基础篇

第1章  数据分析入门

1.1  数据分析概述

1.1.1  什么是数据分析

1.1.2  数据分析的流程

1.1.3  数据分析的应用场景

1.2  数据分析工具

1.2.1  常用的数据分析工具

1.2.2  Python数据分析的优势

1.2.3  Python数据分析常用类库

1.3  搭建Python开发环境

1.3.1  安装Anaconda

1.3.2  安装PyCharm

1.3.3  安装Python数据分析常用库

典型案例——学生语文成绩分析

课堂实训1

本章考核1

第2章  Python数据分析基础

2.1  NumPy库

2.1.1  创建数组

2.1.2  查看数组属性

2.1.3  数组的索引与切片

2.1.4  数组的运算

2.1.5  常用的数学运算函数

2.2  Pandas库

2.2.1  Pandas的数据结构

2.2.2  数据的选取

2.2.3  数据的改、增、删

2.2.4  数据的保存与导入

典型案例——按行业分析城镇单位就业人员年平均工资

课堂实训2

本章考核2

第3章  Pandas数据预处理

3.1  数据的清洗

3.1.1  缺失值的处理

3.1.2  重复值的处理

3.1.3  异常值的处理

3.2  数据的合并

3.2.1  数据的横向合并

3.2.2  数据的纵向合并

3.3  数据的聚合与分组

3.3.1  数据的聚合

3.3.2  数据的分组

3.4  数据的转换

3.4.1  字符型数据的编码

3.4.2  连续数据的离散化

3.5  时间信息的转换与提取

3.5.1  时间信息的转换

3.5.2  时间信息的提取

典型案例——产品销售额分析

课堂实训3

本章考核3

第4章  Pandas数据分析

4.1  数据的排序与排名分析

4.1.1  数据排序分析

4.1.2  数据排名分析

4.2  数据的统计分析

4.2.1  数值型数据统计分析

4.2.2  字符型数据统计分析

4.3  数据的表格分析

4.3.1  数据交叉表分析

4.3.2  数据透视表分析

4.4  数据的正态性分析

4.4.1  数据的正态分布

4.4.2  正态性分析

4.5  数据的相关性分析

4.5.1  数据的相关性

4.5.2  相关性分析

典型案例——互联网广告智能投放数据分析

课堂实训4

本章考核4

第5章  Matplotlib数据可视化

5.1  绘图基础

5.1.1  图形的基本要素

5.1.2  绘图的基本步骤

5.1.3  图形样式设置

5.2  常用图表的绘制

5.2.1  折线图

5.2.2  直方图

5.2.3  柱状图

5.2.4  饼状图

5.2.5  散点图

5.2.6  箱形图

典型案例——某餐厅一周订单信息分析

课堂实训5

本章考核5

应用篇

第6章  旅游网站精华游记数据分析

6.1  需求分析

6.1.1  目标分析

6.1.2  数据源

6.2  数据预处理

6.2.1  数据解析

6.2.2  重复值处理

6.2.3  缺失值处理

6.2.4  异常值处理

6.2.5  时间信息处理

6.2.6  预处理数据保存

6.3  数据分析与可视化

6.3.1  旅游月份分析

6.3.2  旅游天数和人均消费分析

6.3.3  旅游方式分析

6.3.4  热门地区分析和预测

本章考核6

第7章  二手房数据分析与房价预测

7.1  需求分析

7.1.1  目标分析

7.1.2  数据源

7.2  数据预处理

7.2.1  数据解析

7.2.2  异常值处理

7.2.3  重复值处理

7.2.4  缺失值处理

7.2.5  连续数据离散化

7.2.6  字符型数据编码

7.3  数据分析与可视化

7.3.1  各区二手房数量和均价分析

7.3.2  二手房面积和总价区间占比分析

7.3.3  二手房房龄与均价的相关性分析

7.3.4  是否靠近地铁的不同装修二手房均价分析

7.4  使用线性回归模型预测房价

本章考核7

第8章  电商客户价值分析

8.1  需求分析

8.2  新老客户分析

8.2.1  新老客户分析法

8.2.2  新老客户价值分析

8.3  RFM模型分析

8.3.1  RFM模型

8.3.2  聚类算法

8.3.3  RFM模型特征值构建和标准化

8.3.4  店铺客户价值分析

本章考核8

参考文献