El texto en las imágenes se puede traducir
Análisis de datos de comercio electrónico de Python Combate real Zhou Zhipeng Base de datos Industria de maquinaria Prensa
Precio por pieza incluyendo entrega a México
Variaciones
Python e-commerce data analysis practice
Especificaciones del producto
Marca
42960263
Editorial
Mechanical industry press
Autor
Zhou zhipeng
Fecha de publicación
2023.11
Título
Python e-commerce data analysis practice zhou zhipeng database machinery industry press
Pie
16 open
Número de libro
9787111737841
Precios de los libros
89.00
Color
Python e-commerce data analysis practice
Marca
42960263
Editorial
Mechanical industry press
Autor
Zhou zhipeng
Fecha de publicación
2023.11
Título
Python e-commerce data analysis practice zhou zhipeng database machinery industry press
Pie
16 open
Número de libro
9787111737841
Precios de los libros
89.00
Color
Python e-commerce data analysis practice
Marca
42960263
Editorial
Mechanical industry press
Autor
Zhou zhipeng
Fecha de publicación
2023.11
Título
Python e-commerce data analysis practice zhou zhipeng database machinery industry press
Pie
16 open
Número de libro
9787111737841
Precios de los libros
89.00
Color
Python e-commerce data analysis practice
Detalles del producto
El texto en las imágenes se puede traducir
autor:Por Zhou Zhipeng
Precios:89
Editor:Prensa de la industria mecánica
Fecha de publicación:1 de noviembre de 2023
Páginas:248
Vinculante:libro de bolsillo
ISBN:9787111737841
(1) Autor experimentado: El autor es un experto en análisis de datos con amplia experiencia en análisis de datos en comercio electrónico, belleza, restauración y otros campos. El número de artículos originales leídos en toda la red ha superado el millón. (2) Profundamente consciente de los puntos débiles de los lectores: El autor está muy familiarizado con los puntos débiles de aprendizaje de los analistas de datos en términos de pensamiento, habilidades y negocios. Este libro ha preparado especialmente un conjunto de métodos de "pensamiento + habilidades + teoría + práctica" para este propósito. (3) Orientado a la practicidad, centrándose en los puntos clave: Las operaciones de alta frecuencia comúnmente utilizadas en el análisis de datos de Pandas representan menos del 20% de las funciones reales de Pandas, pero pueden resolver más del 80% de los problemas. Este libro simplifica y se centra solo en los módulos clave que pueden resolver la mayoría de los problemas. (4) Ganando con combate real, guiado por casos: El libro contiene una gran cantidad de casos reales, que cubren la mayoría de los escenarios de análisis de datos, y de igual a igual
●Prefacio
Capítulo 1 Preparación para el Análisis de Datos con Python 1
1.1 Fundamentos de Análisis de Datos con Python 1
1.1.1 Conceptos básicos de análisis de datos 1
1.1.2 ¿Por qué Python 2?
1.1.3 Relación entre Pandas y Python 2
1.2 Cómo aprender Pandas 3 eficientemente
1.2.1 Malentendidos en el Aprendizaje de Pandas 3
1.2.2 Aprendiendo Pandas 3 eficientemente
1.3 Configuración del entorno de Python 5
1.3.1 Selección del entorno de Python 5
1.3.2 Descargar e instalar Anaconda 5
1.3.3 Ejecutar código 7
1.4 Resumen del Capítulo 13
Capítulo 2 Pandas Inicio Rápido 14
2.1 Las Dos Estructuras de Datos de Pandas 14
2.1.1 Introducción a Pandas 14
2.1.2 Series y DataFrame 15
2.2 Lectura y Almacenamiento de Datos 17
2.2.1 Lectura de archivos Excel 17
2.2.2 Lectura de archivos CSV 20
2.2.3 Lectura de otros tipos de archivo 21
2.2.4 Almacenamiento de Datos 22
2.3 Comprender rápidamente los datos 22
2.3.1 Ver Datos 22
2.3.2 Ver tipo de dato 23
2.3.3 Resumen de Información Estadística 23
2.4 Primera experiencia con el procesamiento de datos 24
2.4.1 Agregar 24
2.4.2 Eliminar 24
2.4.3 Seleccionar 25
2.4.4 Cambio 25
2.5 Tipos de Datos y Operaciones Comunes 25
2.5.1 Cadenas 25
2.5.2 Tipo Numérico 26
2.5.3 Tipo de Tiempo 28
2.6 Resumen del Capítulo 29
Capítulo 3 Jugando con Índices 30
3.1 Resumen del Índice 30
3.1.1 ¿Qué es el índice 30?
3.1.2 Dos tipos de índices 31
3.2 Indexación basada en posición (numérica) 31
3.2.1 Escenario 1: Selección de Fila 32
3.2.2 Escenario 2: Selección de Columna 32
3.2.3 Escenario 3: Selección Cruzada de Filas y Columnas 33
3.3 Indexación basada en nombre (etiqueta) 33
3.3.1 Selección de fila basada en loc 34
3.3.2 Selección de columna basada en loc 35
3.3.3 Selección Cruzada Basada en Loc 35
3.3.4 Escenario 4: Índice de condición múltiple 36
3.4 Resumen del Capítulo 38
Capítulo 4 Cuatro Operaciones Fundamentales de la Limpieza de Datos 39
4.1 Adición: Ampliando las Dimensiones de Datos 39
4.1.1 Fusión vertical 39
4.1.2 Conexión horizontal 41
4.2 Eliminación: Eliminación de Datos Ruidosos 44
4.2.1 Procesamiento de Valores Faltantes 44
4.2.2 Eliminación de Duplicados 47
4.3 Selección: Selección de Datos Basada en Condiciones 48
4.3.1 Indexación/Filtrado por Condiciones 48
4.3.2 Clasificación 49
4.4 Modificación: Cambiar el formulario de datos 50
4.4.1 Transponer 50
4.4.2 Agrupación 50
4.4.3 Dividir 52
4.5 Resumen del Capítulo 54
Capítulo 5 Dos Herramientas Avanzadas de Pandas 55
5.1 Tabla dinámica 55
5.1.1 ¿Qué es una Tabla Dinámica? 55
5.1.2 Introducción a las Tablas Dinámicas de Pandas 55
5.1.3 Ejemplo de Tabla Dinámica de Pandas 56
5.2 Potente y flexible aplicar 58
5.2.1 Aplicar Primera Experiencia 59
5.2.2 Usando apply para calcular las mejores y peores puntuaciones 59
5.2.3 Filtrar el tercer lugar en cada grupo 61
5.3 Resumen del Capítulo 64
Capítulo 6 Visualización de Datos 65
6.1 Fundamentos de Matplotlib 65
6.1.1 Introducción a Matplotlib 65
6.1.2 Pasos Clave en la Visualización 65
6.2 Operaciones Básicas de Matplotlib 66
6.2.1 Preparación antes de dibujar 66
6.2.2 Creando un Lienzo 66
6.2.3 Dibujo 68
6.2.4 Configuración del Eje de Coordenadas 69
6.2.5 Pulido 71
6.3 Dibujando Gráficos Comunes 74
6.3.1 Creación de un Gráfico de Líneas 74
6.3.2 Creación de un Gráfico de Barras 75
6.3.3 Creación de un diagrama de dispersión 76
6.3.4 Dibujo de otros gráficos de uso común 77
6.4 Resumen del Capítulo 78
Capítulo 7 Acercándose al Comercio Electrónico: Metodología de Negocios y
Sistema de Análisis 79
7.1 ¿Qué es el comercio electrónico? 79
7.2 Tres roles clave 80
7.2.1 Usuario 80
7.2.2 Comerciantes 80
7.2.3 Plataforma 81
7.3 Indicadores básicos de comercio electrónico 82
7.3.1 Indicadores relacionados con el usuario 83
7.3.2 Indicadores relacionados con el producto 83
7.4 Metodología y aplicación de análisis de comercio electrónico 84
7.4.1 Fórmula Dorada 84
7.4.2 CRECER 86
7.4.3 AIPL 88
7.4.4 Douyin 5A y JD 4A 89
7.5 Analista de Datos Renacido: Yo soy el Jefe 90
7.5.1 Analistas de Datos y Jefes 90
7.5.2 Análisis de Tendencias de la Industria 91
7.5.3 Análisis del panorama competitivo 92
7.5.4 Investigación de estrategia de marca 92
7.5.5 Análisis de Usuario—Período de Exploración 93
7.5.6 Análisis de Usuario—Fase Formal 94
7.6 Resumen del Capítulo 95
Capítulo 8 Automatización de Informes con Python 97
8.1 Automatización del Informe de Datos de la Industria 97
8.1.1 Antecedentes del Caso 97
8.1.2 Procesamiento de Tabla Única 99
8.1.3 Ejecución en bucle por lotes 101
8.2 Procesamiento por lotes de informes y análisis de colocación de marca 102
8.2.1 Antecedentes de la Nueva Demanda 102
8.2.2 Vista Previa de Datos 102
8.2.3 Ideas de análisis 104
8.2.4 Procesamiento de Datos 104
8.2.5 Análisis de Datos 105
8.3 Resumen del Capítulo 108
Capítulo 9 Análisis de Oportunidades de la Industria y Determinación de Pesos 109
9.1 Antecedentes del Caso 109
9.2 Métodos Tradicionales de Resolución de Problemas 109
9.2.1 Pensamiento tradicional anterior 109
9.2.2 Vista previa y resumen de datos 110
9.2.3 Las subcategorías de más rápido crecimiento en cada categoría 111
9.3 Método de determinación del peso 113
9.3.1 Método de nivel 113
9.3.2 Método de la Tabla de Juicio de Factores de Peso Método 113
9.3.3 Método del coeficiente de variación 115
9.4 Cálculo y análisis de peso de Pandas 117
9.4.1 Integración de Datos 117
9.4.2 Cálculo de indicadores clave 118
9.4.3 Cálculo de los pesos 119
9.4.4 Estandarización de Datos 122
9.4.5 Índice de Desarrollo Integral 123
9.5 Resumen del Capítulo 124
Capítulo 10 Segmentación de Usuarios en Acción 125
10.1 Conceptos Básicos de Segmentación de Usuarios 125
10.1.1 Segmentación Ubicua del Usuario 125
10.1.2 Tipos de Segmentación de Usuarios 126
10.1.3 Características de la Estratificación de Usuarios 126
10.1.4 ¿Por qué necesitamos hacer segmentación de usuarios? 127
10.1.5 Dos problemas de estratificación 127
10.2 El Principio de Pareto 128
10.2.1 Aplicación de la regla 80/20 en la segmentación de usuarios 128
10.2.2 Vista previa de datos 129
10.2.3 Limpieza de Datos 131
…
Capítulo 1 Preparación para el Análisis de Datos con Python 1
1.1 Fundamentos de Análisis de Datos con Python 1
1.1.1 Conceptos básicos de análisis de datos 1
1.1.2 ¿Por qué Python 2?
1.1.3 Relación entre Pandas y Python 2
1.2 Cómo aprender Pandas 3 eficientemente
1.2.1 Malentendidos en el Aprendizaje de Pandas 3
1.2.2 Aprendiendo Pandas 3 eficientemente
1.3 Configuración del entorno de Python 5
1.3.1 Selección del entorno de Python 5
1.3.2 Descargar e instalar Anaconda 5
1.3.3 Ejecutar código 7
1.4 Resumen del Capítulo 13
Capítulo 2 Pandas Inicio Rápido 14
2.1 Las Dos Estructuras de Datos de Pandas 14
2.1.1 Introducción a Pandas 14
2.1.2 Series y DataFrame 15
2.2 Lectura y Almacenamiento de Datos 17
2.2.1 Lectura de archivos Excel 17
2.2.2 Lectura de archivos CSV 20
2.2.3 Lectura de otros tipos de archivo 21
2.2.4 Almacenamiento de Datos 22
2.3 Comprender rápidamente los datos 22
2.3.1 Ver Datos 22
2.3.2 Ver tipo de dato 23
2.3.3 Resumen de Información Estadística 23
2.4 Primera experiencia con el procesamiento de datos 24
2.4.1 Agregar 24
2.4.2 Eliminar 24
2.4.3 Seleccionar 25
2.4.4 Cambio 25
2.5 Tipos de Datos y Operaciones Comunes 25
2.5.1 Cadenas 25
2.5.2 Tipo Numérico 26
2.5.3 Tipo de Tiempo 28
2.6 Resumen del Capítulo 29
Capítulo 3 Jugando con Índices 30
3.1 Resumen del Índice 30
3.1.1 ¿Qué es el índice 30?
3.1.2 Dos tipos de índices 31
3.2 Indexación basada en posición (numérica) 31
3.2.1 Escenario 1: Selección de Fila 32
3.2.2 Escenario 2: Selección de Columna 32
3.2.3 Escenario 3: Selección Cruzada de Filas y Columnas 33
3.3 Indexación basada en nombre (etiqueta) 33
3.3.1 Selección de fila basada en loc 34
3.3.2 Selección de columna basada en loc 35
3.3.3 Selección Cruzada Basada en Loc 35
3.3.4 Escenario 4: Índice de condición múltiple 36
3.4 Resumen del Capítulo 38
Capítulo 4 Cuatro Operaciones Fundamentales de la Limpieza de Datos 39
4.1 Adición: Ampliando las Dimensiones de Datos 39
4.1.1 Fusión vertical 39
4.1.2 Conexión horizontal 41
4.2 Eliminación: Eliminación de Datos Ruidosos 44
4.2.1 Procesamiento de Valores Faltantes 44
4.2.2 Eliminación de Duplicados 47
4.3 Selección: Selección de Datos Basada en Condiciones 48
4.3.1 Indexación/Filtrado por Condiciones 48
4.3.2 Clasificación 49
4.4 Modificación: Cambiar el formulario de datos 50
4.4.1 Transponer 50
4.4.2 Agrupación 50
4.4.3 Dividir 52
4.5 Resumen del Capítulo 54
Capítulo 5 Dos Herramientas Avanzadas de Pandas 55
5.1 Tabla dinámica 55
5.1.1 ¿Qué es una Tabla Dinámica? 55
5.1.2 Introducción a las Tablas Dinámicas de Pandas 55
5.1.3 Ejemplo de Tabla Dinámica de Pandas 56
5.2 Potente y flexible aplicar 58
5.2.1 Aplicar Primera Experiencia 59
5.2.2 Usando apply para calcular las mejores y peores puntuaciones 59
5.2.3 Filtrar el tercer lugar en cada grupo 61
5.3 Resumen del Capítulo 64
Capítulo 6 Visualización de Datos 65
6.1 Fundamentos de Matplotlib 65
6.1.1 Introducción a Matplotlib 65
6.1.2 Pasos Clave en la Visualización 65
6.2 Operaciones Básicas de Matplotlib 66
6.2.1 Preparación antes de dibujar 66
6.2.2 Creando un Lienzo 66
6.2.3 Dibujo 68
6.2.4 Configuración del Eje de Coordenadas 69
6.2.5 Pulido 71
6.3 Dibujando Gráficos Comunes 74
6.3.1 Creación de un Gráfico de Líneas 74
6.3.2 Creación de un Gráfico de Barras 75
6.3.3 Creación de un diagrama de dispersión 76
6.3.4 Dibujo de otros gráficos de uso común 77
6.4 Resumen del Capítulo 78
Capítulo 7 Acercándose al Comercio Electrónico: Metodología de Negocios y
Sistema de Análisis 79
7.1 ¿Qué es el comercio electrónico? 79
7.2 Tres roles clave 80
7.2.1 Usuario 80
7.2.2 Comerciantes 80
7.2.3 Plataforma 81
7.3 Indicadores básicos de comercio electrónico 82
7.3.1 Indicadores relacionados con el usuario 83
7.3.2 Indicadores relacionados con el producto 83
7.4 Metodología y aplicación de análisis de comercio electrónico 84
7.4.1 Fórmula Dorada 84
7.4.2 CRECER 86
7.4.3 AIPL 88
7.4.4 Douyin 5A y JD 4A 89
7.5 Analista de Datos Renacido: Yo soy el Jefe 90
7.5.1 Analistas de Datos y Jefes 90
7.5.2 Análisis de Tendencias de la Industria 91
7.5.3 Análisis del panorama competitivo 92
7.5.4 Investigación de estrategia de marca 92
7.5.5 Análisis de Usuario—Período de Exploración 93
7.5.6 Análisis de Usuario—Fase Formal 94
7.6 Resumen del Capítulo 95
Capítulo 8 Automatización de Informes con Python 97
8.1 Automatización del Informe de Datos de la Industria 97
8.1.1 Antecedentes del Caso 97
8.1.2 Procesamiento de Tabla Única 99
8.1.3 Ejecución en bucle por lotes 101
8.2 Procesamiento por lotes de informes y análisis de colocación de marca 102
8.2.1 Antecedentes de la Nueva Demanda 102
8.2.2 Vista Previa de Datos 102
8.2.3 Ideas de análisis 104
8.2.4 Procesamiento de Datos 104
8.2.5 Análisis de Datos 105
8.3 Resumen del Capítulo 108
Capítulo 9 Análisis de Oportunidades de la Industria y Determinación de Pesos 109
9.1 Antecedentes del Caso 109
9.2 Métodos Tradicionales de Resolución de Problemas 109
9.2.1 Pensamiento tradicional anterior 109
9.2.2 Vista previa y resumen de datos 110
9.2.3 Las subcategorías de más rápido crecimiento en cada categoría 111
9.3 Método de determinación del peso 113
9.3.1 Método de nivel 113
9.3.2 Método de la Tabla de Juicio de Factores de Peso Método 113
9.3.3 Método del coeficiente de variación 115
9.4 Cálculo y análisis de peso de Pandas 117
9.4.1 Integración de Datos 117
9.4.2 Cálculo de indicadores clave 118
9.4.3 Cálculo de los pesos 119
9.4.4 Estandarización de Datos 122
9.4.5 Índice de Desarrollo Integral 123
9.5 Resumen del Capítulo 124
Capítulo 10 Segmentación de Usuarios en Acción 125
10.1 Conceptos Básicos de Segmentación de Usuarios 125
10.1.1 Segmentación Ubicua del Usuario 125
10.1.2 Tipos de Segmentación de Usuarios 126
10.1.3 Características de la Estratificación de Usuarios 126
10.1.4 ¿Por qué necesitamos hacer segmentación de usuarios? 127
10.1.5 Dos problemas de estratificación 127
10.2 El Principio de Pareto 128
10.2.1 Aplicación de la regla 80/20 en la segmentación de usuarios 128
10.2.2 Vista previa de datos 129
10.2.3 Limpieza de Datos 131
…
Este no es solo un libro de referencia que puede ayudar a los lectores a dominar rápidamente los métodos y procesos de análisis de datos de Python desde cero, sino también una guía práctica para guiar a los lectores a resolver varios problemas de análisis de datos desde la perspectiva del comercio electrónico. En primer lugar, este libro toma Pandas, que se usa mucho en el análisis de datos de Python, como punto de partida, centrándose en el desarrollo del pensamiento y las habilidades de análisis de datos, y explica en detalle la operación de Pandas y los métodos de análisis de datos, que pueden cubrir más del 80% de los escenarios de aplicación de análisis de datos, sentando una base sólida para los analistas de datos. Luego, basándose en el comercio electrónico, un campo empresarial bien conocido por los lectores y con una gran universalidad, este libro utiliza una gran cantidad de casos para explicar los métodos de análisis de datos para ocho escenarios principales de comercio electrónico, que incluyen automatización de informes, extracción de oportunidades de la industria, estratificación de usuarios, agrupación de usuarios, análisis de preferencias de usuarios, análisis de cohortes, análisis de atribución de fluctuaciones de indicadores y análisis de marcas. La teoría y los casos están profundamente integrados. Este libro es práctico y se centra en los puntos clave. Las funciones de alta frecuencia comúnmente utilizadas en el análisis de datos de Python son menos del 20% de las capacidades de análisis de datos de Python. Este libro simplifica y solo se enfoca en módulos clave que pueden resolver la mayoría de los problemas. Este libro gana con la práctica real y está guiado por casos. Desde la superficie, estos casos pueden resolver varios problemas de comercio electrónico.
Total
Entrega
IVA
Otro