更新时间：2022-07-28 19:59:14
封面
版权页
内容简介
前言 Preface
第1篇 基础篇
第1章 了解数据分析
1.1 什么是数据分析
1.2 数据分析的重要性
1.3 数据分析的基本流程
1.4 数据分析常用工具
1.5 小结
第2章 搭建Python数据分析环境
2.1 Python概述
2.2 搭建Python开发环境
2.3 集成开发环境PyCharm
2.4 数据分析标准环境Anaconda
2.5 Jupyter Notebook开发工具
2.6 Spyder开发工具
2.7 开发工具比较与代码共用
2.8 小结
第2篇 实践篇
第3章 Pandas统计分析（上）
3.1 初识Pandas
3.2 Series对象
3.3 DataFrame对象
3.4 导入外部数据
3.5 数据抽取
3.6 数据的增加、修改和删除
3.7 数据清洗
3.8 索引设置
3.9 数据排序与排名
3.10 小结
第4章 Pandas统计分析（下）
4.1 数据计算
4.2 数据格式化
4.3 数据分组统计
4.4 数据移位
4.5 数据转换
4.6 数据合并
4.7 数据导出
4.8 日期数据处理
4.9 时间序列
4.10 综合应用
4.11 小结
第5章 Matplotlib可视化数据分析图表
5.1 数据分析图表的作用
5.2 如何选择适合的图表类型
5.3 图表的基本组成
5.4 Matplotlib概述
5.5 图表的常用设置
5.6 常用图表的绘制
5.7 综合应用
5.8 小结
第6章 Seaborn可视化数据分析图表
6.1 Seaborn图表概述
6.2 Seaborn图表之初体验
6.3 Seaborn图表的基本设置
6.4 常用图表的绘制
6.5 综合应用
6.6 小结
第7章 第三方可视化数据分析图表Pyecharts
7.1 Pyecharts概述
7.2 Pyecharts图表的组成
7.3 Pyecharts图表的绘制
7.4 综合应用
7.5 小结
第8章 图解数组计算模块NumPy
8.1 初识NumPy
8.2 创建数组
8.3 数组的基本操作
8.4 NumPy矩阵的基本操作
8.5 NumPy常用统计分析函数
8.6 综合应用
8.7 小结
第9章 数据统计分析案例
9.1 对比分析
9.2 同比、定比和环比分析
9.3 贡献度分析（帕累托法则）
9.4 差异化分析
9.5 相关性分析
9.6 时间序列分析
9.7 小结
第3篇 高级篇
第10章 机器学习库Scikit-Learn
10.1 Scikit-Learn简介
10.2 安装Scikit-Learn
10.3 线性模型
10.4 支持向量机
10.5 聚类
10.6 小结
第4篇 项目篇
第11章 注册用户分析（MySQL版）
11.1 概述
11.2 项目效果预览
11.3 项目准备
11.4 导入MySQL数据
11.5 项目实现过程
11.6 小结
第12章 电商销售数据分析与预测
12.1 概述
