《Python数据分析与应用》内容简介

本书以任务为导向，全面地介绍数据分析的流程和Python数据分析库的应用，详细讲解利用Python解决企业实际问题的方法。全书共9章，第1章介绍了数据分析的基本概念等相关知识；第2～6章介绍了Python数据分析的常用库及其应用，涵盖NumPy数值计算、Matplotlib数据可视化、pandas统计分析、使用pandas进行数据预处理、使用scikit-learn构建模型，较为全面地阐述了Python数据分析方法；第7～9章结合之前所学的数据分析技术，进行企业综合案例数据分析。除第1章外，本书各章都包含了实训与课后习题，通过练习和操作实践，帮助读者巩固所学的内容。本书可作为高校大数据技术类专业的教材，也可以作为大数据技术爱好者的自学用书。
张良均，高级信息系统项目管理师，泰迪杯全国大学生数据挖掘竞赛（www.tipdm.org）的发起人。华南师范大学、广东工业大学兼职教授，广东省工业与应用数学学会理事。兼有大型高科技企业和高校的工作经历，主要从事大数据挖掘及其应用的策划、研发及咨询培训。全国计算机技术与软件专业技术资格（水平）考试继续教育和CDA数据分析师培训讲师。发表数据挖掘相关论文数二十余篇，已取得国家发明专利12项，主编图书《神经网络实用教程》《数据挖掘:实用案例分析》《Python数据分析与挖掘》等多本畅销图书，主持并完成科技项目9项。获得SAS、SPSS数据挖掘认证及Hadoop开发工程师证书，具有电力、电信、银行、制造企业、电子商务和电子政务的项目经验和行业背景。

作品目录

大数据专业系列图书编写委员会
序
前言
第1章：Python数据分析概述
任务1.1、认识数据分析
任务1.2、熟悉Python数据分析的工具
任务1.3、安装Python的Anaconda发行版
任务1.4、掌握Jupyter
Notebook常用功能
小结
课后习题
第2章：NumPy数值计算基础
任务2.1、掌握NumPy数组对象ndarray
任务2.2、掌握NumPy矩阵与通用函数
任务2.3、利用NumPy进行统计分析
小结
实训
课后习题
第3章：Matplotlib数据可视化基础
任务3.1、掌握绘图基础语法与常用参数
任务3.2、分析特征间的关系
任务3.3、分析特征内部数据分布与分散状况
小结
实训
课后习题
第4章：pandas统计分析基础
任务4.1、读/写不同数据源的数据
任务4.2、掌握DataFrame的常用操作
任务4.3、转换与处理时间序列数据
任务4.4、使用分组聚合进行组内计算
任务4.5、创建透视表与交叉表
小结
实训
课后习题
第5章：使用pandas进行数据预处理
任务5.1、合并数据
任务5.2、清洗数据
任务5.3、标准化数据
任务5.4、转换数据
小结
实训
课后习题
第6章：使用scikit-learn构建模型
任务6.1、使用sklearn转换器处理数据
任务6.2、构建并评价聚类模型
任务6.3、构建并评价分类模型
任务6.4、构建并评价回归模型
小结
实训
课后习题
第7章：航空公司客户价值分析
任务7.1、了解航空公司现状与客户价值分析
任务7.2、预处理航空客户数据
任务7.3、使用K-Means算法进行客户分群
小结
实训
课后习题
第8章：财政收入预测分析
任务8.1、了解财政收入预测的背景与方法
任务8.2、分析财政收入数据特征的相关性
任务8.3、使用Lasso回归选取财政收入预测的关键特征
任务8.4、使用灰色预测和SVR构建财政收入预测模型
小结
实训
课后习题
第9章：家用热水器用户行为分析与事件识别
任务9.1、了解家用热水器用户行为分析的背景与步骤
任务9.2、预处理热水器用户用水数据
任务9.3、构建用水行为特征并筛选用水事件
任务9.4、构建行为事件分析的BP神经网络模型
小结
实训
课后习题
附录A
附录B
参考文献