Python數據分析師成長之路
- 出版商: 清華大學
- 出版日期: 2025-07-01
- 售價: $534
- 語言: 簡體中文
- ISBN: 730269477X
- ISBN-13: 9787302694779
-
相關分類:
Python、Data-mining
下單後立即進貨 (約4週~6週)
相關主題
商品描述
"《Python數據分析師成長之路》凝聚了作者在多個行業數據分析實戰中的寶貴經驗，旨在幫助讀者從零基礎入行到專家級數據分析師需掌握的全棧核心能力。書中提供了高效的成長方法和簡潔的學習路徑。 《Python數據分析師成長之路》共13章。第1~5章為基礎部分，系統介紹Python學習的基本路徑以及數據分析師所需的核心編程技能，包括Pandas和NumPy基礎、數據預處理和SQL基礎。第6~11章側重於應用，涵蓋了數據獲取、可視化、分析方法、自動化分析報告生成、行業分析思維和數據挖掘等實用技能。第12章為創新部分，重點探討了如何利用ChatGPT進行數據挖掘。第13章為答疑部分，回答了數據分析從業者常見的問題，如思維培養、突破瓶頸和轉行準備，總結了多年的經驗供讀者參考。 書中每個知識點均配有詳細的實戰代碼示例，幫助讀者快速理解並應用到實際分析中。通過《Python數據分析師成長之路》的學習，讀者能夠專註於數據收集到分析結論形成的全鏈路技能，掌握最常用的技能與最簡短的學習路徑。 《Python數據分析師成長之路》適合初入數據分析領域的從業者、準備轉型的各行各業人員以及對Python數據分析感興趣的讀者。"
作者簡介
熊松，華東交通大學計算機技術專業碩士，研究方向為加密算法，畢業後先後供職於德邦物流、淘寶、魅族，目前供職於同盾科技，擔任數據產品經理，先後負責落地過千萬級產品營收和相關項目管理。對數據分析和數據產品有多年的實戰工作經驗及行業知識沈澱。數據分析工具以及Python技術愛好者。
目錄大綱
目 錄
第1章 從菜鳥到高手的路徑是什麼 1
1.1 數據分析基礎技能學習 1
1.1.1 Excel能力 2
1.1.2 SQL編程能力 3
1.1.3 Python編程能力 4
1.2 數據分析思維能力培養 6
1.2.1 需求層面：角色轉換 7
1.2.2 業務層面：核心指標 9
1.2.3 戰略層面：明確方向 9
1.2.4 行業層面：洞察影響 10
1.3 Python數據分析通用鏈路技能 11
1.3.1 數據收集 11
1.3.2 數據預處理 12
1.3.3 數據分析 12
1.3.4 數據挖掘 13
1.3.5 數據可視化 13
1.3.6 數據分析報告 13
1.4 保持最佳的職業心態 13
1.4.1 遇到問題 14
1.4.2 面對和理解問題 14
1.4.3 解決問題：保持最佳的職業心態 14
1.5 本章小結 16
第2章 NumPy基礎 17
2.1 NumPy簡介 17
2.2 NumPy結構 17
2.3 數據類型及轉換 18
2.4 生成各種數組 19
2.5 數組計算 21
2.6 索引和切片 22
2.7 布爾索引 25
2.8 本章小結 27
第3章 Pandas入門 28
3.1 Series基礎使用 29
3.1.1 Series定義和構造 29
3.1.2 Series索引和值 30
3.1.3 字典生成Series 31
3.1.4 Series基礎查詢與過濾 32
3.1.5 Series和數值相乘 33
3.1.6 Series識別缺失值 33
3.2 DataFrame基礎使用 34
3.2.1 DataFrame定義和構造 34
3.2.2 嵌套字典生成DataFrame 36
3.2.3 DataFrame固定行輸出 37
3.2.4 DataFrame固定列輸出 38
3.2.5 DataFrame列賦值 40
3.2.6 DataFrame列刪除 40
3.3 Pandas數據交互 41
3.3.1 重新設置索引 41
3.3.2 刪除行和列 42
3.3.3 Pandas選擇與過濾 45
3.3.4 Pandas數據對齊和相加 49
3.3.5 Pandas函數apply應用 52
3.3.6 Pandas數據排序 53
3.4 動手實踐：Pandas描述性統計 56
3.4.1 列求和 57
3.4.2 最大值和最小值索引位置 57
3.4.3 累計求和輸出 58
3.4.4 描述方法describe() 58
3.5 本章小結 59
第4章 Python基礎數據處理 60
4.1 數據讀取 60
4.2 數據合並 62
4.2.1 按數據庫表關聯方式 62
4.2.2 按軸方向合並 65
4.3 數據清洗 69
4.3.1 缺失值處理 69
4.3.2 重復值處理 75
4.3.3 特殊處理 76
4.4 數據分組 79
4.5 數據替換 82
4.6 本章小結 84
第5章 SQL基礎 85
5.1 MySQL數據庫安裝 85
5.1.1 MySQL下載與安裝 85
5.1.2 數據庫管理工具安裝 88
5.1.3 數據庫的連接 90
5.2 MySQL數據查詢 91
5.2.1 基礎數據查詢 92
5.2.2 模糊數據查詢 94
5.2.3 字段處理查詢 95
5.2.4 排序 95
5.2.5 函數運算查詢 96
5.2.6 分組查詢 97
5.2.7 限制查詢 97
5.3 多表查詢 97
5.4 增、刪、改方法 100
5.5 本章小結 101
第6章 Python爬蟲基礎 103
6.1 爬蟲原理和網頁構造 103
6.1.1 網絡連接 103
6.1.2 爬蟲原理 104
6.1.3 網頁構造 107
6.2 請求和解析庫 108
6.2.1 Requests庫 108
6.2.2 Lxml庫與Xpath語法 111
6.3 數據庫存儲 115
6.3.1 新建MySQL數據庫 116
6.3.2 Python數據存儲 118
6.4 案例實踐：爬取當當網圖書好評榜TOP500 119
6.4.1 爬取思路 119
6.4.2 爬取代碼 122
6.4.3 整體代碼和輸出 123
6.5 本章小結 126
第7章 數據分析方法 127
7.1 5W2H分析法 127
7.2 漏鬥分析法 128
7.3 行業分析法 130
7.4 對比分析法 132
7.5 邏輯樹分析法 133
7.6 相關分析法 136
7.7 2A3R分析法 137
7.8 多維拆解分析方法 140
7.9 本章小結 141
第8章 Python可視化 142
8.1 Matplotlib基礎 143
8.1.1 可視化：多個子圖 144
8.1.2 標題、刻度、標簽、圖例設置 146
8.1.3 註釋 148
8.1.4 圖片保存 151
8.2 Matplotlib各種可視化圖形 152
8.2.1 折線圖 152
8.2.2 柱狀圖 153
8.2.3 餅圖 155
8.2.4 散點圖 155
8.3 其他Python可視化工具介紹 156
8.4 可視化案例：動態可視化展示案例 157
8.5 本章小結 159
第9章 Python自動化生成Word分析報告 160
9.1 添加Word文檔 161
9.2 添加標題和段落文本 161
9.2.1 添加標題 161
9.2.2 添加段落文本 162
9.3 添加表格 163
9.4 添加圖片 165
9.5 設置各種格式 166
9.5.1 添加分頁符 166
9.5.2 段落樣式 166
9.5.3 字符樣式 167
9.6 案例實踐：杭州租房市場分析報告自動化 167
9.7 本章小結 170
第10章 行業數據分析思維 171
10.1 電商行業 171
10.1.1 行業經驗總結 171
10.1.2 電商案例分析思維 174
10.2 金融信貸行業 176
10.2.1 行業經驗總結 176
10.2.2 信貸風控案例分析思維 179
10.3 零售行業 181
10.3.1 行業經驗總結 181
10.3.2 零售案例分析思維 185
10.4 本章小結 187
第11章 Python數據挖掘 188
11.1 常用的數據挖掘算法 188
11.1.1 C4.5算法 189
11.1.2 CART算法 189
11.1.3 樸素貝葉斯算法 189
11.1.4 SVM算法 190
11.1.5 KNN算法 190
11.1.6 AdaBoost算法 190
11.1.7 K-Means算法 191
11.1.8 EM算法 191
11.1.9 Apriori算法 191
11.1.10 PageRank算法 192
11.2 數據預處理方法 193
11.2.1 數據導入 194
11.2.2 數據描述 196
11.2.3 數據清洗 199
11.2.4 數據轉換 201
11.2.5 數據分割 203
11.2.6 特征縮放 203
11.3 Scikit-learn介紹 204
11.4 模型評估 207
11.5 案例分享 210
11.5.1 數據導入 211
11.5.2 數據現狀分析維度 212
11.5.3 缺失值情況 213
11.5.4 異常值情況 213
11.5.5 數據預處理 220
11.5.6 探索性分析 222
11.6 本章小結 233
第12章 ChatGPT數據分析方法實踐 234
12.1 應用場景與分析方法建議 235
12.2 產品優化建議 237
12.3 使用ChatGPT編寫代碼 239
12.3.1 使用ChatGPT編寫SQL代碼 239
12.3.2 使用ChatGPT編寫可視化圖表代碼 241
12.4 案例分享：使用ChatGPT自動化建模 243
12.4.1 數據上傳 243
12.4.2 數據說明 244
12.4.3 數據探索分析 245
12.4.4 數據預處理 246
12.4.5 建模輸出預測結果 246
12.4.6 模型評估 247
12.5 本章小結 248
第13章 數據分析師成長過程常見疑問 250
13.1 大廠數據分析崗位的日常工作 250
13.1.1 快速熟悉業務與數據庫 250
13.1.2 可視化工具的使用 251
13.1.3 全局思維：搭建業務指標體系 251
13.1.4 產品思維：快速推進 251
13.1.5 不管什麼分析方法，能發現解決問題就是好方法 252
13.1.6 項目管理和溝通是一把利劍 252
13.1.7 碎片化時間管理必不可少 252
13.1.8 小結：一個成熟的阿裏數據分析師的日常要求 253
13.2 數據分析新人如何寫好階段性工作總結 253
13.2.1 日常工作總結 254
13.2.2 重點項目 255
13.2.3 重點價值 255
13.2.4 重點協同 255
13.2.5 成果呈現 256
13.2.6 小結 256
13.3 做數據分析師會遇到哪些職業困惑 256
13.3.1 數據分析師是否需要具備強大的編程能力 257
13.3.2 數據分析師的價值 257
13.3.3 數據分析師升職加薪是不是很快 258
13.3.4 數據分析師是否容易遇到職業天花板，如何突破 258
13.3.5 如果將來不想再做數據分析師，還可以轉向哪些職業 259
13.3.6 小結 259
13.4 轉行做數據分析師要做好什麼準備 260
13.4.1 了解自己、了解行業、確定方向 260
13.4.2 硬件準備和軟件準備 260
13.4.3 小結 263
13.5 數據分析師如何避免中年危機 263
13.5.1 紮實的基本功：分析能力 264
13.5.2 深耕行業：積累獨特經驗 264
13.5.3 保持熱情，不斷創新 265
13.5.4 小結 265
13.6 數據分析師的前景 265
13.6.1 一般前景—數據分析師的發展路徑 266
13.6.2 潛在前景—數據分析師的內功修煉 266
13.6.3 小結 267
13.7 數據分析師的薪資差異 268
13.7.1 硬件技能差異 268
13.7.2 分析思維的差異 269
13.7.3 溝通能力差異 270
13.7.4 項目管理能力差異 270
13.7.5 小結 271
13.8 數據分析師淪為“取數工具人”，如何破局 271
13.8.1 知己知彼：清楚如何被動淪為工具人 271
13.8.2 提高效率：找到以一當百的終極武器—自助分析工具 272
13.8.3 實現價值：數據驅動業務支持決策，徹底擺脫工具人角色 272
13.8.4 小結 273
13.9 本章小結 273
