Python数据分析和业务应用实战 广告投放+产品运营+商业分析

本书内容以技术知识与业务实战相结合，同时全书穿插多个实战项目，从而帮助读者更好地理解数据分析技术在业务上的应用。前半部分为技术章节，主要围绕 Python 语言的编程方法展开，其中包括数据录入、数据可视化、数值计算、办公自动化等内容 ；后半部分为业务章节，主要围绕不同业务场景的分析方法展开，其中包括广告投放、电商运营、用户画像、商品画像、商业分析等内容。本书主要面向电商数据分析师和电商运营人员，也适合对技术感兴趣的产品经理。

第1章 文件处理
1.1 基本环境介绍/1
1.2 Pandas 文件的读取/1
1.3 初识 DataFrame 数据类型/3
1.4 DataFrame 数据类型的访问/5
1.4.1 如何使用 head() 方法查看数据/5
1.4.2 如何查看数据类型/6
1.4.3 如何同时访问多列数据/7
1.4.4 如何进行数据类型的筛选/7
1.5 区域访问的方法/8
1.6 DataFrame 数据类型的新增、删除/11
1.6.1 DataFrame 数据类型的新增操作方法/11
1.6.2 DataFrame 数据类型的删除操作方法/13
1.7 探索性分析项目实战/15
第2章 企业数据分析与挖掘项目标准化流程
2.1 基本流程介绍/22
2.2 如何进行目标定义/23
2.2.1 在线产品/23
2.2.2 线下服务业/23
2.2.3 内部分析目标/24
2.3 数据的来源与获取/25
2.4 数据抽样的常用方法/25
2.5 数据探索的目标与任务/26
2.6 数据预处理/28
2.7 数据建模与评价/29
第3章 使用 Python 进行科学运算
3.1 Pandas 计算利器 Series/30
3.1.1 DataFrame 与 Series 的关系/30
3.1.2 声明一个 Series 类型/31
3.1.3 Series 判断缺失值/32
3.1.4 Series 的运算/33
3.2 一个必不可少的运算库 NumPy/34
3.3 类型推断/35
3.4 NumPy 的矢量化操作/36
3.5 NumPy 的切片/37
3.6 花式索引 Fancy Indexing/39
3.7 降维运算/41
3.8 堆叠运算/42
3.9 广播运算/44
第4章 Matplotlib 数据可视化
4.1 销售额走势的折线图/48
4.1.1 环境安装及引入/48
4.1.2 Excel 中整数日期的处理/49
4.1.3 绘制简单折线图/50
4.1.4 解决 x 轴刻度重叠问题/51
4.1.5 调整画布大小问题/52
4.1.6 多项数据对比绘制折线图/52
4.2 长尾分布的柱状图/55
4.2.1 简单柱状图/55
4.2.2 边框颜色与隐藏问题/56
4.2.3 刻度显示问题/57
4.3 躺着的柱状图就是条形图/58
4.4 说明占比的饼图/60
4.4.1 基本饼图/60
4.4.2 饼图的数据计算/60
4.4.3 丰富饼图属性/61
4.5 观察分布的散点图/63
4.5.1 普通散点图/63
4.5.2 由散点图到气泡图的演变/63
4.5.3 自开发 RGB 颜色生成器/64
第5章 全面了解 MySQL
5.1 掌握数据库的结构/66
5.1.1 实例与库/66
5.1.2 表与字段的创建/70
5.2 SQL 的数据操作/72
5.2.1 数据写入/72
5.2.2 数据更新/73
5.2.3 数据的物理删除与逻辑删除/74
5.3 使用 Python 操作 MySQL/75
5.3.1 表结构的创建/75
5.3.2 外部数据导入/76
第6章 使用 Python 进行 SQL 的查询与计算
6.1 有条件限制的查询语句/78
6.1.1 基本查询语句/78
6.1.2 单一条件限制的查询语句/79
6.1.3 模糊的条件限制/81
6.1.4 多条件限制的查询语句/82
6.1.5 关于空值的判断/83
6.1.6 返回部分结果的控制/84
6.2 多个表查询结果展示在一起的联合查询/85
6.3 统计结果中的分组方法与筛选技巧/86
6.3.1 掌握结果分组/86
6.3.2 过滤筛选分组后的结果/87
6.3.3 排序中的大小顺序/89
6.4 多表之间的子查询/90
6.4.1 两表之间的子查询/90
6.4.2 三表之间的子查询/91
6.5 多表之间的关联查询/92
6.5.1 先给数据起个别名/92
6.5.2 两表之间的左关联/93
6.5.3 两表之间的右关联/94
6.5.4 两表之间的全关联/95
6.6 使用 Python 进行 SQL 数据查询/95
6.6.1 一般的查询方法/95
6.6.2 使用 Pandas 的查询方法/96
第7章 基于用户行为的用户价值分析
7.1 项目数据介绍/98
7.1.1 项目介绍及脱敏/98
7.1.2 数据介绍/98
7.2 项目开始前的数据预处理/100
7.2.1 数据获取/100
7.2.2 数据预处理/101
7.3 指标分析与价值分析/102
7.3.1 流量指标分析/102
7.3.2 转化指标分析/104
7.3.3 基于 RFM 模型的用户价值分析/104
……