的智能推薦演算法
    6.5.2  智能推薦演算法評價
    6.5.3  Python智能推薦演算法
  小結
  課後習題
第7章  O2O優惠券個性化投放
  7.1  業務背景與項目目標

  7.2  分析方法與過程
    7.2.1  數據獲取
    7.2.2  探索性分析
    7.2.3  數據預處理
    7.2.4  構建模型
    7.2.5  模型評價
    7.2.6  應用
  小結
  課後習題
第8章  零售商品購物籃分析
  8.1  業務背景與項目目標
  8.2  分析方法與過程
    8.2.1  數據獲取
    8.2.2  探索性分析
    8.2.3  數據預處理
    8.2.4  構建模型
    8.2.5  模型評價
    8.2.6  應用
  小結
  課後習題
第9章  餐飲企業綜合分析
  9.1  業務背景與項目目標
  9.2  分析方法與過程
    9.2.1  數據獲取
    9.2.2  探索性分析
    9.2.3  數據預處理
    9.2.4  構建模型
    9.2.5  模型評價
    9.2.6  應用
  小結
  課後習題
第10章  基於TipDM數據挖掘建模平台進行餐飲企業綜合分析
  10.1  平台簡介
    10.1.1  首頁
    10.1.2  數據源
    10.1.3  工程
    10.1.4  系統組件
    10.1.5  TipDM數據挖掘建模平台的本地化部署
  10.2  快速構建餐飲企業綜合分析工程
    10.2.1  數據獲取
    10.2.2  數據預處理
    10.2.3  探索性分析
    10.2.4  構建模型
  小結
  課後習題
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032