Python數(shù)據(jù)分析從入門(mén)到精通（第2版）

第1篇 基礎(chǔ)知識(shí)
第1章 數(shù)據(jù)分析基礎(chǔ) 2
視頻講解：27分鐘
1.1 數(shù)據(jù)分析概述 2
1.2 常見(jiàn)數(shù)據(jù)分析方法 3
1.2.1 對(duì)比分析法 3
1.2.2 同比分析法 4
1.2.3 環(huán)比分析法 4
1.2.4 回歸分析法 5
1.2.5 聚類(lèi)分析法 6
1.3 了解數(shù)據(jù)分析工具 6
1.4 數(shù)據(jù)分析的基本流程 7
1.4.1 確認(rèn)目標(biāo) 7
1.4.2 獲取數(shù)據(jù) 8
1.4.3 處理數(shù)據(jù) 9
1.4.4 分析數(shù)據(jù) 10
1.4.5 驗(yàn)證結(jié)果 10
1.4.6 展示數(shù)據(jù) 10
1.4.7 應(yīng)用數(shù)據(jù) 11
1.5 數(shù)據(jù)分析常用模塊庫(kù) 11
1.6 小結(jié) 12
第2章 搭建數(shù)據(jù)分析開(kāi)發(fā)環(huán)境 13
視頻講解：19分鐘
2.1 強(qiáng)大的編程語(yǔ)言Python 13
2.1.1 Python概述 13
2.1.2 安裝Python 13
2.1.3 創(chuàng)建第一個(gè)Python程序 17
2.2 安裝Anaconda開(kāi)發(fā)環(huán)境 18
2.3 Jupyter Notebook開(kāi)發(fā)工具 23
2.3.1 初識(shí)Jupyter Notebook 23
2.3.2 創(chuàng)建Jupyter Notebook文件 24
2.3.3 測(cè)試Jupyter Notebook 24
2.4 PyCharm集成開(kāi)發(fā)環(huán)境 26
2.4.1 PyCharm的下載與安裝 26
2.4.2 配置PyCharm 29
2.4.3 測(cè)試PyCharm 30
2.5 小結(jié) 32
第3章 NumPy模塊之?dāng)?shù)組計(jì)算 33
視頻講解：265分鐘
3.1 NumPy模塊概述 33
3.1.1 什么是NumPy模塊 33
3.1.2 安裝NumPy模塊 34
3.1.3 NumPy的數(shù)據(jù)類(lèi)型 35
3.1.4 ndarray()數(shù)組對(duì)象 36
3.1.5 dtype數(shù)據(jù)類(lèi)型對(duì)象 37
3.2 創(chuàng)建數(shù)組 37
3.2.1 創(chuàng)建簡(jiǎn)單的數(shù)組 38
3.2.2 多種創(chuàng)建數(shù)組的方式 39
3.2.3 根據(jù)數(shù)值范圍創(chuàng)建數(shù)組 41
3.2.4 生成隨機(jī)數(shù)組 43
3.2.5 在已有的數(shù)組中創(chuàng)建數(shù)組 45
3.3 數(shù)組的基本操作 49
3.3.1 數(shù)組的多種運(yùn)算方式 49
3.3.2 數(shù)組的索引和切片 51
3.3.3 數(shù)組的重塑 55
3.3.4 數(shù)組的增、刪、改、查 57
3.4 矩陣的基本操作 59
3.4.1 創(chuàng)建矩陣 60
3.4.2 矩陣的運(yùn)算 62
3.4.3 矩陣的轉(zhuǎn)換 64
3.5 NumPy常用的數(shù)學(xué)運(yùn)算函數(shù) 65
3.5.1 算術(shù)函數(shù) 66
3.5.2 舍入函數(shù) 67
3.5.3 三角函數(shù) 68
3.6 統(tǒng)計(jì)分析 69
3.6.1 求和函數(shù)sum() 70
3.6.2 平均值函數(shù)mean() 70
3.6.3 最大值與最小值函數(shù)max()、min() 71
3.6.4 中位數(shù)函數(shù)median() 71
3.6.5 加權(quán)平均函數(shù)average() 72
3.6.6 方差與標(biāo)準(zhǔn)差函數(shù)var()、std() 73
3.7 數(shù)組排序 73
3.7.1 sort()函數(shù) 73
3.7.2 argsort()函數(shù) 74
3.7.3 lexsort()函數(shù) 74
3.8 小結(jié) 75
第4章 Pandas模塊基礎(chǔ) 76
視頻講解：67分鐘
4.1 安裝Pandas模塊 76
4.2 了解Pandas模塊 78
4.3 Pandas模塊的兩大數(shù)據(jù)結(jié)構(gòu) 79
4.3.1 Series()對(duì)象 79
4.3.2 DataFrame()對(duì)象 80
4.4 數(shù)據(jù)中的索引 82
4.4.1 什么是索引 82
4.4.2 Series()對(duì)象的索引 83
4.4.3 DataFrame()對(duì)象的索引 86
4.5 小結(jié) 88
第5章 Pandas模塊之?dāng)?shù)據(jù)的讀取 89
視頻講解：75分鐘
5.1 讀取文本文件中的數(shù)據(jù) 89
5.2 Excel文件的讀取和寫(xiě)入 90
5.2.1 讀取Excel文件中的數(shù)據(jù) 90
5.2.2 讀取指定Sheet頁(yè)中的數(shù)據(jù) 93
5.2.3 通過(guò)行列索引讀取指定數(shù)據(jù) 93
5.2.4 將數(shù)據(jù)寫(xiě)入Excel文件中 95
5.3 CSV文件的讀取和寫(xiě)入 96
5.3.1 讀取CSV文件中的數(shù)據(jù) 96
5.3.2 將數(shù)據(jù)寫(xiě)入CSV文件中 98
5.4 讀取HTML網(wǎng)頁(yè) 99
5.5 讀取數(shù)據(jù)庫(kù)中的數(shù)據(jù) 101
5.5.1 讀取MySQL數(shù)據(jù)庫(kù)中的數(shù)據(jù) 101
5.5.2 讀取MongoDB數(shù)據(jù)庫(kù)中的數(shù)據(jù) 104
5.6 小結(jié) 108
第6章 Pandas模塊之?dāng)?shù)據(jù)的處理 109
視頻講解：96分鐘
6.1 數(shù)據(jù)抽取 109
6.1.1 抽取指定行數(shù)據(jù) 110
6.1.2 抽取多行數(shù)據(jù) 110
6.1.3 抽取指定列數(shù)據(jù) 111
6.1.4 抽取指定的行、列數(shù)據(jù) 112
6.2 數(shù)據(jù)的增、刪、改、查 113
6.2.1 增加數(shù)據(jù) 113
6.2.2 按行增加數(shù)據(jù) 114
6.2.3 刪除數(shù)據(jù) 115
6.2.4 修改數(shù)據(jù) 116
6.2.5 查詢數(shù)據(jù) 117
6.3 數(shù)據(jù)的排序和排名 120
6.3.1 數(shù)據(jù)的排序 120
6.3.2 數(shù)據(jù)排名 123
6.4 小結(jié) 125
第7章 Pandas模塊之?dāng)?shù)據(jù)的清洗 126
視頻講解：81分鐘
7.1 缺失值的處理 126
7.1.1 了解數(shù)據(jù)中的缺失值 126
7.1.2 查看缺失值 127
7.1.3 處理缺失值 128
7.2 處理數(shù)據(jù)中的重復(fù)值 129
7.3 數(shù)據(jù)中異常值的檢測(cè)與處理 130
7.4 數(shù)據(jù)中字符串的操作函數(shù) 131
7.4.1 字符串對(duì)象中的常見(jiàn)函數(shù) 131
7.4.2 替換字符串——replace()函數(shù) 133
7.4.3 數(shù)據(jù)切分——split()函數(shù) 134
7.4.4 判斷字符串——contains()函數(shù) 135
7.5 數(shù)據(jù)轉(zhuǎn)換 136
7.5.1 通過(guò)字典映射的方式實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)換——map()函數(shù) 136
7.5.2 數(shù)據(jù)分割——cut()函數(shù) 137
7.5.3 數(shù)據(jù)分類(lèi)——get_dummies()函數(shù) 138
7.6 小結(jié) 139
第8章 數(shù)據(jù)的計(jì)算與格式化 140
視頻講解：54分鐘
8.1 常見(jiàn)的數(shù)據(jù)計(jì)算函數(shù) 140
8.1.1 求和——sum()函數(shù) 140
8.1.2 求平均值——mean()函數(shù) 141
8.1.3 求最大值——max()函數(shù) 142
8.1.4 求最小值——min()函數(shù) 143
8.2 高級(jí)的數(shù)據(jù)計(jì)算函數(shù) 144
8.2.1 求取中位數(shù)——median()函數(shù) 144
8.2.2 求取眾數(shù)——mode()函數(shù) 145
8.2.3 計(jì)算方差——var()函數(shù) 146
8.2.4 計(jì)算標(biāo)準(zhǔn)差——std()函數(shù) 147
8.2.5 計(jì)算分位數(shù)——quantile()函數(shù) 147
8.3 數(shù)據(jù)格式化 148
8.3.1 設(shè)置小數(shù)位數(shù) 149
8.3.2 設(shè)置百分比 150
8.3.3 設(shè)置千位分隔符 151
8.4 小結(jié) 151
第9章 數(shù)據(jù)統(tǒng)計(jì)及透視表 152
視頻講解：71分鐘
9.1 數(shù)據(jù)的分組統(tǒng)計(jì) 152
9.1.1 分組統(tǒng)計(jì)——groupby()函數(shù) 152
9.1.2 分組數(shù)據(jù)的迭代 154
9.1.3 分組聚合運(yùn)算——agg()函數(shù) 155
9.1.4 通過(guò)字典和Series()對(duì)象進(jìn)行分組統(tǒng)計(jì) 156
9.2 數(shù)據(jù)移位 157
9.3 數(shù)據(jù)合并 158
9.3.1 數(shù)據(jù)合并——merge()函數(shù) 158
9.3.2 數(shù)據(jù)合并——concat()函數(shù) 162
9.3.3 最近合并——merge_asof()函數(shù) 163
9.4 數(shù)據(jù)透視表 165
9.4.1 pivot()函數(shù) 165
9.4.2 pivot_table()函數(shù) 166
9.5 小結(jié) 167
第10章 處理日期與時(shí)間 168
視頻講解：94分鐘
10.1 日期數(shù)據(jù)的處理 168
10.1.1 日期數(shù)據(jù)的轉(zhuǎn)換 168
10.1.2 dt()對(duì)象 170
10.1.3 獲取指定日期區(qū)間的數(shù)據(jù) 171
10.1.4 按不同時(shí)期統(tǒng)計(jì)數(shù)據(jù) 172
10.2 日期范圍、頻率和移位 174
10.2.1 生成日期范圍——date_range()函數(shù) 174
10.2.2 日期頻率轉(zhuǎn)換——asfreq()函數(shù) 176
10.2.3 日期移位——shift()函數(shù) 177
10.3 時(shí)間區(qū)間與頻率轉(zhuǎn)換 179
10.3.1 創(chuàng)建時(shí)間區(qū)間 179
10.3.2 區(qū)間頻率轉(zhuǎn)換 180
10.4 重新采樣與頻率轉(zhuǎn)換 181
10.4.1 重新采樣——resample()函數(shù) 181
10.4.2 降采樣處理 182
10.4.3 升采樣處理 183
10.5 移動(dòng)窗口函數(shù) 184
10.5.1 將時(shí)間序列的數(shù)據(jù)匯總——ohlc()函數(shù) 184
10.5.2 移動(dòng)窗口數(shù)據(jù)計(jì)算——rolling()函數(shù) 185
10.6 小結(jié) 187
第11章 Scikit-Learn機(jī)器學(xué)習(xí)模塊 188
視頻講解：54分鐘
11.1 Scikit-Learn概述 188
11.2 安裝Scikit-Learn模塊 189
11.3 線性模型 190
11.3.1 最小二乘法回歸——LinearRegression對(duì)象 190
11.3.2 嶺回歸——Ridge對(duì)象 191
11.4 支持向量機(jī) 192
11.5 聚類(lèi) 194
11.5.1 什么是聚類(lèi) 194 
11.5.2 聚類(lèi)算法 195
11.5.3 聚類(lèi)模塊 195
11.5.4 聚類(lèi)數(shù)據(jù)生成器 197
11.6 小結(jié) 198 
第2篇 可視化圖表
第12章 Matplotlib模塊入門(mén) 200
視頻講解：162分鐘
12.1 Matplotlib模塊概述 200
12.1.1 了解Matplotlib模塊 200
12.1.2 Matplotlib模塊的安裝 203
12.1.3 體驗(yàn)Matplotlib可視化圖表 204
12.2 圖表的基本設(shè)置 205
12.2.1 基本繪圖——plot()函數(shù) 205
12.2.2 設(shè)置畫(huà)布——figure()函數(shù) 207
12.2.3 設(shè)置坐標(biāo)軸——xlabel()、ylabel()函數(shù) 208
12.2.4 設(shè)置文本標(biāo)簽——text()函數(shù) 211
12.2.5 設(shè)置標(biāo)題和圖例——title()、legend()函數(shù) 212
12.2.6 添加注釋——annotate()函數(shù) 215
12.2.7 設(shè)置網(wǎng)格線——grid()函數(shù) 217
12.2.8 設(shè)置參考線——axhline()、axvline()函數(shù) 218
12.2.9 選取范圍——axhspan()、axvspan()函數(shù) 219
12.2.10 圖表的布局——tight_layout()函數(shù) 220
12.2.11 保存圖表——savefig()函數(shù) 221
12.3 繪制常用的圖表 221
12.3.1 繪制散點(diǎn)圖——plot()、scatter()函數(shù) 221
12.3.2 繪制折線圖——plot()函數(shù) 223
12.3.3 繪制柱形圖——bar()函數(shù) 224
12.3.4 繪制直方圖——hist()函數(shù) 226
12.3.5 繪制餅形圖——pie()函數(shù) 228
12.3.6 繪制面積圖——stackplot()函數(shù) 231
12.3.7 繪制箱形圖——boxplot()函數(shù) 233
12.3.8 繪制熱力圖——imshow()函數(shù) 236
12.3.9 繪制雷達(dá)圖——polar()函數(shù) 237
12.3.10 繪制氣泡圖——scatter()函數(shù) 239
12.3.11 繪制棉棒圖——stem()函數(shù) 239
12.3.12 繪制誤差棒圖——errorbar()函數(shù) 240
12.4 小結(jié) 241
第13章 Matplotlib模塊進(jìn)階 242
視頻講解：69分鐘
13.1 圖表的顏色設(shè)置 242
13.1.1 常用顏色 242
13.1.2 可識(shí)別的顏色格式 243
13.1.3 顏色映射 244
13.2 處理日期與時(shí)間 245
13.2.1 dates子模塊 245
13.2.2 設(shè)置坐標(biāo)軸日期的顯示格式 246
13.2.3 設(shè)置坐標(biāo)軸日期刻度標(biāo)簽 247
13.3 次坐標(biāo)軸（雙坐標(biāo)軸） 248
13.3.1 共享x坐標(biāo)軸——twinx()函數(shù) 248
13.3.2 共享y坐標(biāo)軸——twiny()函數(shù) 249
13.4 繪制多個(gè)子圖表 250
13.4.1 subplot()函數(shù) 250
13.4.2 subplots()函數(shù) 252
13.4.3 add_subplot()函數(shù) 253
13.4.4 子圖表共用一個(gè)坐標(biāo)軸 254
13.5 繪制函數(shù)圖像 255
13.5.1 一元一次函數(shù)圖像 255
13.5.2 一元二次函數(shù)圖像 256
13.5.3 正弦函數(shù)圖像——sin()函數(shù) 256
13.5.4 余弦函數(shù)圖像——cos()函數(shù) 257
13.5.5 S型生長(zhǎng)曲線——Sigmoid()函數(shù) 257
13.6 形狀與路徑 258
13.6.1 繪制形狀——patches子模塊 258
13.6.2 繪制路徑——path子模塊 259
13.6.3 繪制圓——Circle()對(duì)象 261
13.6.4 繪制矩形——Rectangle()對(duì)象 262
13.7 繪制3D圖表 263
13.8 小結(jié) 264
第14章 Seaborn圖表 265
視頻講解：50分鐘
14.1 了解Seaborn圖表 265
14.1.1 Seaborn概述 265
14.1.2 安裝Seaborn模塊 266
14.1.3 體驗(yàn)Seaborn圖表 267
14.2 Seaborn圖表的基本設(shè)置 267
14.2.1 設(shè)置背景風(fēng)格 267
14.2.2 控制邊框的顯示方式 268
14.3 繪制常見(jiàn)圖表 268
14.3.1 繪制散點(diǎn)圖——replot()函數(shù) 268
14.3.2 繪制折線圖——relplot()、lineplot()函數(shù) 269
14.3.3 繪制直方圖——displot()函數(shù) 271
14.3.4 繪制條形圖——barplot()函數(shù) 271
14.3.5 繪制線性回歸模型——lmplot()函數(shù) 272
14.3.6 繪制箱形圖——boxplot()函數(shù) 273
14.3.7 繪制核密度圖——kdeplot()函數(shù) 274
14.3.8 繪制提琴圖——violinplot()函數(shù) 275
14.4 小結(jié) 275
第15章 Plotly圖表 276
視頻講解：57分鐘
15.1 了解Plotly圖表 276
15.1.1 安裝Plotly模塊 276
15.1.2 Plotly繪圖原理及流程 277
15.1.3 Plotly圖表的生成方法 278
15.2 繪制基礎(chǔ)圖表 280
15.2.1 繪制散點(diǎn)圖與折線圖——Scatter()對(duì)象 280
15.2.2 繪制柱形圖與水平條形圖——Bar()對(duì)象 281
15.2.3 繪制餅圖與環(huán)形圖——Pie()對(duì)象 283
15.3 設(shè)置圖表 285
15.3.1 圖層布局——Layout()對(duì)象 285
15.3.2 設(shè)置圖表標(biāo)題 286
15.3.3 設(shè)置文本標(biāo)記 286
15.3.4 設(shè)置注釋文本 287
15.4 統(tǒng)計(jì)圖表 290
15.4.1 繪制直方圖 290
15.4.2 繪制箱形圖 291
15.4.3 繪制熱力圖 292
15.4.4 繪制等高線圖 293
15.5 繪制子圖表 294
15.5.1 繪制基本的子圖表 294
15.5.2 自定義子圖位置 295
15.5.3 子圖可供選擇的圖形類(lèi)型 296
15.6 三維圖繪制 296
15.7 繪制表格 297
15.7.1 Table()對(duì)象 297
15.7.2 create_table()函數(shù) 299
15.8 小結(jié) 301
第16章 Bokeh圖表 302
視頻講解：51分鐘
16.1 了解Bokeh圖表 302
16.1.1 安裝Bokeh模塊 302
16.1.2 詞匯與接口說(shuō)明 302
16.1.3 繪制第一張Bokeh圖表 303
16.1.4 通過(guò)數(shù)據(jù)類(lèi)型繪制圖表 305
16.2 繪制常見(jiàn)圖表 309
16.2.1 繪制散點(diǎn)圖——circle()函數(shù) 309
16.2.2 繪制組合圖表——line()、circle()函數(shù) 310
16.2.3 繪制條形圖——vbar()函數(shù) 311
16.2.4 繪制餅（環(huán)）形圖——wedge()、annular_wedge()函數(shù) 312
16.3 設(shè)置圖表 313
16.3.1 圖表布局——column()、row()、gridplot()函數(shù) 313
16.3.2 配置繪圖工具 315
16.3.3 設(shè)置視覺(jué)屬性 317
16.3.4 圖表注釋 319
16.4 圖表可視化交互 323
16.4.1 微調(diào)器 323
16.4.2 選項(xiàng)卡 324
16.4.3 滑塊功能 325
16.5 小結(jié) 326
第17章 Pyecharts圖表 327
視頻講解：52分鐘
17.1 了解Pyecharts圖表 327
17.1.1 Pyecharts概述 327
17.1.2 安裝Pyecharts模塊 328
17.1.3 繪制第一張Pyecharts圖表 329
17.1.4 Pyecharts函數(shù)的鏈?zhǔn)秸{(diào)用 329
17.2 Pyecharts圖表的組成部分 330
17.2.1 主題風(fēng)格——InitOpts()對(duì)象 331
17.2.2 圖表標(biāo)題——TitleOpts()對(duì)象 332
17.2.3 圖例——LegendOpts()對(duì)象 334
17.2.4 提示框——TooltipOpts()對(duì)象 336
17.2.5 視覺(jué)映射——VisualMapOpts()對(duì)象 337
17.2.6 工具箱——ToolboxOpts()對(duì)象 339
17.2.7 區(qū)域縮放——DataZoomOpts()對(duì)象 341
17.3 繪制Pyecharts圖表 342
17.3.1 繪制散點(diǎn)圖——EffectScatter()對(duì)象 342
17.3.2 繪制折線圖和面積圖——Line()對(duì)象 343
17.3.3 繪制柱形圖——Bar()對(duì)象 345
17.3.4 繪制餅形圖——Pie()對(duì)象 346
17.3.5 繪制箱形圖——Boxplot()對(duì)象 348
17.3.6 繪制詞云圖——WordCloud對(duì)象 349
17.3.7 繪制熱力圖——HeatMap()對(duì)象 350
17.3.8 繪制水球圖——Liquid()對(duì)象 352
17.3.9 繪制日歷圖——Calendar()對(duì)象 352
17.4 小結(jié) 353
第3篇 項(xiàng)目實(shí)戰(zhàn)
第18章 綜合案例：股票數(shù)據(jù)分析 356
視頻講解：44分鐘
18.1 概述 356
18.2 案例效果預(yù)覽 356
18.3 案例環(huán)境 358
18.4 前期準(zhǔn)備 359
18.4.1 安裝第三方模塊 359
18.4.2 新建Jupyter Notebook文件 359
18.4.3 導(dǎo)入必要的模塊 361
18.4.4 獲取股票歷史數(shù)據(jù) 361
18.5 數(shù)據(jù)預(yù)處理 362
18.5.1 數(shù)據(jù)查看與缺失性分析 362
18.5.2 描述性統(tǒng)計(jì)分析 363
18.5.3 數(shù)據(jù)處理 364
18.5.4 異常值分析 364
18.5.5 數(shù)據(jù)歸一化處理 365
18.6 數(shù)據(jù)統(tǒng)計(jì)分析 365
18.6.1 可視化股票走勢(shì)圖 365
18.6.2 股票收盤(pán)價(jià)格走勢(shì)圖 366
18.6.3 股票成交量時(shí)間序列圖 367
18.6.4 股票漲跌情況分析圖 367
18.6.5 股票k線走勢(shì)圖 368
第19章 綜合案例：淘寶網(wǎng)訂單分析 370
視頻講解：5分鐘
19.1 概述 370
19.2 案例效果預(yù)覽 371
19.3 案例環(huán)境 372
19.4 數(shù)據(jù)集介紹 372
19.5 前期準(zhǔn)備 373
19.5.1 安裝第三方模塊 373
19.5.2 新建Jupyter Notebook文件 373
19.5.3 導(dǎo)入必要的模塊 373
19.5.4 數(shù)據(jù)讀取與查看 374
19.6 數(shù)據(jù)預(yù)處理 375
19.6.1 缺失性分析 375
19.6.2 描述性統(tǒng)計(jì)分析 375
19.6.3 數(shù)據(jù)處理 376
19.7 數(shù)據(jù)統(tǒng)計(jì)分析 377
19.7.1 整體情況分析 377
19.7.2 按訂單類(lèi)型分析訂單量 377
19.7.3 按區(qū)域分析訂單量 378
19.7.4 每日訂單量分析 380
19.7.5 小時(shí)訂單量分析 380
第20章 綜合案例：網(wǎng)站用戶數(shù)據(jù)分析 382
視頻講解：32分鐘
20.1 概述 382
20.2 案例效果預(yù)覽 382
20.3 案例環(huán)境 383
20.4 MySQL數(shù)據(jù) 383
20.4.1 導(dǎo)入MySQL數(shù)據(jù) 383
20.4.2 Python連接MySQL數(shù)據(jù)庫(kù) 384
20.5 實(shí)現(xiàn)過(guò)程 385
20.5.1 數(shù)據(jù)準(zhǔn)備 385
20.5.2 數(shù)據(jù)檢測(cè) 385
20.5.3 年度注冊(cè)用戶分析 385
20.5.4 新注冊(cè)用戶分析 387
第21章 綜合案例：NBA球員薪資的數(shù)據(jù)分析 389
視頻講解：4分鐘
21.1 概述 389
21.2 案例效果預(yù)覽 389
21.3 案例環(huán)境 391
21.4 實(shí)現(xiàn)過(guò)程 391
21.4.1 數(shù)據(jù)準(zhǔn)備 391
21.4.2 確定網(wǎng)頁(yè)格式 392
21.4.3 Pandas爬取數(shù)據(jù)并保存 393
21.4.4 數(shù)據(jù)清洗 394
21.4.5 水平柱形圖分析湖人隊(duì)薪資狀況 394
21.4.6 統(tǒng)計(jì)分析各個(gè)球隊(duì)隊(duì)員薪資總和 395
21.4.7 統(tǒng)計(jì)分析多個(gè)球隊(duì)所有球員的薪資狀況 397
21.4.8 分析不同位置球員的薪資狀況 398