第1章 数据分析基础 1
1.1 什么是数据分析 1
1.2 数据分析的应用 1
1.3 数据分析方法 2
1.3.1 对比分析 2
1.3.2 同比分析 3
1.3.3 环比分析 4
1.3.4 80/20分析 4
1.3.5 回归分析 5
1.3.6 聚类分析 5
1.3.7 时间序列分析 6
1.4 数据分析工具 7
1.5 数据分析流程 8
1.5.1 明确目的 8
1.5.2 获取数据 8
1.5.3 数据处理 9
1.5.4 数据分析 10
1.5.5 验证结果 11
1.5.6 数据展现 11
1.5.7 数据应用 11
1.6 Python数据分析常用模块 11
1.6.1 数值计算模块NumPy 11
1.6.2 数据处理模块Pandas 11
1.6.3 数据可视化模块Matplotlib 12
1.3.4 机器学习模块scikit-learn 12
1.7 小结 12
习题 12
第2章 NumPy模块实现数值计算 13
2.1 初识NumPy模块 13
2.1.1 NumPy的诞生 13
2.1.2 NumPy的安装 13
2.1.3 NumPy的数据类型 15
2.1.4 数组对象Ndarray 15
2.1.5 数据类型对象dtype 16
2.2 NumPy中数组的基本操作 17
2.2.1 内置的数组创建方法 17
2.2.2 生成随机数 20
2.2.3 切片和索引 21
2.2.4 修改数组形状 23
2.2.5 组合数组 24
2.2.6 数组分割 26
2.3 NumPy中函数的应用 27
2.3.1 数学函数 27
2.3.2 算数函数 29
2.3.3 统计函数 30
2.3.4 矩阵函数 32
2.4 广播机制 33
2.5 小结 35
习题 35
第3章 Pandas模块实现统计分析 36
3.1 安装pandas模块 36
3.2 pandas数据结构 38
3.2.1 Series对象 38
3.2.2 DataFrame对象 40
3.3 读写数据 42
3.3.1 读、写文本文件 42
3.3.2 读、写Excel文件 43
3.3.3 读、写数据库数据 44
3.4 数据操作 47
3.4.1 数据的增、删、改、查 47
3.4.2 NaN数据处理 51
3.4.3 时间数据的处理 54
3.5 数据的分组与聚合 57
3.5.1 分组数据 57
3.5.2 聚合数据 59
3.6 数据的预处理 60
3.6.1 合并数据 60
3.6.2 去除重复数据 65
3.7 小结 67
习题 67
第4章 Matplotlib模块实现数据可视化 68
4.1 基本用法 68
4.1.1 安装 Matplotlib 68
4.1.2 pyplot子模块的绘图流程 70
4.1.3 pyplot子模块的常用语法 70
4.2 绘制常用图表 71
4.2.1 绘制条形图 71
4.2.2 绘制折线图 74
4.2.3 绘制散点图 76
4.2.4 绘制饼图 77
4.2.5 绘制箱形图 79
4.2.6 多面板图表 81
4.3 3D绘图 85
4.3.1 3D线图 85
4.3.2 3D曲面图 86
4.3.3 3D条形图 88
4.7 小结 89
习题 89
第5章 【案例1】客户价值分析 90
5.1 背景 90
5.2 系统设计 90
5.2.1 系统功能结构 90
5.2.2 系统业务流程 91
5.2.3 系统预览 92
5.3 系统开发必备 93
5.3.1 开发环境及工具 93
5.3.2 项目文件结构 93
5.4 分析方法 94
5.4.1 RFM模型 94
5.4.2 聚类分析 95
5.4.3 K-means聚类算法 95
5.5 技术准备 96
5.5.1 Sklearn模块 96
5.5.2 K-means聚类 97
5.5.3 Pandas模块 98
5.6 用Python实现客户价值分析 98
5.6.1 数据抽取 98
5.6.2 数据探索分析 98
5.6.3 数据处理 99
5.6.4 客户聚类 100
5.6.5 客户价值分析 102
5.7 小结 102
习题 103
第6章 【案例2】销售收入预测 104
6.1 背景 104
6.2 系统设计 104
6.2.1 系统功能结构 104
6.2.2 系统业务流程 105
6.2.3 系统预览 105
6.3 系统开发必备 106
6.3.1 开发环境及工具 106
6.3.2 项目文件结构 106
6.4 分析方法 106
6.4.1 线性回归 107
6.4.2 最小二乘法 107
6.5 线性回归模型 110
6.6 Excel日期数据处理 111
6.6.1 按日期筛选数据 111
6.6.2 按日期显示数据 112
6.6.3 按日期统计数据 112
6.7 销售收入分析与预测 112
6.7.1 数据处理 113
6.7.2 日期数据统计并显示 113
6.7.3 根据历史销售数据绘制拟合图 113
6.7.4 预测销售收入 114
6.8 小结 115
习题 115
第7章 【案例3】二手房数据分析预测系统 116
7.1 需求分析 116
7.2 系统设计 116
7.2.1 系统功能结构 116
7.2.2 系统业务流程 117
7.2.3 系统预览 118
7.3 系统开发必备 123
7.3.1 开发工具准备 123
7.3.2 文件夹组织结构 123
7.4 技术准备 124
7.4.1 scikit-learn库概述 124
7.4.2 加载datasets子模块中的数据集 124
7.4.3 支持向量回归函数 126
7.5 图表工具模块 128
7.5.1 绘制饼图 128
7.5.2 绘制折线图 129
7.5.3 绘制条形图 130
7.6 二手房数据分析 131
7.6.1 清洗数据 131
7.6.2 各区二手房均价分析 132
7.6.3 各区房子数量比例 133
7.6.4 全市二手房装修程度分析 135
7.6.5 热门户型均价分析 136
7.6.6 二手房售价预测 137
7.7 小结 141
习题 141
第8章 【案例4】智能停车场运营分析系统 142
8.1 需求分析 142
8.2 系统设计 142
8.2.1 系统功能结构 142
8.2.2 系统业务流程 143
8.2.3 系统预览 143
8.3 系统开发必备 150
8.3.1 开发工具准备 150
8.3.2 文件夹组织结构 150
8.4 技术准备 151
8.4.1 初始Pygame 151
8.4.2 Pygame的基本应用 151
8.4.3 时间模块（time） 155
8.4.4 日期时间模块（datetime） 157
8.5 智能停车场数据分析 160
8.5.1 停车时间数据分布图 160
8.5.2 停车高峰时间所占比例 162
8.5.3 每周繁忙统计 165
8.5.4 月收入分析 167
8.5.5 每日接待车辆统计 169
8.5.6 车位使用率 171
8.6 小结 173
习题 173
第9章 【案例5】影视作品分析 174
9.1 需求分析 174
9.2 系统设计 174
9.2.1 系统功能结构 174
9.2.2 系统业务流程 175
9.2.3 系统预览 176
9.3 系统开发必备 178
9.3.1 开发工具准备 178
9.3.2 文件夹组织结构 178
9.4 技术准备 179
9.4.1 使用jieba模块进行分词 179
9.4.2 使用wordcloud库实现词云图 181
9.5 主窗体设计 182
9.5.1 实现主窗体 182
9.5.2 查看部分的隐藏与显示 183
9.5.3 下拉列表处理 184
9.6 数据分析与处理 186
9.6.1 获取数据 186
9.6.2 生成全国热力图文件 187
9.6.3 生成主要城市评论数及平均分文件 188
9.6.4 生成云图图片 189
9.7 点击查看显示内容 190
9.7.1 创建显示html页面窗体 190
9.7.2 创建显示图片窗体 190
9.7.3 绑定查询按钮单击事件 191
9.8 小结 192
习题 193
第10章 【案例6】看店宝 194
10.1 需求分析 195
10.2 系统设计 195
10.2.1 系统功能结构 195
10.2.2 系统业务流程 196
10.2.3 系统预览 197
10.3 系统开发必备 202
10.3.1 开发工具准备 202
10.3.2 文件夹组织结构 202
10.4 技术准备 203
10.4.1 使用Python操作数据库 203
10.4.2 json模块的应用 205
10.5 主窗体的UI设计 206
10.5.1 对主窗体进行可视化设计 206
10.5.2 将可视化窗体转换为.py文件 209
10.5.3 设置窗体及控件背景 209
10.5.4 创建窗体控制文件 210
10.5.5 主窗体预览效果 210
10.6 设计数据库表结构 211
10.7 初始数据的爬取 213
10.7.1 爬取排行信息 213
10.7.2 爬取价格信息 216
10.7.3 爬取评价信息 218
10.7.4 定义数据库操作文件 220
10.8 图表分析数据 223
10.8.1 饼形图展示评价信息 223
10.8.2 分析出版社所占比例的条形图 225
10.8.3 折线图分析价格走势 225
10.8.4 Top10数据展示 226
10.9 商品排行展示 230
10.9.1 热销商品排行榜 230
10.9.2 热门商品展示 232
10.10 关注商品 235
10.10.1 分析关注商品的预警信息 235
10.10.2 重点商品的关注与取消 236
10.11 商品营销预警 242
10.11.1 商品中、差评预警 242
10.11.2 商品价格变化预警 245
10.12 关注商品图表分析 247
10.12.1 关注商品评价分析饼图 247
10.12.2 关注商品出版社占有比例 250
10.13 其他功能 252
10.14 小结 253
习题 253