Recomendação do Editor | |
A importância dos dados está aumentando e até mesmo foi elevada ao nível de alta fatoração pelo país. A ativoização de dados e a governança de dados se tornaram o foco das empresas, mas se os dados realmente devem capacitar o desenvolvimento empresarial, a análise de dados é um processo que deve ser vivenciado. Portanto, na era dos elementos de dados, a análise de dados será ainda mais importante. Então, como começar rapidamente com a análise de dados? Como pessoas sem experiência em programação podem começar rapidamente com a análise de dados? Este livro dá a resposta. Amigos que desejam mudar para a análise de dados, mas não têm base, podem querer experimentar este livro. Esta é a versão em texto do curso de análise de dados de base zero que foi reconhecido por quase 10.000 alunos. |
Índice | |
●Prefácio Noções básicas de Python Capítulo 1 Vantagens de aprender Python 2 1.1 Características do Python 2 1.1.1 O código é simples e fácil de entender 3 1.1.2 Pacote Python 5 com tudo incluído 1.1.3 Alta popularidade e ampla aplicação 1.2 O que você ganha ao aprender Python 7 1.2.1 Melhoria da eficiência do trabalho 7 1.2.2 Aumento da capacidade de trabalho 7 1.2.3 Melhoria da competitividade no local de trabalho 8 1.3 Como aprender Python 8 de forma eficiente 1.3.1 Estabeleça uma base sólida para a programação 8 1.3.2 Economize mais código 8 1.3.3 Dominando a depuração de código 9 1.3.4 Para cenários de trabalho reais 10 Capítulo 2 Ambiente de trabalho do Python 11 2.1 A composição do ambiente de trabalho Python 11 …… |
breve introdução | |
O livro tem 15 capítulos no total. O Capítulo 1 apresenta os benefícios de aprender Python e como aprender Python de forma eficiente; O Capítulo 2 apresenta a instalação do Python, Anaconda e IDE; O Capítulo 3 explica o senso comum de programação, incluindo io, sistema de arquivos, formato de codificação, etc.; O Capítulo 4 apresenta a leitura e escrita do Excel e texto; O Capítulo 5 apresenta a ferramenta de processamento de dados - pandas; O Capítulo 6 apresenta a programação e depuração do Python; Começando pelo Capítulo 7, entramos no campo da análise de dados, e o Capítulo 7 apresenta o pré-processamento de dados; O Capítulo 8 apresenta problemas e métodos comuns de análise de dados; O Capítulo 9 apresenta como encontrar outliers em Python; O Capítulo 10 apresenta correlação e regressão; O Capítulo 11 apresenta a tecnologia de clustering; O Capítulo 12 apresenta a tecnologia de árvore de decisão; O Capítulo 13 apresenta técnicas de análise de associação; O Capítulo 14 apresenta a tecnologia de redução de dimensionalidade; O Capítulo 15 apresenta o desenho matplotlib. |