1.本书基本覆盖Python数据分析的核心知识点，内容非常直观，可读性较强。 2.本书案例应用也更加多样化，动手练习更加贴近实际。 3.本书作者有丰富的案例开发经验，可以为读者提供系统的学习体系。

本书涵盖了数据分析的全面知识体系，涉及Python编程、数据采集、Excel和MySQL应用，以及Numpy、pandas和数据处理等。读者将学习数据清洗、统计分析、可视化技术，以及文本挖掘和机器学习知识，最终掌握用Power BI创建数据报表与可视化分析的能力。本书旨在帮助读者建立扎实的数据分析基础，掌握常用的数据分析工具和技术，能够应对实际的数据分析任务和挑战。本书可作为数据分析从业者的参考用书。安俊秀，主要研究方向为大数据分析与挖掘、现为成都信息工程大工智能等。学并行计算与大数据研究所负责人，软件自动生成与智能服务四川省重点实验室学术带头，苏蒋合总貂滑査轱聚合效握存!)行在、突霸轰据的程序流植刑高效处理。项目一 数据分析基础知识5任务1.1 ?数据分析概述111.1.1 ?数据分析的基本概念111.1.2 ?数据分析流程121.1.3 ?数据分析应用场景14任务1.2 ?大数据分析概述 ?????????????????????????????????????????????????????161.2.1 ?大数据的定义与发展201.2.2 ?大数据的应用场景231.2.3 ?大数据分析面临的挑战25习题 ????????????????????????????????????????????????????????????????????????27项目二 ?Python开发环境的搭建及编程基础知识35任务2.1 搭建Python开发环境 ?????????????????????????????????????????????????33任务2.2 ?Python编程简介 ?????????????????????????????????????????????????????33任务2.3 ?Python编程相关概念 ?????????????????????????????????????????????????332.3.1 ?数据结构372.3.2 ?程序流程控制语句412.3.3 ?函数512.3.4 ?面向对象编程542.3.5 ?文件57习题 ????????????????????????????????????????????????????????????????????????73项目三 ?使用Excel进行数据分析78任务3.1 ?数据导入和准备 ?????????????????????????????????????????????????????783.1.1 ?导入数据文件813.1.2 ?数据清洗和格式化813.1.3 ?数据筛选和排序82任务3.2 ?数据分析与统计 ?????????????????????????????????????????????????????813.2.1 ?排序、筛选与分类汇总843.2.2 ?函数933.2.3 ?透视表与透视图963.2.4 ?数据可视化101实训 ?使用Excel分析销售报表 ????????????????????????????????????????????????100习题 ???????????????????????????????????????????????????????????????????????102项目四 ?使用MySQL进行数据分析106任务4.1 ?数据库基础 ??????????????????????????????????????????????????????1064.1.1 ?数据库的基本概念1094.1.2 ?MySQL的安装和配置1124.1.3 ?表结构和DDL语句1154.1.4 ?数据类型及 DML语句119任务4.2 ?数据库查询与数据分析1224.2.1 ?基本查询1224.2.2 ?分组查询1254.2.3 ?连接查询1274.2.4 ?排序与限制1284.2.5 ?数据分析函数130任务4.3 ?使用MySQL分析用户购物行为 ?????????????????????????????????????????137实训一 ?制作对MySQL的分析报告 ??????????????????????????????????????????????137实训二 ?使用MySQL进行销售数据分析 ??????????????????????????????????????????138习题 ???????????????????????????????????????????????????????????????????????139项目五 ?Python数据分析技术146任务5.1 ?Python相关准备工作1465.1.1 ?Python数据分析的优势1465.1.2 ?数据分析常用库152任务5.2 ?使用NumPy进行数值计算1575.2.1 ?创建与操作数组1575.2.2 ?数组的基本运算1595.2.3 ?常用的数学函数和统计函数1615.2.4 ?线性代数计算165任务5.3 ?使用pandas进行数据处理与分析1675.3.1 ?构造序列与数据框1685.3.2 ?读取与保存数据1715.3.3 ?数据类型及描述统计1735.3.4 ?数据清洗方法1755.3.5 ?透视表1785.3.6 ?表的合并与连接1815.3.7 ?运用分组与聚合184实训一 ?使用NumPy计算数据表 ????????????????????????????????????????????????184实训二 ?使用pandas处理数据 ?????????????????????????????????????????????????186项目六 ?大数据分析与挖掘193任务6.1 ?数据处理 ?1936.1.1 ?数据预处理1966.1.2 ?正则表达式1986.1.3 ?中文自然语言处理基础1996.1.4 ?文本分词2006.1.5 ?去停用词2016.1.6 ?词性标注2026.1.7 ?命名实体识别2036.1.8 ?文本特征计算2046.1.9 ?文本特征标准化2046.1.10 ?网络在线语料库获取206任务6.2 ?????模型构建 ??????????????????????????????????????????????????????2046.2.1 ?分类与回归算法原理与实现2076.2.2 ?聚类算法原理与实现2096.2.3 ?关联规则的算法原理与实现2106.2.4 ?智能推荐、时序模式算法原理与实现2126.2.5 ?使用Python实现文本分类2166.2.6 ?使用Python实现文本聚类218任务6.3 ?模型优化与部署2226.3.1 ?模型评价2236.3.2 ?模型优化2256.3.3 ?模型部署227实训一 ?使用Python进行文本数据分析 ?????????????????????????????????????????228实训二 使用Python实现情感分析 ??????????????????????????????????????????????229习题 ???????????????????????????????????????????????????????????????????????230项目七 ?数据分析报表与数据可视化235任务7.1 ?数据报表基础知识2397.1.1 ?数据报表的概念2387.1.2 ?数据报表的必要元素2387.1.3 ?数据可视化的概念2397.1.4 ?数据可视化工具240任务7.2 ?Power BI基础知识2417.2.1 ?数据获取2417.2.2 ?数据集成2427.2.3 ?数据清洗2447.2.4 ?数据规约2447.2.5 ?数据变换2457.2.6 ?使用DAX语言进行数据建模246任务7.3 ?Power BI数据可视化2527.3.1 ?数据可视化概念2527.3.2 ?对比分析——条形图、柱形图、雷达图、漏斗图2537.3.3 ?结构分析——饼图、环形图、瀑布图、树状图2557.3.4 ?相关分析——散点图、折线图2587.3.5 ?描述性分析——表、箱线图2607.3.6 ?KPI分析——仪表、KPI Indicator、子弹图262任务7.4 ?Power BI数据分析报表2657.4.1 ?数据分析报表的基本概念2667.4.2 ?数据分析报表的背景与目的2667.4.3 ?制作数据分析报表2677.4.4 ?部署数据分析报表268实训一 ?使用Power BI制作数据分析报表 ???????????????????????????????????????267实训二 ?制作对Power BI的分析报告 ???????????????????????????????????????????270习题 ???????????????????????????????????????????????????????????????????????272