具备大数据分析能力已成为现代管理人才的核心竞争力。本书以Python语言为工具，聚焦商务数据分析全流程，通过大量真实商业案例和数据集，让读者掌握主流数据分析工具的应用。

　　全书共14章，涵盖Python编程基础和从数据采集、清洗、分析建模到可视化的完整知识体系，包括Python基础语法、函数、数据分析常用模块、数据预处理，以及数据建模中的线性回归、逻辑回归、决策树、K近邻、朴素贝叶斯、聚类分析、关联规则分析、智能推荐系统、文本挖掘等数据分析模型的原理和代码实现，并结合金融、营销、企业管理、医疗等多场景的案例实战，强化知识点的理解与应用。

　　本书注重理论与实践相结合，培养读者将数据分析技术应用于商业决策的实际能力，可以作为高等院校管理类、统计类等专业本科生与研究生的教材，也可以供理、工、农、医等相关行业的技术人员参考，也适合Python编程爱好者或对大数据分析与挖掘技术感兴趣的读者使用。

目    录

前言

第1章  Python与数据科学 1

1.1  大数据分析与挖掘概述 1

1.1.1  大数据的基本概念 1

1.1.2  Python在数据分析中的作用 3

1.2  Python开发环境的安装 4

1.2.1  Python的安装 4

1.2.2  IDLE集成开发环境 7

1.3  第一个Python程序 10

1.3.1  缩进 10

1.3.2  注释 10

1.4  课后习题 11

第2章  Python基础语法 12

2.1  变量 12

2.1.1  定义一个变量 12

2.1.2  同时定义多个变量 13

2.2  数据类型 14

2.2.1  数字 14

2.2.2  字符串 15

2.2.3  列表 24

2.2.4  元组 32

2.2.5  集合 35

2.2.6  字典 40

2.3  运算符 46

2.4  流程控制语句 55

2.4.1  if条件语句 55

2.4.2  for循环语句 58

2.4.3  while循环语句 60

2.5  课后习题 64

第3章  函数 66

3.1  函数的定义与调用 66

3.2  参数列表与返回值 67

3.2.1  形参 67

3.2.2  实参 67

3.2.3  默认参数 68

3.2.4  关键字参数 68

3.2.5  不定长参数 69

3.2.6  拆分参数列表 70

3.2.7  返回值 71

3.3  变量的作用域 73

3.3.1  局部变量 73

3.3.2  全局变量 74

3.3.3  global关键字 74

3.3.4  nonlocal关键字 75

3.4  课后习题 76

第4章  数据分析常用模块 77

4.1  模块的概述 77

4.1.1  模块导入方法 77

4.1.2  安装第三方模块 77

4.2  NumPy模块 78

4.2.1  NumPy库与数组 79

4.2.2  数组与列表的区别 79

4.2.3  创建数组的几种方式 80

4.3  pandas模块 81

4.3.1  二维数据表格DataFrame的创建 82

4.3.2  Excel工作簿等文件的读取和写入 85

4.3.3  数据的选取与处理 87

4.4  Matplotlib模块 92

4.4.1  基本图表绘制 93

4.4.2  数据可视化常用技巧 97

4.5  课后习题 102

第5章  数据预处理 104

5.1  非数值类型数据处理 104

5.1.1  Get_dummies哑变量处理 104

5.1.2  Label Encoding编号处理 106

5.2  重复值、缺失值及异常值处理 108

5.2.1  重复值处理 108

5.2.2  缺失值处理 109

5.2.3  异常值处理 111

5.3  数据标准化 114

5.3.1  min-max标准化 114

5.3.2  Z-score标准化 115

5.4  多重共线性的分析与处理 116

5.4.1  多重共线性的定义 116

5.4.2  多重共线性的分析与检验 117

5.5  课后习题 119

第6章  线性回归 120

6.1  一元线性回归 120

6.1.1  一元线性回归的数学原理 120

6.1.2  一元线性回归的代码实现 121

6.1.3  案例实战：不同行业工龄与薪水的线性回归模型 123

6.2  线性回归模型评估 128

6.2.1  模型评估的编程实现 128

6.2.2  模型评估的数学原理 130

6.3  多元线性回归 132

6.3.1  多元线性回归的数学原理和代码实现 132

6.3.2  案例实战：客户价值预测模型 133

6.4  课后习题 136

第7章  逻辑回归 137

7.1  逻辑回归模型的算法原理 137

7.1.1  逻辑回归模型的数学原理 137

7.1.2  逻辑回归模型的代码实现 138

7.1.3  逻辑回归模型的深入理解 140

7.1.4  用逻辑回归模型处理多分类问题 141

7.2  案例实战：客户流失预警模型 142

7.2.1  案例背景 142

7.2.2  数据读取与变量划分 142

7.2.3  模型的搭建与使用 143

7.3  模型评估方法：ROC曲线 148

7.3.1  ROC曲线的基本原理 148

7.3.2  案例实战：用ROC曲线评估客户流失预警模型 151

7.4  课后习题 154

第8章  决策树 155

8.1  决策树模型的基本原理 155

8.1.1  决策树模型简介 155

8.1.2  决策树模型的建树依据 156

8.1.3  决策树模型的代码实现 159

8.2  案例实战：员工离职预测模型 161

8.2.1  模型搭建 161

8.2.2  模型预测及评估 163

8.2.3  决策树模型可视化呈现及决策树要点理解 168

8.3  课后习题 173

第9章  K近邻 174

9.1  K近邻算法的原理和代码实现 174

9.1.1  K近邻算法的原理介绍 174

9.1.2  K近邻算法的计算步骤 175

9.1.3  K近邻算法的代码实现 177

9.2  案例实战：手写数字识别模型 178

9.2.1  案例背景 178

9.2.2  手写数字识别的原理 179

9.2.3  手写数字识别的代码实现 180

9.3  课后习题 183

第10章  朴素贝叶斯 184

10.1  朴素贝叶斯模型的数学原理 184

10.1.1 一维特征变量下的贝叶斯模型 184

10.1.2  二维特征变量下的贝叶斯模型 185

10.1.3  n维特征变量下的贝叶斯模型 186

10.1.4  朴素贝叶斯模型的简单代码实现 186

10.2  案例实战：肿瘤预测模型 187

10.2.1  案例背景 187

10.2.2  数据读取与划分 187

10.2.3  模型的搭建与使用 188

10.3  课后习题 189

第11章  聚类分析 191

11.1  K-Means算法 191

11.1.1  K-Means算法的基本原理 191

11.1.2  K-Means算法的代码实现 192

11.1.3  案例实战：银行客户分群模型 195

11.2  DBSCAN算法 198

11.2.1  DBSCAN 算法的基本原理 198

11.2.2  DBSCAN算法的代码实现 200

11.2.3  K-Means算法和DBSCAN算法的对比 202

11.3  案例实战：新闻聚类分群模型 203

11.3.1  案例背景 203

11.3.2  文本数据的读取与处理 203

11.3.3  模型的搭建与使用 210

11.4  课后习题 212

第12章  关联规则分析 214

12.1  Apriori关联分析算法 214

12.1.1  基本概念 214

12.1.2  Apriori算法的数学演示 215

12.1.3  Apriori算法的代码实现 219

12.2  案例实战：病症关联规则分析 224

12.2.1  案例背景 224

12.2.2  数据读取与处理 224

12.2.3  关联规则分析 225

12.3  课后习题 228

第13章  智能推荐系统 229

13.1  基于用户的协同过滤推荐算法 229

13.2  计算相似度的常用方法 229

13.2.1  欧氏距离 230

13.2.2  余弦相似度 231

13.2.3  皮尔逊相关系数 231

13.3  案例实战：电影推荐 233

13.3.1  案例背景 233

13.3.2  数据读取与处理 233

13.3.3  系统搭建 237

13.4  课后习题 239

第14章  文本挖掘 241

14.1  文本挖掘流程 241

14.2  NLTK 241

14.2.1  分词 242

14.2.2  词频统计 243

14.2.3  应用实例 243

14.3  TextBlob 249

14.4  Jieba 253

14.5  SnowNLP 257

14.6  词云 262

14.7  LDA主题模型 263

14.8  课后习题 267

参考文献 268