教育>本科研究生>统计学类
Python数据分析基础教程

Python数据分析基础教程"

作者:王斌会,王术
ISBN:9787121339387
定价:¥45.0
字数:240千字
页数:192
出版时间:2018-10
开本:16开
版次:01-01
装帧:
出版社:电子工业出版社
简介

随着大数据时代的来临,一门集数学、统计学和计算机科学为一体的数据科学在世界范围内迅速兴起。数据科学也成为一门横跨自然科学和社会科学的学问。未来社会,各行各业,都免不了和数据打交道,需要借助于数据分析,需要学习数据分析。本书从数据处理的角度来讲解统计分析,内容包括数据科学基础——数据与软件、探索性分析、可视化技术、统计推断、统计模型,大数据分析基础——预测分析法、决策分析法、综合评价法,大数据分析方法——统计方法,大数据分析入门——综合应用。每种方法均辅以详细的Python语言实现,便于提高实际操作能力。并配套开发了学习网站,学习者可以在任何终端(包括手机)上做数据分析。

前言

前 言 众所周知,数据分析是以数理统计为基础,运用统计学的基本原理和方法,结合计算机对实际资料和信息进行收集、整理和分析的一门科学。因此,它的原理较为抽象,对学生的数学基础要求也较高,教学中存在大量的数学公式、数学符号、矩阵运算和统计计算,必须借助于现代化的计算工具。 “人生苦短,我要用Python”,这是网上对Python评价最多的一句话。目前我国许多地区的高考试卷中都加入了Python编程的内容,更有甚者,一些中小学也开始开设Python编程课程,说明Python作为一种新兴的编程语言,已深入人心。 本书重点介绍Python语言数据处理与数据分析方面的应用技巧,内容涉及数据的收集与整理、数据分析软件介绍、Python编程分析基础、数据的探索性分析、数据的可视化分析、数据的统计分析、数据的模型分析、数据的预测分析、数据的决策分析、数据的案例分析。 全书共10章内容,其中第1~3章主要讲解数据分析的一些基础知识,重点介绍如何进行数据的收集、整理和分析,以及Python数据的处理和编程技巧;第4~7章主要讲解数据分析的一些常用数据分析方法,如数据的可视化、基本数据分析方法和模型分析;第8~10章介绍数据的一些简单预测决策方法,并给出了一些应用Python方法的数据分析案例。 本书内容丰富,图文并茂,可操作性强且便于查阅,主要面向希望应用Python进行数据分析的读者,能有效地帮助读者提高数据处理与分析的水平,提升工作效率。本书适合各层次的数据分析用户,既可作为初学者的入门指南,又可作为中高级用户的参考手册,同时也可作为各大中专院校和培训班的数据分析教材。 本书具有以下三大优点: ①使用Python科学计算发行版Anaconda,方便数据分析者使用。 该版本可从https://www.anaconda.com/下载安装并直接使用。 ②公开本书自定义函数的源代码,使用者可以深入理解Python函数的编程技巧,用这些函数建立自己的开发包;并建立了本书的学习博客(http://blog.leanote.com/dapy),书中的数据、代码、例子、习题都可从该博客下载并直接使用(也可在华信教育资源网http://www.hxedu.com.cn免费下载)。 ③采用网络化教学平台:Python的基础版缺少一个面向一般人群的菜单界面,这对那些只想用其进行数据分析的使用者而言是一大困难,本书采用流行的Python网络分析平台Jupyter(https://jupyter.org/try),该平台可作为数据分析教学软件使用。 书中软件输出的坐标图多数没有标出横、纵坐标的量,为与软件界面保持一致,后期没有人为添加。 本书由王斌会、王术共同完成,其中第1~6章由王斌会撰写,第7~10章由王术撰写,王斌会负责全书统稿。侯雅文、何志峰、颜斌、徐锋和刘霞等进行了校对,在此深表谢意! 本书在写作过程中得到了广东时汇信息科技有限公司的大力支持,并使用了其公司提供的蜜蜂实训平台,为实战操作提供了可靠的应用环境,同时公司协调云计算工程师周剑辉、周政江等对实验步骤进行了详细的验证,在此表示衷心感谢! 由于作者知识和水平有限,书中难免有错误和不足之处,欢迎读者批评指正! 编著者 2018年8月于暨南园

目录

目 录 第1章 数据的收集与整理 1 1.1 数据的类型 1 1.1.1 按度量尺度分 1 1.1.2 按时间状况分 1 1.2 数据的收集 2 1.2.1 横向数据的收集 2 1.2.2 纵向数据的收集 6 1.3 数据的管理 7 1.3.1 表格管理数据 7 1.3.2 数据库管理数据 8 数据及练习 8 第2章 数据分析软件介绍 10 2.1 数据分析软件简介 10 2.2 Python语言介绍 11 2.2.1 Python简介 11 2.2.2 Python的功能 12 2.2.3 Python编程环境 14 2.3 Python数据分析平台 17 2.3.1 Jupyter数据分析平台 18 2.3.2 Python在线分析平台 23 2.4 Python编程入门 27 2.4.1 Python的工作目录 27 2.4.2 Python分析包(库) 27 2.4.3 Python中的数据管理 29 数据及练习 29 第3章 Python编程分析基础 30 3.1 Python数据类型 30 3.1.1 Python对象 30 3.1.2 数据的基本类型 31 3.1.3 标准数据类型 33 3.2 数值分析库numpy 34 3.2.1 一维数组(向量) 34 3.2.2 二维数组(矩阵) 35 3.2.3 数组的操作 35 3.3 数据分析库pandas 36 3.3.1 序列(Series) 36 3.3.2 数据框(DataFrame) 37 3.3.3 数据框的读写 39 3.3.4 数据框的操作 41 3.4 Python编程运算 45 3.4.1 基本运算 45 3.4.2 控制语句 46 3.4.3 函数定义 47 3.4.4 面向对象 49 数据及练习 50 第4章 数据的探索性分析 52 4.1 数据的描述分析 52 4.1.1 基本描述统计量 52 4.1.2 计数数据汇总分析 53 4.1.3 计量数据汇总分析 53 4.2 基本绘图命令 57 4.2.1 常用的绘图函数 57 4.2.2 基于pandas的绘图 66 4.3 数据的分类分析 70 4.3.1 一维频数分析 70 4.3.2 二维集聚分析 73 4.3.3 多维透视分析 77 数据及练习 79 第5章 数据的可视化分析 80 5.1 特殊统计图的绘制 80 5.1.1 数学函数图 80 5.1.2 气泡图 82 5.1.3 三维曲面图 82 5.1.4 三维散点图 83 5.2 seaborn统计绘图 83 5.2.1 基本概念 84 5.2.2 常用统计图 84 5.3 ggplot绘图系统 88 5.3.1 qplot快速制图 89 5.3.2 ggplot基本绘图 90 数据及练习 95 第6章 数据的统计分析 97 6.1 随机变量及其分布 97 6.1.1 均匀分布 97 6.1.2 正态分布 98 6.2 数据分析统计基础 102 6.2.1 统计量的概念 102 6.2.2 统计量的分布 103 6.3 基本统计推断方法 106 6.3.1 参数的估计方法 107 6.3.2 参数的假设检验 109 数据及练习 111 第7章 数据的模型分析 113 7.1 简单线性相关模型 113 7.1.1 线性相关的概念 113 7.1.2 相关系数的计算 114 7.1.3 相关系数的检验 115 7.2 简单线性回归模型 116 7.2.1 简单线性模型估计 116 7.2.2 简单线性模型检验 118 7.2.3 简单线性模型预测 119 7.3 分组线性相关与回归 120 7.3.1 分组线性相关分析 120 7.3.2 分组线性回归模型 121 数据及练习 122 第8章 数据的预测分析 124 8.1 动态数列的基本分析 124 8.1.1 动态数列的介绍 124 8.1.2 动态数列的分析 126 8.2 动态数列预测分析 130 8.2.1 趋势预测构建 130 8.2.2 平滑预测法 134 8.3 股票数据统计分析 138 8.3.1 股票价格分析 139 8.3.2 股票收益率分析 143 数据及练习 147 第9章 数据的决策分析 149 9.1 确定性分析 149 9.1.1 单目标求解 149 9.1.2 多目标求解 150 9.2 不确定性分析 151 9.2.1 分析方法 151 9.2.2 分析原则 152 9.3 风险分析 154 9.3.1 期望值法 154 9.3.2 后悔期望值法 155 数据及练习 155 第10章 数据的案例分析 157 10.1 在线数据获取与分析 157 10.1.1 在线财经数据获取 157 10.1.2 在线股票数据分析 159 10.1.3 新股发行数据分析 161 10.2 证券交易数据的分析 163 10.2.1 历史行情数据分析 163 10.2.2 实时行情数据分析 165 10.2.3 大单交易数据分析 167 10.2.4 公司盈利能力分析 168 10.2.5 公司现金流量分析 169 10.3 宏观经济数据的实证分析 170 10.3.1 存款利率变动分析 170 10.3.2 国内生产总值GDP分析 172 10.3.3 工业品出厂价格指数分析 174 10.4 电影票房数据的实时分析 175 10.4.1 实时票房数据分析 175 10.4.2 每日票房数据分析 176 10.4.3 影院日度票房分析 177 数据及练习 178 附录A 本书的学习博客 179 附录B 书中的例子数据 181 附录C 书中的自定义函数 182 参考文献 183

作者简介

编辑推荐

作者寄语

电子资料

http://www.hxedu.com.cn/hxedu/fg/book/bookinfo.html?code=G0339380

www.luweidong.cn

下一个