谁说菜鸟不会数据分析(PYTHON篇)

"《谁说菜鸟不会数据分析》系列自面世以来赢得众多有分量的行业奖项，影响几十万读者 Python篇系“小蚊子数据分析”团队精心打磨的又一力作 沈浩教授、《数据化管理》作者黄成明、《统计之美》作者李舰博士、张文彤博士、“路人甲TM”等专家力荐 "

本书从解决工作实际问题出发，提炼总结工作中Python 常用的数据处理、数据分析实战方法与技巧。本书力求通俗易懂地介绍相关知识，在不影响学习理解的前提下，尽可能地避免使用晦涩难懂的Python 编程、统计术语或模型公式。本书定位是带领Python 数据分析初学者入门，并能解决学习、工作中大部分的问题或需求。入门后如还需要进一步进阶学习，可自行扩展阅读相关书籍或资料，学习是永无止境的，正所谓“师傅领进门，修行在个人”。

"方小敏，“数据分析实战”公众号主理人，资深机器学习工程师；曾服务于BAT等知名互联网企业，熟练掌握Python、R、Spark、Hive、TensorFlow等工具进行机器学习。 张文霖，新浪博客“小蚊子数据分析”博主，资深数据分析师，曾服务于国内知名市场研究公司、中国移动等公司，具有多年移动互联网数据分析经验，略懂Excel、PPT、SPSS、水晶易表等工具 "

第1章  数据分析概况 /1 1.1  数据分析定义（What） /2 1.2  数据分析作用（Why） /4 1.3  数据分析步骤（How） /5 1.3.1  明确分析目的和思路 /6 1.3.2  数据收集 /7 1.3.3  数据处理 /9 1.3.4  数据分析 /9 1.3.5  数据展现 /10 1.3.6  报告撰写 /10 1.4  数据分析的三大误区 /12 1.5  常用的数据分析工具 /13 1.5.1  Excel /13 1.5.2  SPSS /14 1.5.3  R语言 /15 1.5.4  Python语言 /16 第2章  Python 概况 /17 2.1  Python简介 /18 2.2  Python特点 /19 2.3  Python模块 /20 2.3.1  函数 /20 2.3.2  模块 /24 2.4  Python使用场景 /27 2.5  Python 2与Python 3 /28 2.6  Python与数据科学 /29 2.7  Anaconda简介 /30 2.8  安装Anaconda /31 2.8.1  下载Anaconda /31 2.8.2  安装Anaconda /33 2.9  使用Anaconda /37 2.9.1  PyCharm 与Spyder /37 2.9.2  Anaconda 开始菜单 /38 2.9.3  Spyder 工作界面简介 /39 2.9.4  项目管理 /40 2.9.5  代码提示 /43 2.9.6  变量浏览 /44 2.9.7  图形查看 /44 2.9.8  帮助文档 /45 第3章  编程基础 /47 3.1  数据类型 /48 3.1.1  数值型 /48 3.1.2  字符型 /50 3.1.3  逻辑型 /56 3.2  赋值和变量 /57 3.2.1  赋值和变量 /57 3.2.2  变量命名规则 /58 3.3  数据结构 /59 3.3.1  列表 /59 3.3.2  字典 /63 3.3.3  序列 /66 3.3.4  数据框 /72 3.3.5  四种数据结构的区别 /80 3.4  向量化运算 /81 3.5  for 循环 /83 3.6  Python 编程注意事项 /87 第4章  数据处理 /90 4.1  数据导入与导出 /91 4.1.1  数据导入 /91 4.1.2  数据导出 /99 4.2  数据清洗 /100 4.2.1  数据排序 /101 4.2.2  重复数据处理 /102 4.2.3  缺失数据处理 /106 4.2.4  空格数据处理 /109 4.3  数据转换 /110 4.3.1  数值转字符 /110 4.3.2  字符转数值 /112 4.3.3  字符转时间 /113 4.4  数据抽取 /115 4.4.1  字段拆分 /116 4.4.2  记录抽取 /121 4.4.3  随机抽样 /127 4.5  数据合并 /130 4.5.1  记录合并 /130 4.5.2  字段合并 /133 4.5.3  字段匹配 /135 4.6  数据计算 /140 4.6.1  简单计算 /140 4.6.2  时间计算 /141 4.6.3  数据标准化 /142 4.6.4  数据分组 /144 第5章  数据分析 /148 5.1  对比分析 /149 5.2  基本统计分析 /152 5.3  分组分析 /155 5.4  结构分析 /158 5.5  分布分析 /159 5.6  交叉分析 /162 5.7  RFM 分析 /164 5.8  矩阵分析 /173 5.9  相关分析 /176 5.10  回归分析 /178 5.10.1  回归分析简介 /178 5.10.2  简单线性回归分析 /180 5.10.3  多重线性回归分析 /185 第6章  数据可视化 /189 6.1  数据可视化简介 /190 6.1.1  什么是数据可视化 /190 6.1.2  数据可视化常用图表 /190 6.1.3  通过关系选择图表 /191 6.2  散点图 /192 6.3  矩阵图 /203 6.4  折线图 /210 6.5  饼图 /215 6.6  柱形图 /217 6.7  条形图 /222