数据分析方法与实践

首页 > 图书中心 > 教学用书 > 本科研究生 > 信息

数据分析方法与实践-陈岗

数据分析方法与实践

丛书名：匡时﹒工程管理系列
著（译）者：陈岗
资源下载：
责任编辑：邱仿
字       数：390千字
开       本：16 开
印       张：20.5
出版版次：1
出版年份：2025-12-31
书       号：978-7-5642-4848-2/F.4848
纸书定价：69.00元   教师会员可用500积分申请样书

在线购买样书申请收藏

随着大数据与人工智能技术的深度渗透，数据分析已成为各行业从业者的必备技能，Python 凭借高效灵活的特性，成为数据分析的核心工具。在工程管理等领域，数据分析方法课程的重要性愈发凸显。本书紧扣经济建设主战场需求，依托作者多年教学经验编写，共分12章，内容深入浅出、循序渐进，着重讲述Python语言和数据分析工具包的应用，全面、系统地介绍了Python编程技术及其在数据科学、机器学习、数据可视化等领域应用中的核心知识点。针对每个知识点，均搭配多个实例进行拆解分析，既提升读者学习兴趣，又加深对知识的理解吸收。

同系列产品more >

: 网络经济学（第二版
芮廷先
定价：48.00元
查看详情

: 系统动力学（普通高
王其藩
定价：34.00元
查看详情

: 管理学教程（第四版
朱舟
定价：46.00元
查看详情

: Python程序设计与
何士产
定价：56.00元
查看详情

: 电子支付与信息安
芮廷先
定价：52.00元
查看详情

图书分类全部图书

随着大数据与人工智能技术的深度渗透，数据分析已成为各行业从业者的必备技能，Python 凭借高效灵活的特性，成为数据分析的核心工具。

在工程管理等领域，数据分析方法课程的重要性愈发凸显。

本书紧扣经济建设主战场需求，依托作者多年教学经验编写，共分12章，内容深入浅出、循序渐进，着重讲述Python语言和数据分析工具包的应用，全面、系统地介绍了Python编程技术及其在数据科学、机器学习、数据可视化等领域应用中的核心知识点。

针对每个知识点，均搭配多个实例进行拆解分析，既提升读者学习兴趣，又加深对知识的理解吸收。

本书适用范围广泛，不仅可作为高校 IT 相关专业的教材，还能作为工程管理、金融科技等专业的课程教材与参考用书，同时为数据分析、机器学习领域的专业人士与研究人员提供实用指导。

本书中配有二维码，扫码可以获取习题解答、补充案例以及书中源程序和数据集。

第1章开发环境和工具／1。
1.1 Python开发环境／1。
1.2 Python开发和运行工具／3。
本章小结／16。
本章习题／16。
第2章 Python数据类型和结构／17。
2.1 标识符与变量／17。
2.2 Python基本数据类型／19。
2.3 Python内置数据类型／25。
2.4 综合案例／43。
本章小结／44。
本章习题／44。
第3章 Python程序结构／45。
3.1 顺序结构／45。
3.2 选择结构／50。
3.3 循环结构／56。
本章小结／63。
本章习题／63。
第4章 Python函数／64。
4.1 Python函数概述／64。
4.2 内置函数和标准库函数／65。
4.3 自定义函数／68。
4.4 函数的递归调用／75。
4.5 综合案例／77。
4.6 Lambda函数／81。
本章小结／83。
本章习题／83。
第5章数据分析的基础模块／84。
5.1 模块／84。
5.2 NumPy模块／85。
5.3 Pandas模块／108。
本章小结／141。
本章习题／142。
第6章数据可视化／143。
6.1 用 Matplotlib实现数据可视化／144。
6.2 Turtle模块／167。
6.3 用seaborn实现数据可视化／173。
6.4 词云／181。
本章小结／186。
本章习题／186。
第7章数据分析基础／187。
7.1 数据分析概述／187。
7.2 数据分析流程／190。
7.3 数据分析报告／207。
本章小结／211。
本章习题／212。
第8章数据分析方法／213。
8.1 数据质量分析／213。
8.2 数据特征分析／217。
8.3 数据分析方法／220。
8.4 综合案例／234。
本章小结／238。
本章习题／238。
第9章淘宝用户购物行为数据分析／239。
9.1 数据来源与预处理／239。
9.2 数据分析与可视化／243。
9.3 数据分析结论及对企业的建议／247。
本章小结／248。
本章习题／249。
第10章基于BOSS直聘的数据分析师薪资结构研究／250。
10.1 数据来源／250。
10.2 数据清洗／252。
10.3 可视化分析／255。
10.4 数据分析结论／262。
本章小结／262。
本章习题／263。
第11章基于K-Means聚类分析的超市客户细分与精准营销策略／264。
11.1 数据来源／265。
11.2 数据分析可视化／273。
11.3 所用模型／280。
本章小结／288。
本章习题／288。
第12章基于随机森林模型的电商客户流失数据分析／289。
12.1 业务场景分析及数据来源／290。
12.2 数据预处理／291。
12.3 随机森林模型建立与分析／307。
12.4 平台运营建议／313。
本章小结／314。
本章习题／314。
主要参考文献／316