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(xiàng)目1 使用NumPy分析空氣質(zhì)量狀況 \n
任務(wù)1.1 項(xiàng)目需求分析 \n
任務(wù)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(wù)1.3 數(shù)據(jù)獲取 \n
1.3.1 通過網(wǎng)絡(luò)爬蟲爬取 \n
1.3.2 直接從網(wǎng)站下載 \n
任務(wù)1.4 數(shù)據(jù)預(yù)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(wù)1.5 科學(xué)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(yù)測空氣質(zhì)量 \n
小結(jié) \n
課后習(xí)題 \n
項(xiàng)目2 使用Matplotlib實(shí)現(xiàn)空氣質(zhì)量數(shù)據(jù)可視化 \n
任務(wù)2.1 項(xiàng)目需求分析 \n
任務(wù)2.2 折線圖：展現(xiàn)AQI走勢 \n
2.2.1 實(shí)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(wù)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(wù)2.4 散點(diǎn)圖：展現(xiàn)內(nèi)在相關(guān)性 \n
任務(wù)2.5 子圖：展現(xiàn)圖表的多樣性 \n
任務(wù)2.6 餅圖：展現(xiàn)部分和整體的關(guān)系 \n
小結(jié) \n
課后習(xí)題 \n
項(xiàng)目3 使用Pandas分析股票交易數(shù)據(jù) \n
任務(wù)3.1 項(xiàng)目需求分析 \n
任務(wù)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(wù)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(wù)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(wù)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(wù)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(xí)題 \n
項(xiàng)目4 使用Pandas實(shí)現(xiàn)股票交易數(shù)據(jù)可視化 \n
任務(wù)4.1 項(xiàng)目需求分析 \n
任務(wù)4.2 折線圖：展現(xiàn)股價走勢 \n
任務(wù)4.3 散點(diǎn)圖：展現(xiàn)股價影響因素 \n
任務(wù)4.4 條形圖：展現(xiàn)同比成交量 \n
任務(wù)4.5 餅圖：展現(xiàn)成交量占比關(guān)系 \n
任務(wù)4.6 K線圖：展現(xiàn)股價走勢 \n
小結(jié) \n
課后習(xí)題 \n
下篇 Power BI數(shù)據(jù)分析與可視化 \n
項(xiàng)目5 空氣質(zhì)量狀況分析 \n
任務(wù)5.1 項(xiàng)目需求分析 \n
任務(wù)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(wù)5.3 數(shù)據(jù)預(yù)處理 \n
5.3.1 導(dǎo)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(wù)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(guān)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(xí)題 \n
項(xiàng)目6 企業(yè)財務(wù)報表數(shù)據(jù)分析 \n
任務(wù)6.1 項(xiàng)目需求分析 \n
任務(wù)6.2 數(shù)據(jù)獲取 \n
任務(wù)6.3 數(shù)據(jù)預(yù)處理 \n
6.3.1 導(dǎo)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(wù)6.4 數(shù)據(jù)建模 \n
6.4.1 新建項(xiàng)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(guān)聯(lián) \n
任務(wù)6.5 數(shù)據(jù)分析和可視化 \n
6.5.1 度量值：計算關(guān)鍵指標(biāo) \n
6.5.2 卡片圖：展示關(guān)鍵指標(biāo)數(shù)據(jù) \n
6.5.3 矩陣圖：羅列關(guān)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(xí)題 \n
項(xiàng)目7 銀行客戶營銷分析 \n
任務(wù)7.1 項(xiàng)目需求分析 \n
任務(wù)7.2 數(shù)據(jù)預(yù)處理 \n
任務(wù)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(guān)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(xí)題 \n
項(xiàng)目8 電商App用戶購物行為分析 \n
任務(wù)8.1 項(xiàng)目需求分析 \n
任務(wù)8.2 下載并安裝MySQL數(shù)據(jù)庫服務(wù)器 \n
任務(wù)8.3 將數(shù)據(jù)導(dǎo)入到MySQL數(shù)據(jù)庫中 \n
任務(wù)8.4 數(shù)據(jù)獲取 \n
任務(wù)8.5 數(shù)據(jù)預(yù)處理 \n
任務(wù)8.6 數(shù)據(jù)分析和可視化 \n
8.6.1 多行卡：關(guān)鍵指標(biāo)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(xí)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)