數(shù)據(jù)分析與可視化

目錄 \n
前言 \n
上篇 Python數(shù)據(jù)分析與可視化 \n
項目1 使用NumPy分析空氣質(zhì)量狀況 \n
任務1.1 項目需求分析 \n
任務1.2 環(huán)境搭建 \n
1.2.1 開發(fā)環(huán)境介紹 \n
1.2.2 Anaconda下載和安裝 \n
1.2.3 PyCharm集成開發(fā)環(huán)境下載和安裝 \n
任務1.3 數(shù)據(jù)獲取 \n
1.3.1 通過網(wǎng)絡爬蟲爬取 \n
1.3.2 直接從網(wǎng)站下載 \n
任務1.4 數(shù)據(jù)預處理 \n
1.4.1 讀取數(shù)據(jù) \n
1.4.2 合并多個數(shù)據(jù)集 \n
1.4.3 ndarray數(shù)據(jù)結(jié)構(gòu) \n
1.4.4 去除冗余數(shù)據(jù) \n
1.4.5 數(shù)據(jù)持久化存儲 \n
任務1.5 科學計算 \n
1.5.1 獲取任意范圍的樣本數(shù)據(jù) \n
1.5.2 計算特征的最小值、最大值和平均值 \n
1.5.3 統(tǒng)計不同空氣質(zhì)量等級的天數(shù) \n
1.5.4 預測空氣質(zhì)量 \n
小結(jié) \n
課后習題 \n
項目2 使用Matplotlib實現(xiàn)空氣質(zhì)量數(shù)據(jù)可視化 \n
任務2.1 項目需求分析 \n
任務2.2 折線圖：展現(xiàn)AQI走勢 \n
2.2.1 實現(xiàn)AQI走勢折線圖 \n
2.2.2 圖形的優(yōu)化和美化 \n
2.2.3 添加注釋 \n
任務2.3 條形圖：展現(xiàn)PM2.5走勢 \n
2.3.1 條形圖：某月PM2.5的走勢情況 \n
2.3.2 堆疊條形圖：相鄰月份PM2.5值的比較 \n
2.3.3 并排條形圖：PM2.5和PM10的比較 \n
任務2.4 散點圖：展現(xiàn)內(nèi)在相關性 \n
任務2.5 子圖：展現(xiàn)圖表的多樣性 \n
任務2.6 餅圖：展現(xiàn)部分和整體的關系 \n
小結(jié) \n
課后習題 \n
項目3 使用Pandas分析股票交易數(shù)據(jù) \n
任務3.1 項目需求分析 \n
任務3.2 數(shù)據(jù)獲取和存儲 \n
3.2.1 數(shù)據(jù)獲取 \n
3.2.2 數(shù)據(jù)存儲 \n
任務3.3 數(shù)據(jù)讀取 \n
3.3.1 讀取CSV文件中的數(shù)據(jù) \n
3.3.2 讀取Excel文件中的數(shù)據(jù) \n
3.3.3 獲取MySQL數(shù)據(jù)庫中的數(shù)據(jù) \n
任務3.4 數(shù)據(jù)簡單處理 \n
3.4.1 常用屬性 \n
3.4.2 查找數(shù)據(jù) \n
3.4.3 組裝數(shù)據(jù) \n
3.4.4 添加數(shù)據(jù) \n
3.4.5 修改數(shù)據(jù) \n
3.4.6 刪除數(shù)據(jù) \n
任務3.5 數(shù)據(jù)深度處理 \n
3.5.1 數(shù)據(jù)去重 \n
3.5.2 缺失值處理 \n
3.5.3 數(shù)據(jù)轉(zhuǎn)換 \n
任務3.6 統(tǒng)計分析 \n
3.6.1 匯總統(tǒng)計 \n
3.6.2 groupby：數(shù)據(jù)分組聚合 \n
3.6.3 agg：數(shù)據(jù)聚合 \n
3.6.4 apply：數(shù)據(jù)聚合 \n
3.6.5 transform：數(shù)據(jù)轉(zhuǎn)換 \n
小結(jié) \n
課后習題 \n
項目4 使用Pandas實現(xiàn)股票交易數(shù)據(jù)可視化 \n
任務4.1 項目需求分析 \n
任務4.2 折線圖：展現(xiàn)股價走勢 \n
任務4.3 散點圖：展現(xiàn)股價影響因素 \n
任務4.4 條形圖：展現(xiàn)同比成交量 \n
任務4.5 餅圖：展現(xiàn)成交量占比關系 \n
任務4.6 K線圖：展現(xiàn)股價走勢 \n
小結(jié) \n
課后習題 \n
下篇 Power BI數(shù)據(jù)分析與可視化 \n
項目5 空氣質(zhì)量狀況分析 \n
任務5.1 項目需求分析 \n
任務5.2 環(huán)境搭建 \n
5.2.1 Power BI介紹 \n
5.2.2 Power BI Desktop的下載和安裝 \n
5.2.3 Power BI Desktop操作界面介紹 \n
任務5.3 數(shù)據(jù)預處理 \n
5.3.1 導入數(shù)據(jù) \n
5.3.2 篩選數(shù)據(jù) \n
5.3.3 添加列 \n
5.3.4 合并列 \n
任務5.4 數(shù)據(jù)分析和可視化 \n
5.4.1 折線圖：空氣質(zhì)量走勢 \n
5.4.2 數(shù)據(jù)鉆取 \n
5.4.3 條形圖：空氣質(zhì)量走勢比較 \n
5.4.4 餅圖：空氣質(zhì)量優(yōu)良占比 \n
5.4.5 關鍵影響者圖：影響AQI的因素 \n
5.4.6 編輯交互 \n
5.4.7 篩選器 \n
5.4.8 切片器 \n
小結(jié) \n
課后習題 \n
項目6 企業(yè)財務報表數(shù)據(jù)分析 \n
任務6.1 項目需求分析 \n
任務6.2 數(shù)據(jù)獲取 \n
任務6.3 數(shù)據(jù)預處理 \n
6.3.1 導入數(shù)據(jù) \n
6.3.2 刪除數(shù)據(jù) \n
6.3.3 處理缺失值 \n
6.3.4 逆透視數(shù)據(jù)表 \n
6.3.5 轉(zhuǎn)換數(shù)據(jù) \n
6.3.6 處理股票交易數(shù)據(jù) \n
任務6.4 數(shù)據(jù)建模 \n
6.4.1 新建項目名稱表 \n
6.4.2 使用DAX新建日期表 \n
6.4.3 創(chuàng)建表之間的關聯(lián) \n
任務6.5 數(shù)據(jù)分析和可視化 \n
6.5.1 度量值：計算關鍵指標 \n
6.5.2 卡片圖：展示關鍵指標數(shù)據(jù) \n
6.5.3 矩陣圖：羅列關鍵數(shù)據(jù) \n
6.5.4 瀑布圖：分析營業(yè)總成本 \n
6.5.5 K線圖：展現(xiàn)走勢與趨勢 \n
小結(jié) \n
課后習題 \n
項目7 銀行客戶營銷分析 \n
任務7.1 項目需求分析 \n
任務7.2 數(shù)據(jù)預處理 \n
任務7.3 數(shù)據(jù)分析和可視化 \n
7.3.1 儀表盤：訂閱率 \n
7.3.2 折線和堆積柱形圖：影響訂閱率的因素 \n
7.3.3 簇狀柱形圖：是否回頭客因素對訂閱率的影響 \n
7.3.4 關鍵影響者圖：影響訂閱率的因素 \n
7.3.5 問答系統(tǒng) \n
小結(jié) \n
課后習題 \n
項目8 電商App用戶購物行為分析 \n
任務8.1 項目需求分析 \n
任務8.2 下載并安裝MySQL數(shù)據(jù)庫服務器 \n
任務8.3 將數(shù)據(jù)導入到MySQL數(shù)據(jù)庫中 \n
任務8.4 數(shù)據(jù)獲取 \n
任務8.5 數(shù)據(jù)預處理 \n
任務8.6 數(shù)據(jù)分析和可視化 \n
8.6.1 多行卡：關鍵指標數(shù)據(jù) \n
8.6.2 漏斗圖：從瀏覽到購買的轉(zhuǎn)化率 \n
8.6.3 折線圖：不同時段的瀏覽量和購買量 \n
8.6.4 環(huán)形圖：RFM模型 \n
小結(jié) \n
課后習題 \n
附錄 \n
附錄A NumPy常用屬性和函數(shù) \n
附錄B Pandas常用屬性和函數(shù) \n
附錄C DAX常用函數(shù)