目录

●第1章 数据分析基础
1.1 什么是数据分析 1
1.2 数据分析的应用 1
1.3 数据分析工具 2
1.4 数据分析流程 2
1.4.1 明确目的 3
1.4.2 获取数据 3
1.4.3 数据处理 4
1.4.4 数据分析 5
1.4.5 验证结果 5
1.4.6 数据展现 5
1.4.7 数据应用 5
1.5 Python数据分析常用模块 5
1.5.1 数值计算模块 5
1.5.2 数据处理模块 6
1.5.3 数据可视化模块 6
1.5.4 机器学习模块 6
1.6 在PyCharm中引入AI工具 6
1.6.1 AI编程助手Baidu Comate 6
1.6.2 AI编程助手Fitten Code 7
1.6.3 AI编程助手CodeMoss 8
小结 8
习题 8
第2章 使用NumPy模块实现数值计算
2.1 初识NumPy模块 9
2.1.1 NumPy的诞生 9
2.1.2 NumPy的安装 9
2.1.3 NumPy的数据类型 11
2.1.4 数组对象ndarray 11
2.1.5 数据类型对象dtype 12
2.2 NumPy模块中数组的基本操作 13
2.2.1 内置的数组创建方法 13
2.2.2 生成随机数 16
2.2.3 切片和索引 17
2.2.4 修改数组形状 18
2.2.5 组合数组 19
2.2.6 数组分割 21
2.3 NumPy模块中函数的应用 22
2.3.1 数学函数 23
2.3.2 算术函数 24
2.3.3 统计函数 25
2.3.4 矩阵函数 27
2.4 广播机制 28
2.5 借助AI快速学习 29
2.5.1 解放双手让AI添加代码注释 30
2.5.2 向AI求助进行代码解释 31
2.5.3 AI智能问答 31
小结 32
习题 32
第3章 使用Pandas模块实现统计分析
3.1 安装Pandas模块 33
3.2 Pandas数据结构 34
3.2.1 Series对象 34
3.2.2 DataFrame对象 37
3.3 读、写数据 38
3.3.1 读、写文本文件 38
3.3.2 读、写Excel文件 40
3.3.3 读、写数据库数据 41
3.4 数据操作 43
3.4.1 数据的增、删、改、查 43
3.4.2 处理NaN 46
3.4.3 时间数据的处理 49
3.5 数据的分组与聚合 52
3.5.1 分组数据 52
3.5.2 聚合数据 54
3.6 数据的预处理 56
3.6.1 合并数据 56
3.6.2 去除重复数据 60
3.7 AI辅助编写实例 61
3.7.1 使用DataFrame对象创建学生成绩表 61
3.7.2 使用Pandas计算峰度 63
小结 64
习题 64
第4章 使用Matplotlib模块实现数据可视化
4.1 基本用法 65
4.1.1 安装Matplotlib 65
4.1.2 pyplot子模块的绘图流程 66
4.1.3 pyplot子模块的常用语法 67
4.2 绘制常用图表 67
4.2.1 绘制条形图 68
4.2.2 绘制折线图 70
4.2.3 绘制散点图 72
4.2.4 绘制饼图 73
4.2.5 绘制箱形图 74
4.2.6 多面板图表 76
4.3 3D绘图 79
4.3.1 3D线图 79
4.3.2 3D曲面图 80
4.3.3 3D条形图 81
4.4 AI绘制3D曲面图 82
小结 86
习题 86
第5章 NBA球员薪资数据分析
5.1 背景 87
5.2 系统设计 87
5.2.1 系统功能结构 87
5.2.2 系统业务流程 88
5.2.3 系统预览 88
5.3 系统开发推荐 90
5.3.1 开发环境及工具 90
5.3.2 项目文件结构 91
5.4 技术准备 91
5.5 实现过程 92
5.5.1 数据准备 92
5.5.2 确定网页格式 92
5.5.3 获取并保存数据 93
5.5.4 数据清洗 94
5.5.5 水平条形图分析湖人队薪资状况 95
5.5.6 统计分析各球队球员薪资总和 96
5.5.7 箱形图分析实力和战绩TOP5的球队的薪资状况 97
5.5.8 分析不同位置球员的薪资状况 98
小结 100
习题 100
第6章 销售收入分析与预测
6.1 背景 101
6.2 系统设计 101
6.2.1 系统功能结构 101
6.2.2 系统业务流程 102
6.2.3 系统预览 102
6.3 系统开发推荐 103
6.3.1 开发环境及工具 103
6.3.2 项目文件结构 103
6.4 AI详解一元线性回归 103
6.5 线性回归模型 104
6.6 Excel日期数据处理 104
6.6.1 按日期筛选数据 105
6.6.2 按日期显示数据 105
6.6.3 按日期统计数据 106
6.7 分析与预测 106
6.7.1 数据处理 107
6.7.2 日期数据统计与显示 107
6.7.3 销售收入分析 108
6.7.4 折线图分析相关性 108
6.7.5 散点图分析相关性 110
6.7.6 预测销售收入 111
小结 113
习题 113
第7章 二手房数据分析预测系统
7.1 需求分析 114
7.2 系统设计 114
7.2.1 系统功能结构 114
7.2.2 系统业务流程 115
7.2.3 系统预览 115
7.3 系统开发推荐 118
7.3.1 开发环境及工具 118
7.3.2 文件夹组织结构 118
7.4 技术准备 119
7.4.1 AI概述sklearn模块 119
7.4.2 加载datasets子模块中的数据集 119
7.4.3 支持向量回归函数 121
7.5 图表工具模块 123
7.5.1 绘制饼图 123
7.5.2 绘制折线图 124
7.5.3 绘制条形图 124
7.6 二手房数据分析 126
7.6.1 清洗数据 126
7.6.2 各区二手房均价分析 127
7.6.3 各区二手房数量所占比例分析 128
7.6.4 全市二手房装修程度分析 129
7.6.5 热门户型均价分析 130
7.6.6 二手房售价预测 131
小结 134
习题 134
第8章 智能停车场运营分析系统
8.1 需求分析 135
8.2 系统设计 135
8.2.1 系统功能结构 135
8.2.2 系统业务流程 136
8.2.3 系统预览 136
8.3 系统开发推荐 138
8.3.1 开发环境及工具 138
8.3.2 文件夹组织结构 139
8.4 技术准备 139
8.4.1 初识Pygame 139
8.4.2 Pygame的基本应用 139
8.4.3 时间模块 142
8.4.4 日期时间模块 144
8.5 智能停车场数据分析 147
8.5.1 停车时间数据分布图 148
8.5.2 停车高峰时间所占比例 150
8.5.3 每周繁忙统计 151
8.5.4 月收入分析 154
8.5.5 每日接待车辆统计 155
8.5.6 车位利用率 157
8.6 利用AI优化项目 158
8.6.1 AI提供项目开发思路 158
8.6.2 AI提供车位空闲率分析的实现方法 159
小结 161
习题 161
第9章 影视作品分析
9.1 需求分析 162
9.2 系统设计 162
9.2.1 系统功能结构 162
9.2.2 系统业务流程 163
9.2.3 系统预览 163
9.3 系统开发推荐 165
9.3.1 开发环境及工具 165
9.3.2 文件夹组织结构 165
9.4 技术准备 165
9.4.1 使用jieba模块进行分词 165
9.4.2 使用wordcloud模块实现词云 168
9.5 主窗口设计 171
9.5.1 实现主窗口 171
9.5.2 查看内容的隐藏与显示 172
9.5.3 响应下拉列表选项的改变 173
9.6 数据分析与处理 174
9.6.1 获取数据 174
9.6.2 生成全国热力图文件 175
9.6.3 生成主要城市评论数及平均分文件 176
9.6.4 生成词云 177
9.7 单击查看显示内容 178
9.7.1 创建显示HTML页面的窗口 178
9.7.2 创建显示图片的窗口 178
9.7.3 绑定“查询”按钮单击事件 179
小结 180
习题 180
第10章 看店宝
10.1 需求分析 182
10.2 系统设计 182
10.2.1 系统功能结构 182
10.2.2 系统业务流程 183
10.2.3 系统预览 183
10.3 系统开发推荐 185
10.3.1 开发环境及工具 185
10.3.2 文件夹组织结构 185
10.4 技术准备 186
10.4.1 使用Python操作数据库 186
10.4.2 JSON模块的应用 187
10.5 主窗口的UI设计 188
10.5.1 对主窗口进行可视化设计 188
10.5.2 将可视化窗口转换为.py文件 190
10.5.3 设置窗口及控件背景 190
10.5.4 创建窗口控制文件 191
10.5.5 主窗口预览效果 191
10.6 设计数据库表结构 192
10.7 初始数据的爬取 193
10.7.1 爬取排行信息 193
10.7.2 爬取价格信息 196
10.7.3 爬取评价信息 197
10.7.4 定义数据库操作文件 200
10.8 图表分析数据 203
10.8.1 饼图展示评价信息 203
10.8.2 分析出版社所占比例的条形图 204
10.8.3 折线图分析价格走势 205
10.8.4 主窗口数据显示 206
10.9 商品排行展示 209
10.9.1 热销商品排行榜 209
10.9.2 热门商品展示 211
10.10 关注商品 213
10.10.1 分析关注商品的预警信息 213
10.10.2 重点商品的关注与取消 214
10.11 商品营销预警 220
10.11.1 商品中、差评预警 220
10.11.2 商品价格变化预警 222
10.12 关注商品图表分析 224
10.12.1 关注图书的评价分析饼图 224
10.12.2 关注图书的出版社占有比例 226
10.13 其他功能 228
小结 230
习题 230