商品详情
书名：数据分析与Python大数据处理
定价：59.8
ISBN：9787115687852
作者：安俊秀 夏玉萍
版次：第1版
出版时间：2026-07
内容提要：
本书涵盖了数据分析的*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，*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。
作者简介：
安俊秀，主要研究方向为大数据分析与挖掘、现为成*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*处理。
目录：
项目一 数据分析基础知识 5
任务1.1 数据分析概述 11
1.1.1 数据分析的基本概念 11
1.1.2 数据分析流程 12
1.1.3 数据分析应用场景 14
任务1.2 大数据分析概述 16
1.2.1 大数据的定义与发展 20
1.2.2 大数据的应用场景 23
1.2.3 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 33
2.3.1 数据结构 37
2.3.2 程序流程控制语句 41
2.3.3 函数 51
2.3.4 面向对象编程 54
2.3.5 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 78
3.1.1 导入数据文件 81
3.1.2 数据清洗和格式化 81
3.1.3 数据筛选和排序 82
任务3.2 数据分析与统计 81
3.2.1 排序、筛选与分类汇总 84
3.2.2 函数 93
3.2.3 透视表与透视图 96
3.2.4 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 106
4.1.1 数据库的基本概念 109
4.1.2 MySQL的安装和配置 112
4.1.3 表结构和DDL语句 115
4.1.4 数据类型及 DML语句 119
任务4.2 数据库查询与数据分析 122
4.2.1 基本查询 122
4.2.2 分组查询 125
4.2.3 连接查询 127
4.2.4 排序与限制 128
4.2.5 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 146
5.1.1 Python数据分析的优势 146
5.1.2 数据分析常用库 152
任务5.2 使用NumPy进行数值计算 157
5.2.1 创建与操作数组 157
5.2.2 数组的基本运算 159
5.2.3 常用的数学函数和统计函数 161
5.2.4 线性代数计算 165
任务5.3 使用pandas进行数据处理与分析 167
5.3.1 构造序列与数据框 168
5.3.2 读取与保存数据 171
5.3.3 数据类型及描述统计 173
5.3.4 数据清洗方法 175
5.3.5 透视表 178
5.3.6 表的合并与连接 181
5.3.7 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 193
6.1.1 数据预处理 196
6.1.2 正则表达式 198
6.1.3 中文自然语言处理基础 199
6.1.4 文本分词 200
6.1.5 去停用词 201
6.1.6 词性标注 202
6.1.7 命名实体识别 203
6.1.8 文本特征计算 204
6.1.9 文本特征标准化 204
6.1.10 网络在线语料库获取 206
任务6.2 模型构建 204
6.2.1 分类与回归算法原理与实现 207
6.2.2 聚类算法原理与实现 209
6.2.3 关联规则的算法原理与实现 210
6.2.4 智能推荐、时序模式算法原理与实现 212
6.2.5 使用Python实现文本分类 216
6.2.6 使用Python实现文本聚类 218
任务6.3 模型优化与部署 222
6.3.1 模型评价 223
6.3.2 模型优化 225
6.3.3 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 239
7.1.1 数据报表的概念 238
7.1.2 数据报表的*要元素 238
7.1.3 数据可视化的概念 239
7.1.4 数据可视化工具 240
任务7.2 Power BI基础知识 241
7.2.1 数据获取 241
7.2.2 数据集成 242
7.2.3 数据清洗 244
7.2.4 数据规约 244
7.2.5 数据变换 245
7.2.6 使用DAX语言进行数据建模 246
任务7.3 Power BI数据可视化 252
7.3.1 数据可视化概念 252
7.3.2 对比分析——条形图、柱形图、雷达图、漏斗图 253
7.3.3 结构分析——饼图、环形图、瀑布图、树状图 255
7.3.4 相关分析——散点图、折线图 258
7.3.5 描述性分析——表、箱线图 260
7.3.6 KPI分析——仪表、KPI Indicator、子弹图 262
任务7.4 Power BI数据分析报表 265
7.4.1 数据分析报表的基本概念 266
7.4.2 数据分析报表的背景与目的 266
7.4.3 制作数据分析报表 267
7.4.4 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
定价：59.8
ISBN：9787115687852
作者：安俊秀 夏玉萍
版次：第1版
出版时间：2026-07
内容提要：
本书涵盖了数据分析的*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，*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。
作者简介：
安俊秀，主要研究方向为大数据分析与挖掘、现为成*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*处理。
目录：
项目一 数据分析基础知识 5
任务1.1 数据分析概述 11
1.1.1 数据分析的基本概念 11
1.1.2 数据分析流程 12
1.1.3 数据分析应用场景 14
任务1.2 大数据分析概述 16
1.2.1 大数据的定义与发展 20
1.2.2 大数据的应用场景 23
1.2.3 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 33
2.3.1 数据结构 37
2.3.2 程序流程控制语句 41
2.3.3 函数 51
2.3.4 面向对象编程 54
2.3.5 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 78
3.1.1 导入数据文件 81
3.1.2 数据清洗和格式化 81
3.1.3 数据筛选和排序 82
任务3.2 数据分析与统计 81
3.2.1 排序、筛选与分类汇总 84
3.2.2 函数 93
3.2.3 透视表与透视图 96
3.2.4 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 106
4.1.1 数据库的基本概念 109
4.1.2 MySQL的安装和配置 112
4.1.3 表结构和DDL语句 115
4.1.4 数据类型及 DML语句 119
任务4.2 数据库查询与数据分析 122
4.2.1 基本查询 122
4.2.2 分组查询 125
4.2.3 连接查询 127
4.2.4 排序与限制 128
4.2.5 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 146
5.1.1 Python数据分析的优势 146
5.1.2 数据分析常用库 152
任务5.2 使用NumPy进行数值计算 157
5.2.1 创建与操作数组 157
5.2.2 数组的基本运算 159
5.2.3 常用的数学函数和统计函数 161
5.2.4 线性代数计算 165
任务5.3 使用pandas进行数据处理与分析 167
5.3.1 构造序列与数据框 168
5.3.2 读取与保存数据 171
5.3.3 数据类型及描述统计 173
5.3.4 数据清洗方法 175
5.3.5 透视表 178
5.3.6 表的合并与连接 181
5.3.7 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 193
6.1.1 数据预处理 196
6.1.2 正则表达式 198
6.1.3 中文自然语言处理基础 199
6.1.4 文本分词 200
6.1.5 去停用词 201
6.1.6 词性标注 202
6.1.7 命名实体识别 203
6.1.8 文本特征计算 204
6.1.9 文本特征标准化 204
6.1.10 网络在线语料库获取 206
任务6.2 模型构建 204
6.2.1 分类与回归算法原理与实现 207
6.2.2 聚类算法原理与实现 209
6.2.3 关联规则的算法原理与实现 210
6.2.4 智能推荐、时序模式算法原理与实现 212
6.2.5 使用Python实现文本分类 216
6.2.6 使用Python实现文本聚类 218
任务6.3 模型优化与部署 222
6.3.1 模型评价 223
6.3.2 模型优化 225
6.3.3 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 239
7.1.1 数据报表的概念 238
7.1.2 数据报表的*要元素 238
7.1.3 数据可视化的概念 239
7.1.4 数据可视化工具 240
任务7.2 Power BI基础知识 241
7.2.1 数据获取 241
7.2.2 数据集成 242
7.2.3 数据清洗 244
7.2.4 数据规约 244
7.2.5 数据变换 245
7.2.6 使用DAX语言进行数据建模 246
任务7.3 Power BI数据可视化 252
7.3.1 数据可视化概念 252
7.3.2 对比分析——条形图、柱形图、雷达图、漏斗图 253
7.3.3 结构分析——饼图、环形图、瀑布图、树状图 255
7.3.4 相关分析——散点图、折线图 258
7.3.5 描述性分析——表、箱线图 260
7.3.6 KPI分析——仪表、KPI Indicator、子弹图 262
任务7.4 Power BI数据分析报表 265
7.4.1 数据分析报表的基本概念 266
7.4.2 数据分析报表的背景与目的 266
7.4.3 制作数据分析报表 267
7.4.4 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
- 人民邮电出版社有限公司 （微信公众号认证）
- 人民邮电出版社微店，为您提供最全面，最专业的一站式购书服务
- 扫描二维码，访问我们的微信店铺
- 随时随地的购物、客服咨询、查询订单和物流...
