書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
Python商務數(shù)據(jù)分析與實戰(zhàn)(大數(shù)據(jù)技術精品系列教材)

Python商務數(shù)據(jù)分析與實戰(zhàn)(大數(shù)據(jù)技術精品系列教材)

出版社：人民郵電出版社出版時間：2022-08-01
開本： 16開 頁數(shù)： 251
中 圖 價:¥42.5(7.1折) 定價  ¥59.8 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

Python商務數(shù)據(jù)分析與實戰(zhàn)(大數(shù)據(jù)技術精品系列教材) 版權信息

Python商務數(shù)據(jù)分析與實戰(zhàn)(大數(shù)據(jù)技術精品系列教材) 本書特色

適讀人群 ：本書可作為高校數(shù)據(jù)科學或商務數(shù)據(jù)分析相關專業(yè)的教材，也可作為數(shù)據(jù)分析愛好者的自學用書。1.將Python基礎與機器學習常用編程庫精煉整合，幫助零基礎讀者更快地學會使用Python進行機器學習。 2.以Python數(shù)據(jù)分析常用技術與真實案例相結合的方式，深入淺出地介紹了從零開始進行商務數(shù)據(jù)分析的**技能 3.設計思路以應用為導向，讓讀者明確如何利用所學知識來解決問題，通過課后練習鞏固所學知識，使讀者真正理解并能夠應用所學知識 4.提供PPT課件、教學大綱、教學進度表等教學資源

Python商務數(shù)據(jù)分析與實戰(zhàn)(大數(shù)據(jù)技術精品系列教材) 內容簡介

本書以Python數(shù)據(jù)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(shù)據(jù)分析應用的重要內容。本書共10章，第1章介紹商務數(shù)據(jù)分析的基本概念、流程、應用場景，以及常用數(shù)據(jù)分析工具；第2章介紹Python的環(huán)境配置，以及Python使用入門等；第3章介紹數(shù)據(jù)獲取，包括常見的數(shù)據(jù)來源、數(shù)據(jù)類型、數(shù)據(jù)讀取方式，以及常用Python數(shù)據(jù)格式轉換與讀/寫函數(shù)；第4章介紹探索性分析，包括描述性統(tǒng)計分析和可視化分析，以及常用Python探索性分析函數(shù)；第5章介紹數(shù)據(jù)預處理中的各個步驟，包括數(shù)據(jù)清洗、數(shù)據(jù)合并和數(shù)據(jù)變換，以及它們各自對應的Python函數(shù)；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(lián)規(guī)則、時序模式和智能推薦；第7～9章分別介紹O2O優(yōu)惠券個性化投放、零售商品購物籃分析、餐飲企業(yè)綜合分析等案例；第10章介紹使用TipDM數(shù)據(jù)挖掘建模平臺實現(xiàn)餐飲企業(yè)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(shù)據(jù)科學或商務數(shù)據(jù)分析相關專業(yè)的教材，也可作為數(shù)據(jù)分析愛好者的自學用書。

Python商務數(shù)據(jù)分析與實戰(zhàn)(大數(shù)據(jù)技術精品系列教材) 目錄

第 1章 商務數(shù)據(jù)分析概述 1
1．1 商務數(shù)據(jù)分析的基本概念 1
1．2 數(shù)據(jù)分析流程 2
1．2．1 需求分析 3
1．2．2 數(shù)據(jù)獲取 3
1．2．3 探索性分析 3
1．2．4 數(shù)據(jù)預處理 3
1．2．5 構建模型 3
1．2．6 模型評價 4
1．2．7 應用 4
1．3 商務數(shù)據(jù)分析應用場景 4
1．4 數(shù)據(jù)分析工具 6
1．4．1 常用的數(shù)據(jù)分析工具 6
1．4．2 Python數(shù)據(jù)分析的優(yōu)勢 7
1．4．3 Python數(shù)據(jù)分析常用庫 7
小結 9
課后習題 9
第 2章 Python數(shù)據(jù)分析簡介 10
2．1 Python數(shù)據(jù)分析環(huán)境 10
2．1．1 Python的Anaconda發(fā)行版 10
2．1．2 Anaconda安裝 11
2．2 Python使用入門 15
2．2．1 運行方式 16
2．2．2 基本命令 17
2．2．3 庫的導入與添加 19
小結 20
課后習題 21
第3章 數(shù)據(jù)獲取 22
3．1 常見的數(shù)據(jù)來源 22
3．2 數(shù)據(jù)類型 23
3．3 數(shù)據(jù)讀取方式 24
3．3．1 數(shù)據(jù)庫連接 24
3．3．2 文件讀取 25
3．4 常用的Python數(shù)據(jù)格式轉換與讀 寫函數(shù) 27
3．4．1 常用的Python數(shù)據(jù)格式轉換函數(shù) 27
3．4．2 常用的Python數(shù)據(jù)讀 寫函數(shù) 28
小結 31
課后習題 31
第4章 探索性分析 33
4．1 描述性統(tǒng)計分析 33
4．1．1 集中趨勢統(tǒng)計指標 33
4．1．2 離散程度統(tǒng)計指標 34
4．2 可視化分析 36
4．2．1 散點圖 36
4．2．2 折線圖 37
4．2．3 柱形圖 40
4．2．4 餅圖 41
4．2．5 箱線圖 42
4．2．6 熱力圖 44
4．3 常用的Python探索性分析函數(shù) 48
4．3．1 常用的Python基本統(tǒng)計分析函數(shù) 48
4．3．2 常用的Python作圖函數(shù) 48
小結 52
課后習題 53
第5章 數(shù)據(jù)預處理 54
5．1 數(shù)據(jù)清洗 54
5．1．1 缺失值處理 55
5．1．2 異常值處理 58
5．2 數(shù)據(jù)合并 61
5．2．1 多表合并 62
5．2．2 分組聚合 69
5．3 數(shù)據(jù)變換 76
5．3．1 函數(shù)變換 77
5．3．2 數(shù)據(jù)標準化 77
5．3．3 連續(xù)屬性離散化 79
5．3．4 屬性構造 82
5．4 Python的主要數(shù)據(jù)預處理函數(shù) 83
小結 85
課后習題 85
第6章 構建模型 87
6．1 分類與回歸 87
6．1．1 實現(xiàn)過程 88
6．1．2 常用的分類與回歸算法 89
6．1．3 回歸分析 89
6．1．4 決策樹 93
6．1．5 人工神經(jīng)網(wǎng)絡 99
6．1．6 分類與回歸算法評價 105
6．1．7 常用的Python分類與回歸算法 109
6．2 聚類分析 109
6．2．1 常用的聚類分析算法 110
6．2．2 K-Means算法 111
6．2．3 聚類分析算法評價 116
6．2．4 常用的Python聚類分析算法 118
6．3 關聯(lián)規(guī)則 120
6．3．1 常用的關聯(lián)規(guī)則算法 120
6．3．2 Apriori算法實現(xiàn) 121
6．4 時序模式 126
6．4．1 時間序列分析方法與模型 126
6．4．2 時間序列的預處理 127
6．4．3 平穩(wěn)時間序列分析 129
6．4．4 非平穩(wěn)時間序列分析 132
6．4．5 常用的Python時序模式算法 139
6．5 智能推薦 141
6．5．1 常見的智能推薦算法 142
6．5．2 智能推薦算法評價 143
6．5．3 Python智能推薦算法 145
小結 153
課后習題 153
第7章 O2O優(yōu)惠券個性化投放 155
7．1 業(yè)務背景與項目目標 155
7．2 分析方法與過程 156
7．2．1 數(shù)據(jù)獲取 157
7．2．2 探索性分析 158
7．2．3 數(shù)據(jù)預處理 166
7．2．4 構建模型 171
7．2．5 模型評價 174
7．2．6 應用 176
小結 177
課后習題 177
第8章 零售商品購物籃分析 178
8．1 業(yè)務背景與項目目標 178
8．2 分析方法與過程 179
8．2．1 數(shù)據(jù)獲取 179
8．2．2 探索性分析 180
8．2．3 數(shù)據(jù)預處理 186
8．2．4 構建模型 187
8．2．5 模型評價 189
8．2．6 應用 189
小結 189
課后習題 190
第9章 餐飲企業(yè)綜合分析 191
9．1 業(yè)務背景與項目目標 191
9．2 分析方法與過程 193
9．2．1 數(shù)據(jù)獲取 193
9．2．2 探索性分析 196
9．2．3 數(shù)據(jù)預處理 201
9．2．4 構建模型 203
9．2．5 模型評價 225
9．2．6 應用 231
小結 231
課后習題 231
第 10章 基于TipDM數(shù)據(jù)挖掘建模平臺進行餐飲企業(yè)綜合分析 232
10．1 平臺簡介 232
10．1．1 首頁 233
10．1．2 數(shù)據(jù)源 234
10．1．3 工程 235
10．1．4 系統(tǒng)組件 236
10．1．5 TipDM數(shù)據(jù)挖掘建模平臺的本地化部署 237
10．2 快速構建餐飲企業(yè)綜合分析工程 239
10．2．1 數(shù)據(jù)獲取 240
10．2．2 數(shù)據(jù)預處理 243
10．2．3 探索性分析 244
10．2．4 構建模型 247
小結 251
課后習題 251
參考文獻 252
展開全部

Python商務數(shù)據(jù)分析與實戰(zhàn)(大數(shù)據(jù)技術精品系列教材) 作者簡介

何偉，男，中共黨員，1982年出生，工學博士，副教授，碩士生導師，閩都學者拔尖人才，香港理工訪問學者，入選福建省高校杰出青年科研人才培育計劃。 主要研究領域：智能系統(tǒng)與信息融合、船海裝備與新能源。近三年，承擔了《系統(tǒng)工程》、《大數(shù)據(jù)分析與應用》《智能交通系統(tǒng)創(chuàng)新》、《物流技術與設備》等課程教學任務，先后在國內外發(fā)表學術論文30余篇，其中SCI、EI等檢索收錄論文20余篇；主持和參與國家自然科學基金、省自然科學基金項目等省部級以上項目十余項；獲得福建省教學成果特等獎、福建省科技進步二等獎、中國航海學會科學技術一等獎等多項省部級獎項，F(xiàn)兼任福建省創(chuàng)新創(chuàng)業(yè)創(chuàng)造教育指導委員會委員，中國智能交通協(xié)會水路交通專業(yè)委員會委員，福建省船舶與海洋工程學會委員。 張良均 高級信息系統(tǒng)項目管理師，泰迪杯全國大學生數(shù)據(jù)挖掘競賽（www.tipdm.org）的發(fā)起人。華南師范大學、廣東工業(yè)大學兼職教授，廣東省工業(yè)與應用數(shù)學學會理事。兼有大型高科技企業(yè)和高校的工作經(jīng)歷，主要從事大數(shù)據(jù)挖掘及其應用的策劃、研發(fā)及咨詢培訓。全國計算機技術與軟件專業(yè)技術資格（水平）考試繼續(xù)教育和CDA數(shù)據(jù)分析師培訓講師。發(fā)表數(shù)據(jù)挖掘相關論文數(shù)二十余篇，已取得國家發(fā)明專利12項，主編圖書《神經(jīng)網(wǎng)絡實用教程》、《數(shù)據(jù)挖掘:實用案例分析》、《MATLAB數(shù)據(jù)分析與挖掘實戰(zhàn)》等9本暢銷圖書，主持并完成科技項目9項。獲得SAS、SPSS數(shù)據(jù)挖掘認證及Hadoop開發(fā)工程師證書，具有電力、電信、銀行、制造企業(yè)、電子商務和電子政務的項目經(jīng)驗和行業(yè)背景。 張良均 資深大數(shù)據(jù)專家，廣東泰迪智能科技股份有限公司董事長，國家科技部入庫技術專家，教育部全國專業(yè)學位水平評估專家，工信部教育與考試中心入庫專家，中國工業(yè)與應用數(shù)學學會理事，廣東省工業(yè)與應用數(shù)學學會副理事長，廣東省高等職業(yè)教育教學指導委員會委員，華南師范大學、中南財經(jīng)政法大學等40余所高校校外碩導或兼職教授，泰迪杯全國數(shù)據(jù)挖掘挑戰(zhàn)賽發(fā)起人。 曾在國內外重要學術刊物上發(fā)表學術論文10余篇，主導編寫圖書專著60余部，其中獲普通高等教育“十一五”規(guī)劃教材一部，“十三五”職業(yè)教育國家規(guī)劃教材一部；參與標準建設4項，主持***課題1項、省部級課題4項。獲得SAS、SPSS數(shù)據(jù)挖掘認證及Hadoop開發(fā)工程師證書，具有信訪、電力、電信、銀行、制造企業(yè)、電子商務和電子政務的項目經(jīng)驗和行業(yè)背景，并榮獲中國產(chǎn)學研合作促進獎、中國南方電網(wǎng)公司發(fā)明專利一等獎、廣東省農(nóng)業(yè)技術推廣二等獎、廣州市荔灣區(qū)科學技術進步獎。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服