Python数据分析与应用 第2版 微课版

1. 全书紧扣任务需求展开，不堆积知识点 2. 随书附带Python源码，微课视频，方便读者系统学习并动手实践 3. 实战案例丰富 4. “1+X”大数据应用开发（Python）职业技能等级证书（中级）配套教材

本书以任务为导向，全面地介绍数据分析的流程和Python数据分析库的应用，详细讲解利用Python解决企业实际问题的方法。全书共10章，第1章介绍数据分析的概念等相关知识；第2～6章介绍Python数据分析的常用库及其应用，涵盖NumPy数组计算，pandas统计分析，使用pandas进行数据预处理，Matplotlib、seaborn与pyecharts数据可视化，以及使用scikit-learn构建模型，较为全面地阐述Python数据分析方法；第7～9章结合之前所学的数据分析技术，进行企业综合案例数据分析；第10章基于去编程化的TipDM大数据挖掘建模平台实现客户流失预测。除第1章外，本书各章都包含实训与课后习题，通过练习和操作实践，帮助读者巩固所学的内容。本书可以用于“1+X”证书制度试点工作中的大数据应用开发（Python）职业技能等级（中级）证书相关知识的教学和培训，也可以作为高校大数据技术相关专业的教材和大数据技术爱好者的自学用书。

曾文权，广东科学技术职业学院计算机学院院长、教授，教育部计算机职业教育教学指导委员会委员、中国计算机学会职业教育发展委员会副主席、国家课程思政教学名师、国家软件技术高水平专业群建设负责人、国家教学创新团队带头人、广东省千百十人才工程省级培养对象、广东省移动应用开发专业领军人才；获国家教学成果奖1项、省级教学成果奖3项；主持国家和省级教科研项目20余项、主编出版专著1部、教材8部，发表论文30余篇。 张良均 资深大数据专家，广东泰迪智能科技股份有限公司董事长，国家科技部入库技术专家，教育部全国专业学位水平评估专家，工信部教育与考试中心入库专家，中国工业与应用数学学会理事，广东省工业与应用数学学会副理事长，广东省高等职业教育教学指导委员会委员，华南师范大学、中南财经政法大学等40余所高校校外硕导或兼职教授，泰迪杯全国数据挖掘挑战赛发起人。 曾在国内外重要学术刊物上发表学术论文10余篇，主导编写图书专著60余部，其中获普通高等教育“十一五”规划教材一部，“十三五”职业教育国家规划教材一部；参与标准建设4项，主持重量课题1项、省部级课题4项。获得SAS、SPSS数据挖掘认证及Hadoop开发工程师证书，具有信访、电力、电信、银行、制造企业、电子商务和电子政务的项目经验和行业背景，并荣获中国产学研合作促进奖

第1章Python数据分析概述
任务1.1认识数据分析
1.1.1掌握数据分析的概念
1.1.2掌握数据分析的流程
1.1.3了解数据分析的应用场景
任务1.2熟悉Python数据分析的工具
1.2.1了解数据分析常用工具
1.2.2了解Python数据分析的优势
1.2.3了解Python数据分析常用库
任务1.3安装Python的Anaconda发行版
1.3.1了解Python的Anaconda发行版
1.3.2在Windows系统中安装Anaconda发行版
1.3.3在Linux系统中安装Anaconda发行版
任务1.4掌握JupyterNotebook常用功能
1.4.1掌握JupyterNotebook的基本功能
1.4.2掌握JupyterNotebook的高级功能
小结
课后习题
第2章NumPy数组计算基础
任务2.1掌握NumPy数组对象ndarray
2.1.1创建数组对象
2.1.2生成随机数
2.1.3通过索引访问数组
2.1.4变换数组的形状
任务2.2掌握NumPy矩阵与通用函数
2.2.1创建NumPy矩阵
2.2.2掌握ufunc函数
任务2.3利用NumPy进行统计分析
2.3.1读/写文件
2.3.2使用函数进行简单的统计分析
小结
实训
实训1使用数组比较运算对超市牛奶价格进行对比
实训2创建6×6的简单数独游戏矩阵
课后习题
第3章pandas统计分析基础
任务3.1读/写不同数据源的数据
3.1.1认识pandas库
3.1.2读/写文本文件
3.1.3读/写Excel文件
3.1.4读/写数据库
任务3.2掌握DataFrame的常用操作
3.2.1查看DataFrame的常用属性
3.2.2查、改、增、删DataFrame数据
3.2.3描述分析DataFrame数据
任务3.3转换与处理时间序列数据
3.3.1转换时间字符串为标准时间
3.3.2提取时间序列数据信息
3.3.3加减时间数据
任务3.4使用分组聚合进行组内计算
……
第4章使用pandas进行数据预处理
第5章Matplotlib、seaborn、pyecharts数据可视化基础
第6章使用scikit-learn构建模型
第7章竞赛网站用户行为分析
第8章企业所得税预测分析
第9章餐饮企业客户流失预测
第10章基于TipDM大数据挖掘建模平台实现客户流失预测