隨著大數(shù)據(jù)與人工智能技術的深度滲透，數(shù)據(jù)分析已成為各行業(yè)從業(yè)者的必備技能，Python 憑借高效靈活的特性，成為數(shù)據(jù)分析的核心工具。在工程管理等領域，數(shù)據(jù)分析方法課程的重要性愈發(fā)凸顯。本書緊扣經(jīng)濟建設主戰(zhàn)場需求，依托作者多年教學經(jīng)驗編寫，共分12章，內容深入淺出、循序漸進，著重講述Python語言和數(shù)據(jù)分析工具包的應用，全面、系統(tǒng)地介紹了Python編程技術及其在數(shù)據(jù)科學、機器學習、數(shù)據(jù)可視化等領域應用中的核心知識點。針對每個知識點，均搭配多個實例進行拆解分析，既提升讀者學習興趣，又加深對知識的理解吸收。本書適用范圍廣泛，不僅可作為高校 IT 相關專業(yè)的教材，還能作為工程管理、金融科技等專業(yè)的課程教材與參考用書，同時為數(shù)據(jù)分析、機器學習領域的專業(yè)人士與研究人員提供實用指導。 本書中配有二維碼，掃碼可以獲取習題解答、補充案例以及書中源程序和數(shù)據(jù)集。
陳崗，博士，上海財經(jīng)大學工程管理專業(yè)碩士（MEM）教育中心主任、副教授。曾任上海財經(jīng)大學信息管理與工程學院計算機系副主任、上海財經(jīng)大學教育技術中心副主任。教育部學位論文評審專家。
第1章 開發(fā)環(huán)境和工具 ／1 1.1 Python開發(fā)環(huán)境 ／1 1.2 Python開發(fā)和運行工具 ／3 本章小結 ／16 本章習題 ／16 第2章 Python數(shù)據(jù)類型和結構 ／17 2.1 標識符與變量 ／17 2.2 Python基本數(shù)據(jù)類型 ／19 2.3 Python內置數(shù)據(jù)類型 ／25 2.4 綜合案例 ／43 本章小結 ／44 本章習題 ／44 第3章 Python程序結構 ／45 3.1 順序結構 ／45 3.2 選擇結構 ／50 3.3 循環(huán)結構 ／56 本章小結 ／63 本章習題 ／63 第4章 Python函數(shù) ／64 4.1 Python函數(shù)概述 ／64 4.2 內置函數(shù)和標準庫函數(shù) ／65 4.3 自定義函數(shù) ／68 4.4 函數(shù)的遞歸調用 ／75 4.5 綜合案例 ／77 4.6 Lambda函數(shù) ／81 本章小結 ／83 本章習題 ／83 第5章 數(shù)據(jù)分析的基礎模塊 ／84 5.1 模塊 ／84 5.2 NumPy模塊 ／85 5.3 Pandas模塊 ／108 本章小結 ／141 本章習題 ／142 第6章 數(shù)據(jù)可視化 ／143 6.1 用 Matplotlib實現(xiàn)數(shù)據(jù)可視化 ／144 6.2 Turtle模塊 ／167 6.3 用seaborn實現(xiàn)數(shù)據(jù)可視化 ／173 6.4 詞云 ／181 本章小結 ／186 本章習題 ／186 第7章 數(shù)據(jù)分析基礎 ／187 7.1 數(shù)據(jù)分析概述 ／187 7.2 數(shù)據(jù)分析流程 ／190 7.3 數(shù)據(jù)分析報告 ／207 本章小結 ／211 本章習題 ／212 第8章 數(shù)據(jù)分析方法 ／213 8.1 數(shù)據(jù)質量分析 ／213 8.2 數(shù)據(jù)特征分析 ／217 8.3 數(shù)據(jù)分析方法 ／220 8.4 綜合案例 ／234 本章小結 ／238 本章習題 ／238 第9章 淘寶用戶購物行為數(shù)據(jù)分析 ／239 9.1 數(shù)據(jù)來源與預處理 ／239 9.2 數(shù)據(jù)分析與可視化 ／243 9.3 數(shù)據(jù)分析結論及對企業(yè)的建議 ／247 本章小結 ／248 本章習題 ／249 第10章 基于BOSS直聘的數(shù)據(jù)分析師薪資結構研究 ／250 10.1 數(shù)據(jù)來源 ／250 10.2 數(shù)據(jù)清洗 ／252 10.3 可視化分析 ／255 10.4 數(shù)據(jù)分析結論 ／262 本章小結 ／262 本章習題 ／263 第11章 基于K-Means聚類分析的超市客戶細分與精準營銷策略 ／264 11.1 數(shù)據(jù)來源 ／265 11.2 數(shù)據(jù)分析可視化 ／273 11.3 所用模型 ／280 本章小結 ／288 本章習題 ／288 第12章 基于隨機森林模型的電商客戶流失數(shù)據(jù)分析 ／289 12.1 業(yè)務場景分析及數(shù)據(jù)來源 ／290 12.2 數(shù)據(jù)預處理 ／291 12.3 隨機森林模型建立與分析 ／307 12.4 平臺運營建議 ／313 本章小結 ／314 本章習題 ／314 主要參考文獻 ／316
書單推薦
