數據交易導航網是一個數據要素市場相關的數據交易、數據管理、數據服務等數商企業商業生態導航平臺。
數據產品
——? PRODUCTS CENTER? ——
《基于Python的大數據分析基礎及實戰》是一本介紹如何用Python 3.6進行數據處理和分析的學習指南。其主要內容包括：Python語言基礎、數據處理、數據分析、數據可視化，以及利用Python對數據庫的操作、自建Python應用庫的共享發布等。
《基于Python的大數據分析基礎及實戰》分3個部分：第1部分為基礎知識，第2部分為實戰案例，第3部分為拓展與延伸。本書內容豐富，講解通俗易懂，非常適合本科生、研究生，以及對Python語言感興趣或者想要使用Python語言進行數據分析的廣大讀者。
作者簡介：余本國，博士，碩士研究生導師。于中北大學理學系任教，主講線性代數、微積分、Python語言、大數據分析基礎等課程。2012年到加拿大York University做訪問學者。出版有《Python數據分析基礎》等著作。
第1部分 基 礎 篇
第1章
Python語言基礎 /2
1.0 引子 /2
1.1 工欲善其事，必先利其器（安裝Python） /3
1.2 學跑得先學走（語法基礎） /9
1.3 程序結構 /11
1.3.1 Hello World ! /11
1.3.2 運算符介紹 /12
1.3.3 順序結構 /14
1.3.4 判斷結構 /17
1.3.5 循環結構 /18
1.3.6 異常 /20
1.4 函數 /24
1.4.1 基本函數結構 /24
1.4.2 參數結構 /25
1.4.3 回調函數 /28
1.4.4 函數的遞歸與嵌套 /28
1.4.5 閉包 /31
1.4.6 匿名函數lambda /32
1.4.7 關鍵字yield /32
1.5 數據結構 /35
1.5.1 列表（list） /35
1.5.2 元組（tuple） /38
1.5.3 集合（set） /39
1.5.4 字典（dict） /40
1.5.5 集合的操作 /41
1.5.6 學以致用 /45
1.6 3個函數（map、filter、reduce） /47
1.6.1 遍歷函數（map） /47
1.6.2 篩選函數（filter） /48
1.6.3 累計函數（reduce） /48
1.7 面向對象編程基礎 /50
1.7.1 類 /50
1.7.2 類和實例 /51
1.7.3 數據封裝 /52
1.7.4 私有變量與私有方法 /53
本章小結 /54
第2章
數據處理 /60
2.1 Anaconda簡介 /60
2.2 Numpy簡介 /66
2.3 關于Pandas /68
2.3.1 什么是Pandas /68
2.3.2 Pandas中的數據結構 /68
2.4 數據準備 /68
2.4.1 數據類型 /68
2.4.2 數據結構 /69
2.4.3 數據導入 /79
2.4.4 數據導出 /86
2.5 數據處理 /88
2.5.1 數據清洗 /89
2.5.2 數據抽取 /97
2.5.3 插入記錄 /114
2.5.4 修改記錄 /117
2.5.5 交換行或列 /120
2.5.6 排名索引 /122
2.5.7 數據合并 /131
2.5.8 數據計算 /137
2.5.9 數據分組 /141
2.5.10 日期處理 /143
帶你飛（數據處理案例） /148
本章小結 /160
第3章
數據分析 /165
3.1 基本統計分析 /165
3.2 分組分析 /169
3.3 分布分析 /171
3.4 交叉分析 /173
3.5 結構分析 /174
3.6 相關分析 /176
小試牛刀（相關分析案例：電商數據分析） /178
本章小結 /180
第4章
數據可視化 /181
4.1 使用Python對數據進行可視化處理 /181
4.1.1 準備工作 /181
4.1.2 Matplotlib繪圖示例 /186
4.1.3 Seabon中的圖例 /198
4.1.4 pandas的一些可視化功能 /212
4.1.5 文本數據可視化 /217
4.1.6 networkx網絡圖 /218
4.1.7 folium繪制地圖 /220
4.2 Python圖像處理基礎 /221
4.2.1 PIL圖庫 /221
4.2.2 OpenCV圖庫 /224
本章小結 /226
第5章
字符串處理與網絡爬蟲 /228
5.1 字符串處理 /228
5.1.1 字符串處理函數 /228
5.1.2 正則表達式 /230
5.1.3 編碼處理 /237
5.2 網絡爬蟲 /240
5.2.1 獲取網頁源碼 /240
5.2.2 從源碼中提取信息 /241
5.2.3 數據存儲 /246
5.2.4 網絡爬蟲從這里開始 /248
本章小結 /260
第2部分 實戰案例篇
第6章
詞云 /262
6.1 安裝文件包 /263
6.2 jieba功能用法 /264
6.2.1 cut用法 /264
6.2.2 詞頻與分詞字典 /265
6.3 文本詞云圖 /269
6.4 背景輪廓詞云圖的制作 /271
6.4.1 數據準備 /271
6.4.2 分詞 /272
6.4.3 構建詞云 /273
本章小結 /278
第7章
航空客戶分類 /279
7.1 問題的提出 /279
7.2 聚類分析相關概念 /280
7.3 模型的建立 /281
7.4 Python實現代碼 /281
7.5 分類結果展示與分析 /284
本章小結 /287
第8章
《紅樓夢》文本分析 /288
8.1 準備工作 /289
8.2 分詞 /291
8.2.1 讀取數據 /291
8.2.2 數據預處理 /293
8.2.3 對紅樓夢進行分詞 /301
8.2.4 制作詞云 /303
8.3 文本聚類分析 /312
8.3.1 構建分詞TF-IDF矩陣 /312
8.3.2 使用TF-IDF矩陣對章節進行聚類 /314
8.4 LDA主題模型 /322
8.5 人物社交網絡分析 /328
本章小結 /334
第3部分 拓展與延伸
第9章
Python字符串格式化 /336
9.1 使用%符號進行格式化 /336
9.2 使用format()方法進行格式化 /339
9.3 使用f方法進行格式化 /341
本章小結 /342
第10章
在Python中操作MySQL數據庫 /343
10.1 對MySQL的連接與訪問 /344
10.2 對MySQL的增、刪、改、查操作 /345
10.2.1 查詢操作 /345
10.2.2 插入操作 /346
10.2.3 更新操作 /347
10.2.4 刪除操作 /347
10.3 創建數據庫表 /348
本章小結 /349
第11章
fractal（分形）庫的發布 /350
11.1 用Python繪制分形 /351
11.1.1 分形簡介 /351
11.1.2 先睹為快 /351
11.1.3 繪制方法簡介 /352
11.2 第三方庫發布到PyPi /364
本章小結 /369
參考文獻 /370
相關推薦
![《數字化思維：傳統企業數字化轉型指南》]( "《數字化思維：傳統企業數字化轉型指南》")
《數字化思維：傳統企業數字化轉型指南》本書基于作者多年從事數字化產品策劃、咨詢和創業的經驗，試圖給正在面臨數字化轉型難題的企業提供一個思考問題的框架性參考。本書中的觀點、模型和案例對于企業制定和執行具體的數字化戰略具有顯著的參考和借鑒意義。
本書從數字化的發展演化路徑出發，詳細介紹不同時期應采取的策略，同時基于傳統行業與數字化的標桿——互聯網行業的底層思維差異，推導出一系列的數字化轉型思維、方法論和模型框架。本書中的案例講求層次和邏輯，而不是泛泛之談。![《企業數字化轉型》]( "《企業數字化轉型》")
《企業數字化轉型》《企業數字化轉型》針對讀者在學習理解“數字經濟、企業數字化轉型”等問題上的若干誤區，圍繞企業數字化轉型中普遍存在的問題，從全新的理念、體系、工具和方法等方面重新架構了企業數字化轉型的核心內容，使讀者突破認知束縛，在轉型實踐中得心應手。![《數據治理：工業企業數字化轉型之道》]( "《數據治理：工業企業數字化轉型之道》")
《數據治理：工業企業數字化轉型之道》《數據治理：工業企業數字化轉型》是一本全面關注工業企業數據治理方面的工具書，主要內容分為概述篇、體系篇、工具篇、實施篇及案例篇。![《一本書讀懂數字化轉型》]( "《一本書讀懂數字化轉型》")
《一本書讀懂數字化轉型》《一本書讀懂數字化轉型》由點到面、循序漸進地揭示了數字化轉型的內在邏輯，深度解析阿里巴巴、百度、騰訊、字節跳動、小米、名創優品、快手和得到等18個轉型案例，并給出數字化轉型的實用工具，幫助企業決策者做到數字化轉型的“取勢、明道、優術”，真正助力企業實現數字化轉型落地，在數字化時代乘風破浪！
在線咨詢
