隨著數(shù)據(jù)分析技術(shù)的廣泛應(yīng)用，掌握數(shù)據(jù)分析技術(shù)成為拓寬就業(yè)崗位、提升就業(yè)水平的重要手段。在眾多開(kāi)發(fā)語(yǔ)言中，Python語(yǔ)言是數(shù)據(jù)分析開(kāi)發(fā)工程師的首選。本書(shū)介紹使用Python進(jìn)行數(shù)據(jù)分析的技術(shù)，尤其是使用Numpy和Pandas進(jìn)行數(shù)據(jù)分析的技術(shù)和方法。根據(jù)每章知識(shí)點(diǎn)、技能點(diǎn)的不同，設(shè)計(jì)了多個(gè)切合教學(xué)主題的案例，便于初學(xué)者理解；按照數(shù)據(jù)分析的過(guò)程，本書(shū)按順序講解了數(shù)據(jù)質(zhì)量分析、數(shù)據(jù)預(yù)處理、數(shù)據(jù)整合等幾個(gè)主題，每個(gè)主題由一些知識(shí)模塊組成，并穿插實(shí)際案例進(jìn)行講解，符合學(xué)生的學(xué)習(xí)曲線。本書(shū)為新形態(tài)一體化教材，配有豐富的教學(xué)資源，包括微課視頻、課程標(biāo)準(zhǔn)、授課計(jì)劃、電子教案、授課用PPT、課后習(xí)題、習(xí)題答案及解析、案例素材、源代碼等。學(xué)習(xí)者可以通過(guò)掃描書(shū)中的二維碼觀看微課視頻，隨掃隨學(xué)。本書(shū)內(nèi)容分布由淺入深，知識(shí)結(jié)構(gòu)合理，適合作為高職高專計(jì)算機(jī)專業(yè)學(xué)生學(xué)習(xí)使用Python進(jìn)行數(shù)據(jù)分析的教科書(shū)，也可作為零基礎(chǔ)開(kāi)發(fā)人員的入門(mén)參考書(shū)。
《數(shù)據(jù)分析技術(shù)：Python數(shù)據(jù)分析項(xiàng)目化教程》從Python的相關(guān)技能開(kāi)始，介紹使用Python進(jìn)行數(shù)據(jù)分析的知識(shí)、技術(shù)和技能。《數(shù)據(jù)分析技術(shù)：Python數(shù)據(jù)分析項(xiàng)目化教程》主要包括安裝、配置Python及第三方擴(kuò)展包的方法；Python語(yǔ)言基礎(chǔ)；使用Python進(jìn)行數(shù)據(jù)分析的基本方法；使用numpy進(jìn)行數(shù)據(jù)分析的基本方法；使用pandas進(jìn)行數(shù)據(jù)分析的基本方法和數(shù)據(jù)可視化技術(shù)。
《數(shù)據(jù)分析技術(shù)：Python數(shù)據(jù)分析項(xiàng)目化教程》為新形態(tài)一體化教材，配有豐富的教學(xué)資源，包括微課教學(xué)課件、案例素材、課后習(xí)題及習(xí)題答案等。
與《數(shù)據(jù)分析技術(shù)：Python數(shù)據(jù)分析項(xiàng)目化教程》配套的數(shù)字課程已在“智慧職教”網(wǎng)站上線，學(xué)習(xí)者可以登錄網(wǎng)站進(jìn)行學(xué)習(xí)，也可以通過(guò)掃描書(shū)中二維碼觀看教學(xué)視頻.詳見(jiàn)“智慧職教服務(wù)指南”。
《數(shù)據(jù)分析技術(shù)：Python數(shù)據(jù)分析項(xiàng)目化教程》適合Python初、中級(jí)用戶使用，可作為高職院校軟件技術(shù)專業(yè)、大數(shù)據(jù)技術(shù)與應(yīng)用專業(yè)的專業(yè)教材，也可供軟件設(shè)計(jì)學(xué)習(xí)者參考使用。
大數(shù)據(jù)技術(shù)在人們?nèi)粘Ｉ钪幸呀?jīng)得到了廣泛的應(yīng)用。大數(shù)據(jù)正日益對(duì)全球生產(chǎn)、流通、分配、消費(fèi)活動(dòng)以及經(jīng)濟(jì)運(yùn)行機(jī)制、社會(huì)生活方式和國(guó)家治理能力產(chǎn)生重要影響。本書(shū)由深圳信息職業(yè)技術(shù)學(xué)院具有多年教學(xué)經(jīng)驗(yàn)的一線教師編寫(xiě)，內(nèi)容緊扣行業(yè)發(fā)展趨勢(shì)以及社會(huì)發(fā)展對(duì)人才的需求。全書(shū)以初學(xué)者在實(shí)際開(kāi)發(fā)中應(yīng)該掌握的必備技能為中心，介紹使用Python進(jìn)行數(shù)據(jù)分析的知識(shí)、技術(shù)和技能。按照學(xué)習(xí)者的學(xué)習(xí)曲線，將全書(shū)編排為6章。
項(xiàng)目l介紹在Windows7操作系統(tǒng)中，安裝、配置Python及第三方擴(kuò)展包的方法。
項(xiàng)目2實(shí)施了點(diǎn)餐系統(tǒng)案例。完成該案例后，讀者可以掌握進(jìn)行數(shù)據(jù)分析的Python語(yǔ)言基礎(chǔ)。
項(xiàng)目3實(shí)施了景區(qū)游客量統(tǒng)計(jì)案例。完成該案例后，讀者可以掌握使用Python語(yǔ)言、numpy包和pandas包進(jìn)行數(shù)據(jù)分析的基本方法，能夠讀寫(xiě)CSV文件，熟練使用常用函數(shù)。
項(xiàng)目4實(shí)施了新浪股票分析案例。完成該案例后，讀者可以熟練使用numpy的數(shù)組進(jìn)行數(shù)據(jù)分析，可以熟練使用統(tǒng)計(jì)函數(shù)求解常用統(tǒng)計(jì)量。
項(xiàng)目5實(shí)施井下環(huán)境監(jiān)測(cè)數(shù)據(jù)處理案例。完成該案例后，讀者可以分析數(shù)據(jù)中的缺失值和異常值，并使用numpy和pandas的工具進(jìn)行處理，并初步進(jìn)行數(shù)據(jù)可視化的分析工作。
項(xiàng)目6實(shí)施超市商品銷售業(yè)績(jī)分析案例。完成該案例后，讀者可以根據(jù)需求，對(duì)數(shù)據(jù)進(jìn)行相關(guān)性分析，能夠使用numpy和pandas的工具求解相關(guān)矩陣等統(tǒng)計(jì)量并能夠進(jìn)行數(shù)據(jù)可視化分析。
本書(shū)適合Python初級(jí)、中級(jí)用戶使用，也可作為高職院校軟件技術(shù)專業(yè)、大數(shù)據(jù)技術(shù)與應(yīng)用專業(yè)的專業(yè)教材。對(duì)于編程愛(ài)好者，本書(shū)也有較好的參考價(jià)值。
本書(shū)為新形態(tài)一體化教材，配有豐富的教學(xué)資源，包括微課、教學(xué)課件、案例素材、課后習(xí)題及習(xí)題答案等。
項(xiàng)目1 搭建Python數(shù)據(jù)分析開(kāi)發(fā)環(huán)境
1．1 情境描述
1．2 任務(wù)分析
1．3 任務(wù)實(shí)施：安裝并配置Pvthon開(kāi)發(fā)環(huán)境
1．3．1 安裝Microsoft Visual C++Build Tools
1．3．2 安裝Pvthon
1．3．3 設(shè)置環(huán)境變量
1．3．4 安裝nurrlpy
1．3．5 安裝pandas
1．3．6 安裝Matplotlib
1．4 拓展任務(wù)：安裝Alacollda開(kāi)發(fā)環(huán)境
1．5 知識(shí)儲(chǔ)備
1．5．1 IDI-E開(kāi)發(fā)環(huán)境介紹
1．5．2 使用pip進(jìn)行第三方庫(kù)管理
1．5．3 Arlacorlda開(kāi)發(fā)環(huán)境介紹
1．5．4 使用cor、da進(jìn)行第三方庫(kù)管理
1．6 課后練習(xí)
項(xiàng)目2 點(diǎn)餐系統(tǒng)
2．1 情境描述
2．2 任務(wù)分析
2．3 任務(wù)實(shí)施
2．3．1 設(shè)計(jì)入口程序
2．3．2 設(shè)計(jì)費(fèi)用計(jì)算函數(shù)
2．3．3 設(shè)計(jì)點(diǎn)餐模塊
2．3．4 設(shè)計(jì)打印報(bào)告模塊
2．3．5 設(shè)計(jì)導(dǎo)出報(bào)表模塊
2．3．6 退出程序
2．4 知識(shí)儲(chǔ)備
2．4．1 pytt]on解釋器
2．4．2 引入模塊
2．4．3 語(yǔ)言基礎(chǔ)
2．4．4 控制流
2．4．5 三元表達(dá)式
2．4．6 文件操作
2．5 課后練習(xí)
項(xiàng)目3 景區(qū)游客量統(tǒng)計(jì)
3．1 情境描述
3．2 任務(wù)分析
3．3 任務(wù)實(shí)施：使用Python實(shí)現(xiàn)
3．3．1 計(jì)算九寨溝的游客總量
3．3．2 計(jì)算其他景區(qū)的游客總數(shù)
3．4 任務(wù)實(shí)施：使用numpy和parldas包實(shí)現(xiàn)
3．4．1 使用numpy包實(shí)現(xiàn)
3．4．2 使用parldas包實(shí)現(xiàn)
3．4．3 3種實(shí)現(xiàn)方法的比較
3．5 知識(shí)儲(chǔ)備
3．5．1 數(shù)據(jù)分析技術(shù)簡(jiǎn)介
3．5．2 CSV文件介紹
3．5．3 Excel文件介紹
3．5．4 Python常用數(shù)值類型
3．5．5 字符串類型
3．5．6 布爾值類型
3．5．7 日期和時(shí)間類型
3．5．8 元組
3．5．9 列表
3．5．1 0字典
3．5．1 1集合
3．6 課后練習(xí)
項(xiàng)目4 新浪股票分析
4．1 情境描述
4．2 任務(wù)分析
4．3 任務(wù)實(shí)施
4．3．1 計(jì)算收盤(pán)價(jià)常用統(tǒng)計(jì)量
4．3．2 計(jì)算股價(jià)最高值和最低值
4．3．3 計(jì)算成交量加權(quán)平均價(jià)
4．3．4 “周末效應(yīng)”分析
4．4 知識(shí)儲(chǔ)備
4．4．1 nurrlpy簡(jiǎn)介
4．4．2 使用nurrlpy數(shù)組對(duì)象
4．4．3 使用nurrlpy的函數(shù)讀寫(xiě)文件
4．5 課后練習(xí)
項(xiàng)目5 井下環(huán)境監(jiān)測(cè)數(shù)據(jù)處理
5．1 情境描述
5．2 任務(wù)分析
5．3 任務(wù)實(shí)施
5．3．1 井下溫度缺失值和異常值處理
5．3．2 處理其余井下環(huán)境指標(biāo)數(shù)據(jù)
5．3．3 使用pa rldas處理缺失數(shù)據(jù)
5．4 知識(shí)儲(chǔ)備
5．4．1 parldas介紹
5．4．2 parldas的Series對(duì)象
5．4．3 parldas的DataFrame對(duì)象
5．4．4 使用pa r]das的函數(shù)讀寫(xiě)文件
5．5 課后練習(xí)
項(xiàng)目6 超市商品銷售額相關(guān)性分析
6．1 情境描述
6．2 任務(wù)分析
6．3 任務(wù)實(shí)施
6．3．1 分析水果和化妝品銷售額的相關(guān)性
6．3．2 分析化妝品和蔬菜的相關(guān)性
6．3．3 分析化妝品和海鮮銷售額的相關(guān)性
6．3．4 使用parldas分析多種商品銷售額的相關(guān)性
6．4 知識(shí)儲(chǔ)備
6．4．1 方差、標(biāo)準(zhǔn)差、協(xié)方差、相關(guān)系數(shù)
6．4．2 使用Matplotlib進(jìn)行數(shù)據(jù)可視化
6．5 課后練習(xí)
參考文獻(xiàn)
書(shū)單推薦
