《誰說菜鳥不會數(shù)據(jù)分析》系列自面世以來贏得眾多有分量的行業(yè)獎項，影響幾十萬讀者

　　Python篇系“小蚊子數(shù)據(jù)分析”團(tuán)隊精心打磨的又一力作

　　沈浩教授、《數(shù)據(jù)化管理》作者黃成明、《統(tǒng)計之美》作者李艦博士、張文彤博士、“路人甲TM”等專家力薦

　　適合人群

　　★ 需要提升自身競爭力的職場新人。

　　★ 從事咨詢、研究、分析等專業(yè)人士。

　　★ 在市場營銷、產(chǎn)品運營、項目管理、開發(fā)運維等工作中需要進(jìn)行數(shù)據(jù)分析的人士。

　　《誰說菜鳥不會數(shù)據(jù)分析（Python篇）》從解決工作實際問題出發(fā)，提煉總結(jié)工作中Python 常用的數(shù)據(jù)處理、數(shù)據(jù)分析實戰(zhàn)方法與技巧。本書力求通俗易懂地介紹相關(guān)知識，在不影響學(xué)習(xí)理解的前提下，盡可能地避免使用晦澀難懂的Python 編程、統(tǒng)計術(shù)語或模型公式。

　　《誰說菜鳥不會數(shù)據(jù)分析（Python篇）》定位是帶領(lǐng)Python 數(shù)據(jù)分析初學(xué)者入門，并能解決學(xué)習(xí)、工作中大部分的問題或需求。入門后如還需要進(jìn)一步進(jìn)階學(xué)習(xí)，可自行擴(kuò)展閱讀相關(guān)書籍或資料，學(xué)習(xí)是永無止境的，正所謂“師傅領(lǐng)進(jìn)門，修行在個人”。

　　方小敏，“數(shù)據(jù)分析實戰(zhàn)”公眾號主理人，資深機(jī)器學(xué)習(xí)工程師；曾服務(wù)于BAT等知名互聯(lián)網(wǎng)企業(yè)，熟練掌握Python、R、Spark、Hive、TensorFlow等工具進(jìn)行機(jī)器學(xué)習(xí)。

　　張文霖，新浪博客“小蚊子數(shù)據(jù)分析”博主，資深數(shù)據(jù)分析師，曾服務(wù)于國內(nèi)知名市場研究公司、中國移動等公司，具有多年移動互聯(lián)網(wǎng)數(shù)據(jù)分析經(jīng)驗，略懂Excel、PPT、SPSS、水晶易表等工具。

第1 章　數(shù)據(jù)分析概況 /1

1.1　數(shù)據(jù)分析定義（What） /2

1.2　數(shù)據(jù)分析作用（Why） /4

1.3　數(shù)據(jù)分析步驟（How） /5

1.3.1　明確分析目的和思路 /6

1.3.2　數(shù)據(jù)收集 /7

1.3.3　數(shù)據(jù)處理 /9

1.3.4　數(shù)據(jù)分析 /9

1.3.5　數(shù)據(jù)展現(xiàn) /10

1.3.6　報告撰寫 /10

1.4　數(shù)據(jù)分析的三大誤區(qū) /12

1.5　常用的數(shù)據(jù)分析工具 /13

1.5.1　Excel /13

1.5.2　SPSS /14

1.5.3　R語言 /15

1.5.4　Python語言 /16

第2 章　Python 概況 /17

2.1　Python簡介 /18

2.2　Python特點 /19

2.3　Python模塊 /20

2.3.1　函數(shù) /20

2.3.2　模塊 /24

2.4　Python使用場景 /27

2.5　Python 2與Python 3 /28

2.6　Python與數(shù)據(jù)科學(xué) /29

2.7　Anaconda簡介 /30

2.8　安裝Anaconda /31

2.8.1　下載Anaconda /31

2.8.2　安裝Anaconda /33

2.9　使用Anaconda /37

2.9.1　PyCharm 與Spyder /37

2.9.2　Anaconda 開始菜單 /38

2.9.3　Spyder 工作界面簡介 /39

2.9.4　項目管理 /40

2.9.5　代碼提示 /43

2.9.6　變量瀏覽 /44

2.9.7　圖形查看 /44

2.9.8　幫助文檔 /45

第3 章　編程基礎(chǔ) /47

3.1　數(shù)據(jù)類型 /48

3.1.1　數(shù)值型 /48

3.1.2　字符型 /50

3.1.3　邏輯型 /56

3.2　賦值和變量 /57

3.2.1　賦值和變量 /57

3.2.2　變量命名規(guī)則 /58

3.3　數(shù)據(jù)結(jié)構(gòu) /59

3.3.1　列表 /59

3.3.2　字典 /63

3.3.3　序列 /66

3.3.4　數(shù)據(jù)框 /72

3.3.5　四種數(shù)據(jù)結(jié)構(gòu)的區(qū)別 /80

3.4　向量化運算 /81

3.5　for 循環(huán) /83

3.6　Python 編程注意事項 /87

第4 章　數(shù)據(jù)處理 /90

4.1　數(shù)據(jù)導(dǎo)入與導(dǎo)出 /91

4.1.1　數(shù)據(jù)導(dǎo)入 /91

4.1.2　數(shù)據(jù)導(dǎo)出 /99

4.2　數(shù)據(jù)清洗 /100

4.2.1　數(shù)據(jù)排序 /101

4.2.2　重復(fù)數(shù)據(jù)處理 /102

4.2.3　缺失數(shù)據(jù)處理 /106

4.2.4　空格數(shù)據(jù)處理 /109

4.3　數(shù)據(jù)轉(zhuǎn)換 /110

4.3.1　數(shù)值轉(zhuǎn)字符 /110

4.3.2　字符轉(zhuǎn)數(shù)值 /112

4.3.3　字符轉(zhuǎn)時間 /113

4.4　數(shù)據(jù)抽取 /115

4.4.1　字段拆分 /116

4.4.2　記錄抽取 /121

4.4.3　隨機(jī)抽樣 /127

4.5　數(shù)據(jù)合并 /130

4.5.1　記錄合并 /130

4.5.2　字段合并 /133

4.5.3　字段匹配 /135

4.6　數(shù)據(jù)計算 /140

4.6.1　簡單計算 /140

4.6.2　時間計算 /141

4.6.3　數(shù)據(jù)標(biāo)準(zhǔn)化 /142

4.6.4　數(shù)據(jù)分組 /144

第5 章　數(shù)據(jù)分析 /148

5.1　對比分析 /149

5.2　基本統(tǒng)計分析 /152

5.3　分組分析 /155

5.4　結(jié)構(gòu)分析 /158

5.5　分布分析 /159

5.6　交叉分析 /162

5.7　RFM 分析 /164

5.8　矩陣分析 /173

5.9　相關(guān)分析 /176

5.10　回歸分析 /178

5.10.1　回歸分析簡介 /178

5.10.2　簡單線性回歸分析 /180

5.10.3　多重線性回歸分析 /185

第6 章　數(shù)據(jù)可視化 /189

6.1　數(shù)據(jù)可視化簡介 /190

6.1.1　什么是數(shù)據(jù)可視化 /190

6.1.2　數(shù)據(jù)可視化常用圖表 /190

6.1.3　通過關(guān)系選擇圖表 /191

6.2　散點圖 /192

6.3　矩陣圖 /203

6.4　折線圖 /210

6.5　餅圖 /215

6.6　柱形圖 /217

6.7　條形圖 /222