Python数据分析与应用（第2版）（微课版）

图书介绍

1、本书是“十四五”职业教育国家规划教材，也是校企合作共同开发的大数据技术精品系列教材，是岗课赛证融通新形态特色教材。教材面向大数据技术专业“数据分析与开发”岗位核心课程，充分融入全国职业院校大数据技术与应用赛项、泰迪杯数据分析技能赛的技术标准要求，属于大数据应用开发（Python）“1+X”职业技能中级证书的配套图书，同时可作为高校大数据技术相关专业教材。本书 2018 年首次出版、2021年进行升级改版，受到广大师生的欢迎，发行量突破 6 万册。2、本书采取基于任务导向的理论实践一体化编写模式。注重学生的实践能力培养，以解决实际问题为学习目标，以实战案例贯穿为学习手段。全面地介绍数据分析的流程和 Pyhton 数据分析库的应用，详细讲解了利用 Pyhton 解决企业实际问题的方法。全书共分 10 个内容模块、35 个学习任务、25 个实训任务。包含了数据分析的概念等相关知识，Pyhton 数据分析的常用库及其应用，涵盖NumPy 数值计算、pandas 统计分析、使用 pandas 进行数据预处理、使用scikit-learn 构建模型，以及 Matplotlib、seaborn 与 pyecharts 数据可视化，企业综合案例数据分析和大数据挖掘建模平台等技术与案例。3、本书匹配了丰富实用的教学资源。教材配套了 40 个微课教学视频、20 个PPT 与教案、文档及源代码等资源，同时各章都包含实训与课后习题，方便教师教学和帮助读者巩固所学知识技能和进行自学。

本书保留原书特色的基础上，对教材进行了内容与代码的全面升级。第2版修订的主要内容如下：1、将Python版本由Python 3.6.0升级为Python 3.8.5；将Anaconda版本由Anaconda3 4.4.0升级为Anaconda3 2020.11。2、在每一章中新增了思维导图。3、第1章新增了seaborn、pyecharts库的概念介绍。4、第4章与第3章更换了位置。5、第3章新增了pandas库的介绍。6、第4章新增了seaborn、pyecharts数据可视化库的绘图基础介绍，以及相应基础图形的绘制方法。7、第7章的案例更换为“竞赛网站用户分群”。8、第8章的案例更换为“企业所得税预测分析”。9、第9章的案例更换为“餐饮企业客户流失预测”。10、新增了“第10章 基于TipDM大数据挖掘建模平台实现客户流失预测”一章。更11、新了全书正文中的示例，以及实训和课后习题。12、删除了全书中的“任务实现”。13、删除了“附录A”和“附录B”。

图书目录

第1章 Python数据分析概述   1

任务1.1 认识数据分析   2
任务1.2 熟悉Python数据分析的工具   8
任务1.3 安装Python的Anaconda发行版   12
任务1.4 掌握Jupyter Notebook常用功能   19
小结   25
课后习题   25

第2章 NumPy数值计算基础   28

任务2.1 掌握NumPy数组对象ndarray   29
任务2.2 掌握NumPy矩阵与通用函数   44
任务2.3 利用NumPy进行统计分析   51
小结   60
实训   60
课后习题   62

第3章 pandas统计分析基础   63

任务3.1 读/写不同数据源的数据   64
任务3.2 掌握DataFrame的常用操作   74
任务3.3 转换与处理时间序列数据   86
任务3.4 使用分组聚合进行组内计算   92
任务3.5 创建透视表与交叉表   99
小结   104
实训   105
课后习题   108

第4章 使用pandas进行数据预处理   110

任务4.1 合并数据   110
任务4.2 清洗数据   118
任务4.3 标准化数据   129
任务4.4 转换数据   132
小结   138
实训   138
课后习题   140

第5章 Matplotlib、seaborn、pyecharts数据可视化基础   143

任务5.1 掌握Matplotlib基础绘图   144
任务5.2 掌握seaborn基础绘图   161
任务5.3 掌握pyecharts基础绘图   190
小结   201
实训   201
课后习题   205

第6章 使用scikit-learn构建模型   210

任务6.1 使用sklearn转换器处理数据   211
任务6.2 构建并评价聚类模型   218
任务6.3 构建并评价分类模型   224
任务6.4 构建并评价回归模型   230
小结   234
实训   234
课后习题   238

第7章 竞赛网站用户行为分析   239

任务7.1 了解竞赛网站用户行为分析的背景和方法   239
任务7.2 预处理竞赛网站用户访问数据   242
任务7.3 对竞赛网站用户进行分群   253
小结   257
实训   258
课后习题   260

第8章 企业所得税预测分析   262

任务8.1 了解企业所得税预测的背景与方法   263
任务8.2 分析企业所得税数据特征的相关性   266
任务8.3 使用Lasso回归选取企业所得税预测的关键特征   269
任务8.4 使用灰色预测和SVR构建企业所得税预测模型   272
小结   280
实训   280
课后习题   283

第9章 餐饮企业客户流失预测   285

任务9.1 了解餐饮企业客户分析需求   286
任务9.2 预处理餐饮企业数据   290
任务9.3 使用决策树和支持向量机进行餐饮客户流失预测   298
小结   304
实训   304
课后习题   306

第10章 基于TipDM数据挖掘建模平台实现客户流失预测   308

任务10.1 了解平台的相关概念、特点和功能   309
任务10.2 使用平台实现客户流失预测   316
小结   328
实训 预测客户服装尺寸   328
课后习题   329