图书简介:
项目1 分析新零售智能销售项目背景 1
1.1 了解项目背景与目标 2
1.2 了解数据 2
1.2.1 了解订单数据 3
1.2.2 了解商品数据 3
1.3 熟悉项目流程 4
项目2 熟悉与安装Python数据分析工具 8
2.1 熟悉Python数据分析工具 9
2.1.1 了解常用的数据分析工具 9
2.1.2 了解Python数据分析的优势 10
2.2 安装Python的Anaconda发行版 11
2.2.1 系统准备 11
2.2.2 下载与安装Anaconda发行版 12
2.3 使用Jupyter Notebook 15
2.3.1 了解Jupyter Notebook 15
2.3.2 Jupyter Notebook的基本功能 16
2.3.3 Jupyter Notebook的高级功能 19
项目3 Python基础及其常用的数据分析库 25
3.1 了解Python的基础知识 26
3.1.1 了解Python基本语法 26
3.1.2 熟悉Python基本数据类型 30
3.1.3 熟悉Python常用运算符 44
3.2 了解Python标准库os模块 46
3.2.1 导入Python库 46
3.2.2 掌握os模块的常用方法 46
3.3 了解常用的数据分析库pandas 47
3.3.1 了解pandas库 47
3.3.2 读/写文件 48
3.3.3 查看DataFrame的基本属性 51
3.3.4 掌握DataFrame的查、改、增、删方法 52
3.3.5 了解DataFrame的描述性统计 60
项目4 数据可视化——分析新零售智能销售库存结构 67
4.1 技能与知识准备 68
4.1.1 了解Python第三方绘图库 68
4.1.2 理解Matplotlib的基础绘图语法 69
4.1.3 配置Matplotlib的rc动态参数 72
4.1.4 掌握Matplotlib的绘图风格及中文显示 74
4.1.5 分组聚合DataFrame 76
4.2 读取与清洗商品数据 83
4.2.1 读取商品数据 83
4.2.2 清洗商品数据 84
4.3 绘制图形,分析库存结构 85
4.3.1 绘制折线图,分析售罄率 85
4.3.2 绘制点线图,分析库存成本 87
4.3.3 绘制折线图,分析进货数量、库存数量和销售数量 88
4.3.4 撰写库存结构分析报告 89
项目5 数据可视化——分析新零售智能销售用户行为 95
5.1 技能与知识准备 96
5.1.1 排序 96
5.1.2 合并数据 101
5.2 读取与处理订单数据 112
5.2.1 读取订单数据 113
5.2.2 清洗订单数据 113
5.2.3 归约订单数据 116
5.3 绘制图形,分析用户行为 119
5.3.1 绘制饼图,分析用户支付方式 119
5.3.2 绘制散点图,分析客单价 123
5.3.3 绘制饼图,分析用户数 124
5.3.4 绘制折线图,分析用户的消费时间 127
5.3.5 绘制环形图,分析用户的消费时段 129
5.3.6 撰写用户行为分析报告 131
项目6 数据可视化——分析新零售智能销售情况 143
6.1 技能与知识准备 144
6.1.1 简单统计法 145
6.1.2 3σ原则分析法 145
6.1.3 箱形图分析法 147
6.1.4 缺失值检查法 149
6.2 统计并查看新零售智能销售数据 149
6.3 绘制图形,分析整体销售情况 150
6.3.1 绘制柱形图,分析畅销排名前10的商品 151
6.3.2 绘制条形图,分析滞销排名前10的商品 152
6.3.3 绘制折线图,分析销售金额 154
6.3.4 绘制柱形图,分析销售金额排名前10的设备 155
6.3.5 撰写总体销售情况分析报告 156
6.4 绘制图形,分析区域销售情况 159
6.4.1 绘制柱形图,分析各区域销售金额 159
6.4.2 绘制饼图,分析各市销售金额排名前5的商品占比 160
6.4.3 撰写区域销售情况分析报告 164
6.5 绘制图形,分析各月销售情况 168
6.5.1 绘制折线图,分析订单数量与设备数量的关系 168
6.5.2 绘制折线图,分析各月利润 170
6.5.3 绘制柱形图,分析各月销售金额排名前10的商品及其利润 171
6.5.4 撰写各月销售情况分析报告 174
项目7 基于大数据挖掘建模平台和可视化平台实现新零售智能销售用户分析 182
7.1 知识准备 184
7.1.1 初识大数据挖掘建模平台 184
7.1.2 初识大数据可视化平台 188
7.2 配置数据源 193
7.3 探索订单数据 195
7.4 清洗订单数据 196
7.4.1 处理缺失值 196
7.4.2 添加“市”字段 197
7.4.3 处理“商品详情”字段 198
7.4.4 去除无意义数据 199
7.4.5 提取月份 200
7.5 统计订单数据 201
7.6 绘制图形,分析用户行为 205
7.6.1 用户支付方式占比饼图 205
7.6.2 用户消费金额与消费次数折线图 207
7.6.3 各城市用户数占比饼图 209
7.6.4 每月用户数占比饼图 211
7.6.5 首次和最后一次消费时间的用户消费次数折线图 213
7.6.6 配置用户分析可视化仪表盘与大屏 215
展开
21世纪数字经济高速发展,随着大数据时代的到来,海量数据对生活产生了巨大的影响。面对浩瀚的“数字海洋”,如何快速对其进行分析、处理,显得尤为重要。掌握数据,并发现其背后的规律,意味着掌握未来。
Python是近几年较流行的编程语言,是目前人工智能编程语言的首选。Python语法简洁、清晰,代码可读性强,容易入门,有利于初学者学习;Python大量的库为数据分析提供了完整的工具集;Python数据分析语言功能齐全。正是因为Python具有强大的功能,本书才将Python作为数据分析的工具。
本书将新兴产业中新零售智能销售作为案例,以项目贯穿的形式呈现,采取任务驱动的模式,激发读者的学习兴趣,引领读者分析数据背后隐藏的规律,发现问题,从而轻松实现数据分析。本书从初学者角度出发,采用项目式教学,由浅及深、循序渐进,引领读者从Python的基本语法开始学习,熟悉Python数据分析常用的工具包——Numpy、pandas、Matplotlib,并通过实战操作,掌握数据分析业务所需的各方面知识和技术。
本书特色
? 以项目为导向。本书以新零售智能销售项目为例,以“学习目标、项目背景、项目目标、目标分析、项目实施”为编写思路,将数据分析知识融入具体的任务,实现项目的贯穿性学习,让读者对实际项目的流程有初步的认识。
? 完整的数据分析过程。本书从项目4开始,每个项目都遵循数据分析的一般步骤:从读取数据、清洗数据,到数据可视化,再到形成分析报告。每个项目的分析过程清晰、完整,一步一步引领读者进入数据分析的奇妙世界。
? 内容由浅入深。本书以初学者为对象,采用图文结合、循序渐进的编排方式。前面项目带领读者了解Python开发环境的安装方法及基础知识,后面项目在实施之前,设置“技能与知识准备”环节,引导读者快速入门,掌握Python的语法规则、编程思想,以及数据分析过程,使读者快速成长为数据分析高手。
? 实战练习,巩固知识。范围本书项目2~6都包含技能拓展、技能测试:技能拓展可以拓展读者的知识范围;技能测试可供读者随时训练,巩固所学的知识点,提高运用Python解决问题的能力。
? 结合思政教学。本书项目1~6都融入了素质目标和阅读拓展,而恰当地融入相关的思政元素,可以让读者在学习技能的同时,了解其从事的行业需具备的职业素养,引导读者遵纪守法、实事求是、勤俭节约、主动探索、勇于创新。
本书读者对象
? 开设数据分析相关专业的职业院校的教师和学生。
? 数据分析应用开发人员。
? 数据分析应用科研人员。
? 零基础的数据分析学习者。
展开