●章 數(shù)據(jù)分析軟件簡(jiǎn)介 1
1.1 數(shù)據(jù)分析軟件簡(jiǎn)介 2
1.2 Python語(yǔ)言介紹 3
1.2.1 Python簡(jiǎn)介 3
1.2.2 Python的功能 4
1.2.3 Python編程環(huán)境 6
1.3 Python數(shù)據(jù)分析平臺(tái) 8
1.3.1 Jupyter數(shù)據(jù)分析平臺(tái) 9
1.3.2 Python在線分析平臺(tái) 15
1.4 Python編程入門(mén) 20
1.4.1 Python的工作目錄 20
1.4.2 Python的分析用包 20
1.4.3 Python的數(shù)據(jù)類型 22
習(xí)題1 26
第2章 數(shù)據(jù)的收集與整理 28
2.1 數(shù)據(jù)的類型 28
2.1.1 按度量尺度分 28
2.1.2 按時(shí)間狀況分 29
2.2 數(shù)據(jù)的收集 29
2.2.1 橫向數(shù)據(jù)的收集 30
2.2.2 縱向數(shù)據(jù)的收集 32
2.3 數(shù)據(jù)的管理 33
2.3.1 表格管理數(shù)據(jù) 34
2.3.2 數(shù)據(jù)庫(kù)管理數(shù)據(jù) 34
2.3.3 Python數(shù)據(jù)管理 34
習(xí)題2 35
第3章 Python數(shù)據(jù)分析編程基礎(chǔ) 37
3.1 Python編程運(yùn)算 38
3.1.1 基本運(yùn)算 38
3.1.2 控制語(yǔ)句 38
3.1.3 函數(shù)定義 39
3.1.4 面向?qū)ο?41
3.2 數(shù)值分析庫(kù)numpy 42
3.2.1 一維數(shù)組 43
3.2.2 二維數(shù)組 43
3.2.3 數(shù)組的操作 43
3.3 數(shù)據(jù)分析庫(kù)pandas 44
3.3.1 序列Series 44
3.3.2 數(shù)據(jù)框DataFrame 46
3.3.3 數(shù)據(jù)框的讀寫(xiě) 48
3.3.4 數(shù)據(jù)框的操作 50
習(xí)題3 54
第4章 數(shù)據(jù)的探索性分析及可視化 57
4.1 數(shù)據(jù)的描述分析 58
4.1.1 計(jì)數(shù)數(shù)據(jù)匯總分析 58
4.1.2 計(jì)量數(shù)據(jù)匯總分析 59
4.1.3 描述性匯總統(tǒng)計(jì)量 61
4.2 數(shù)據(jù)的統(tǒng)計(jì)繪圖 62
4.2.1 基于matplotlib的繪圖 62
4.2.2 基于pandas的繪圖 69
4.3 數(shù)據(jù)的分組分析 73
4.3.1 一維頻數(shù)表與圖 73
4.3.2 二維集聚表與圖 76
4.3.3 多維透視表與圖 79
習(xí)題4 86
第5章 數(shù)據(jù)的直觀分析及可視化 88
5.1 特殊統(tǒng)計(jì)圖的繪制 89
5.1.1 函數(shù)圖 89
5.1.2 氣泡圖 91
5.1.3 三維散點(diǎn)圖 91
5.1.4 三維曲面圖 92
5.2 seaborn統(tǒng)計(jì)繪圖 92
5.2.1 seaborn繪圖特點(diǎn) 93
5.2.2 seaborn中的統(tǒng)計(jì)圖 93
5.3 ggplot繪圖系統(tǒng) 98
5.3.1 ggplot與plotnine包 98
5.3.2 基于圖層的繪圖法 98
5.3.3 plotnine中的統(tǒng)計(jì)圖 100
5.4 pyecharts動(dòng)態(tài)繪圖 104
5.4.1 pyecharts簡(jiǎn)介 104
5.4.2 pyecharts基本繪圖 104
5.4.3 基于數(shù)據(jù)框的繪圖 110
習(xí)題5 113
第6章 數(shù)據(jù)的統(tǒng)計(jì)分析及可視化 115
6.1 隨機(jī)變量及其分布圖 116
6.1.1 均勻分布及隨機(jī)數(shù)圖 116
6.1.2 正態(tài)分布及隨機(jī)數(shù)圖 117
6.2 統(tǒng)計(jì)量及其抽樣分布圖 125
6.2.1 統(tǒng)計(jì)量及抽樣的概念 125
6.2.2 統(tǒng)計(jì)量的分布及模擬圖 126
6.3 基本統(tǒng)計(jì)推斷方法 129
6.3.1 參數(shù)的估計(jì)方法 129
6.3.2 參數(shù)的假設(shè)檢驗(yàn) 132
6.3.3 統(tǒng)計(jì)推斷的可視化 133
習(xí)題6 135
第7章 數(shù)據(jù)的模型分析及可視化 137
7.1 線性相關(guān)分析模型 138
7.1.1 線性相關(guān)的概念和模擬 138
7.1.2 樣本相關(guān)系數(shù)的計(jì)算 140
7.1.3 樣本相關(guān)系數(shù)的檢驗(yàn) 143
7.2 線性回歸分析模型 144
7.2.1 線性回歸模型的建立 144
7.2.2 線性回歸模型的檢驗(yàn) 147
7.2.3 線性回歸模型的預(yù)測(cè) 149
7.3 分組可視化模型分析 149
7.3.1 可視化分組線性相關(guān)分析 150
7.3.2 可視化分組線性回歸模型 150
習(xí)題7 153
第8章 數(shù)據(jù)的預(yù)測(cè)分析及可視化 155
8.1 動(dòng)態(tài)數(shù)列的基本分析 156
8.1.1 動(dòng)態(tài)數(shù)列介紹 156
8.1.2 動(dòng)態(tài)數(shù)列的變動(dòng)分析 158
8.2 動(dòng)態(tài)數(shù)列的預(yù)測(cè)分析 161
8.2.1 趨勢(shì)預(yù)測(cè)構(gòu)建 161
8.2.2 平滑預(yù)測(cè)方法 165
8.3 時(shí)間序列數(shù)據(jù)的可視化分析 168
8.3.1 股票數(shù)據(jù)可視化分析 169
8.3.2 股票的收益率分析 176
習(xí)題8 180
第9章 數(shù)據(jù)的決策分析及可視化 182
9.1 確定性決策分析 183
9.1.1 單目標(biāo)求解及圖示 183
9.1.2 多目標(biāo)求解及圖示 185
9.2 不確定性決策分析 186
9.2.1 分析方法的思想 186
9.2.2 不確定性分析原則 187
9.3 概率型風(fēng)險(xiǎn)分析 190
9.3.1 期望值法及直觀分析 191
9.3.2 后悔期望值法及直觀分析 192
習(xí)題9 193
0章 數(shù)據(jù)的在線分析及可視化 195
10.1 Tushare數(shù)據(jù)的可視化分析 196
10.1.1 股市基本數(shù)據(jù)的獲取與分析 196
10.1.2 證券交易數(shù)據(jù)的獲取與分析 203
10.1.3 Tushare數(shù)據(jù)的保存及擴(kuò)展 207
10.2 新浪財(cái)經(jīng)數(shù)據(jù)的可視化分析 208
10.2.1 宏觀經(jīng)濟(jì)數(shù)據(jù)的抓取與分析 209
10.2.2 股票行情數(shù)據(jù)的抓取與分析 212
10.3 中商情報(bào)數(shù)據(jù)的可視化分析 213
10.3.1 宏觀經(jīng)濟(jì)數(shù)據(jù)的爬取與分析 214
10.3.2 A股股票信息的爬取與分析 216
習(xí)題10 218
附錄A 本書(shū)學(xué)習(xí)博客 220
附錄B 書(shū)中相關(guān)資料 222
附錄C 書(shū)中自定義函數(shù) 223
參考文獻(xiàn) 224