Python数据分析从小白到专家9787121409233兴海图书专营店 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

以跨境电商B2B数据运营职业技能等级证书中级标准为依据，重点介绍阿里巴巴国际站店铺基础建设，产品发布与管理，店铺基础营销，店铺付费营销，跨境电商数据分析，商机获取，客户管理，交易管理和履约服务等，本书共九章，读者能基本掌握阿里国际站店铺数据运营技能，达到跨境电商B2B店铺运营专员岗位的技能要求。本书与初级配套教材《跨境电商B2B店铺运营实战》的侧重点不同，难度大幅提高，但对数据分析、商机获取、客户开发等方面要求不高，数据分析仅要求掌握数据管家相关内容，对开发信、商务谈判等也要求很低。

第1章 数据分析存在的意义 1

1.1 数据分析与Python 1

1.1.1 数据科学和数据分析的始末 1

1.1.2 为什么使用Python作为脚本 2

1.2 本书的主要内容 3

1.2.1 数据分析基础：NumPy、Pandas和Matplotlib库概述 3

1.2.2 数据处理：NumPy库简介 4

1.2.3 数据处理：Pandas库简介 4

1.2.4 图表绘制：Matplotlib库简介 5

1.2.5 中坚力量：Sklearn和Statsmodels库简介 5

第2章 开始前的准备 6

2.1 Python 3.7.6的安装 6

2.1.1 Python3和Python2的区别 6

2.1.2 在Windows 10系统中下载并安装Python 3.7.6 7

2.1.3 手动配置环境变量 10

2.2 pip的安装 12

2.2.1 pip是什么 12

2.2.2 在Windows系统中下载和安装pip 12

2.2.3 使用pip命令下载和管理pip 14

第3章 Python编程基础 17

3.1 Python编程初识 18

3.1.1 个Python程序 18

3.1.2 整型、浮点型、布尔型与复数型 19

3.1.3 不同数据类型之间的运算法则 22

3.1.4 Python中的常用内建函数 25

3.2 Python编程常用类型 27

3.2.1 Python的列表 27

3.2.2 Python的元组 31

3.2.3 Python的字典 34

3.2.4 Python的字符串 38

3.3 Python的条件、循环和分支语句以及异常处理 42

3.3.1 Python的编程风格 42

3.3.2 错误、异常和异常处理 43

3.3.3 条件语句：if、if-else和elif 45

3.3.4 循环语句：while和for 46

3.4 其他关于Python的重要知识点 49

3.4.1 匿名函数lambda 49

3.4.2 Python自定义类与打印函数 51

第4章 线代数知识和第三方库NumPy的使用 54

4.1 必要的线代数知识 55

4.1.1 线代数综述 55

4.1.2 行列式 56

4.1.3 矩阵及矩阵的运算 60

4.1.4 矩阵的初等变换与秩、向量组与线相关 65

4.1.5 相似矩阵 67

4.2 NumPy库的基础操作 69

4.2.1 NumPy库的安装和基本方法 69

4.2.2 创建一个数组 70

4.2.3 索引、切片和迭代 73

4.2.4 拼合、划分一个矩阵 79

4.2.5 深拷贝、浅拷贝与不拷贝 84

4.3 用NumPy库实现矩阵运算 87

4.3.1 矩阵基本运算一（矩阵加法、矩阵减法、矩阵数乘） 87

4.3.2 矩阵基本运算二（矩阵相乘、逆矩阵、矩阵的特征值和特征向量） 88

第5章 使用正则表达式处理数据 91

5.1 RE模块简述 91

5.1.1 正则表达式（RE）模块使用的符号 92

5.1.2 正则表达式的匹配规则 93

5.2 使用正则表达式模块 94

5.2.1 匹配对象方法group()和groups()的用法 95

5.2.2 使用管道行匹配 98

5.2.3 使用*、+、?、{}符号实现多个条件匹配 99

5.2.4 一些特殊格式的正则表达式匹配模式 100

第6章 使用Pandas库处理数据 101

6.1 Pandas库简述 101

6.1.1 Pandas库能做什么 101

6.1.2 Pandas能简述 105

6.2 三种格式的文件后缀简述 108

6.2.1 什么是CSV文件 108

6.2.2 Python自带的CSV模块 109

6.2.3 为什么要将TXT和Excel文件转化为CSV文件 111

6.3 处理.csv格式的数据 111

6.3.1 用read_csv()和head()读取CSV文件并显示其行/列 112

6.3.2 查看列数、维度以及切片操作 112

6.3.3 读取特定的列以及列的改值操作 113

6.3.4 求某一列的大值、小值、算术平均数以及数据的排序 114

6.3.5 Pandas库的写入操作――to_csv()方法 115

6.4 处理非.csv格式的数据 116

6.4.1 用Pandas库读取TXT文件 116

6.4.2 用Pandas库读取Excel文件 118

6.5 Pandas库的其他常用操作 121

6.5.1 新增DataFrame数据结构的意义 121

6.5.2 创建与遍历DataFrame数据结构 122

6.5.3 检索已有的DataFrame数据结构 124

6.5.4 DataFrame数据结构的选择操作 128

6.5.5 处理DataFrame数据结构中的缺失数据 134

第7章 使用Matplotlib库实现数据可视化 136

7.1 Matplotlib库简述 136

7.1.1 Matplotlib库的安装 137

7.1.2 Matplotlib库常见的问题 138

7.2 Matplotlib库的基本方法 139

7.2.1 设定x轴与y轴的相关内容 139

7.2.2 “点”和“线”样式的设定 144

7.3 使用Matplotlib库绘制图表 146

7.3.1 绘制柱状图 147

7.3.2 绘制直方图 149

7.3.3 绘制散点图 151

7.3.4 绘制饼状图 153

7.3.5 绘制折线图 155

第8章 数学模型与数理统计 157

8.1 数学模型 158

8.1.1 什么是数学模型 158

8.1.2 建立数学模型的一般步骤 160

8.1.3 数学模型示例 162

8.2 必要的数理统计知识 164

8.2.1 样本体、个体、统计量 164

8.2.2 3个重要的分布：χ2分布、t分布、f分布 165

8.2.3 点估计、矩估计与区间估计 167

8.2.4 全概率公式和贝叶斯公式 168

8.2.5 依概率收敛与切比雪夫不等式 170

第9章 线回归 172

9.1 小二乘法与切比雪夫准则 172

9.1.1 小二乘法的数学原理 173

9.1.2 切比雪夫准则的数学原理 175

9.2 OLS回归模型 175

9.2.1 OLS回归模型的概念 176

9.2.2 如何生成测试数据 176

9.2.3 OLS回归模型的代码实现和可视化 179

9.3 LAD回归模型 182

9.3.1 LAD回归模型的概念 182

9.3.2 LAD回归模型的代码实现和可视化 183

9.4 OLS回归模型与LAD回归模型 186

9.4.1 比较OLS回归模型与LAD回归模型的拟合曲线 186

9.4.2 简单的一元线回归分析的代码展示 187

9.5 从极大似然估计再审视线回归 189

9.5.1 从传统的数理统计到线回归 189

9.5.2 极大似然估计 190

9.5.3 假设检验基本概念 191

9.5.4 区间估计、置信区间和置信限 192

第10章 分类问题与逻辑回归 197

10.1 逻辑回归：从分类问题谈起 197

10.1.1 从线回归到分类问题 198

10.1.2 逻辑回归与Sigmoid函数 199

10.1.3 使用极大似然估计计算Sigmoid函数的损失函数 1

10.1.4 逻辑回归模型求解的本质 2

10.2 从梯度上升法与梯度下降法到逻辑回归 2

10.2.1 梯度上升法和梯度下降法的由来 2

10.2.2 梯度下降法及梯度上升法的数学原理 3

10.2.3 用Python实现逻辑回归 6

10.2.4 题外话：从用Python实现逻辑回归中看psutil库 216

10.2.5 逻辑回归可视化：绘制决策边界 2

第11章 模型评估与模型 223

11.1 线回归模型的评估与 223

11.1.1 线回归模型的评估 224

11.1.2 模型：从一元线回归到多元线回归问题 231

11.1.3 模型：过度拟合与添加、设定惩罚项 238

11.2 逻辑回归模型的评估与 239

11.2.1 分类模型的评估：查准率、查全率及F- 239

11.2.2 分类模型的评估：ROC曲线、AUC指标 241

11.2.3 模型：梯度下降法 242

11.2.4 逻辑回归终代码展示（使用梯度下降法） 245

第12章 聚类：K-means算法 248

12.1 K-means算法及相关内容的基本概念 248

12.1.1 聚类与机器学念 249

12.1.2 聚类：K-means算法的原理 250

12.2 K-means算法的Python实现 253

12.2.1 朴素的K-means算法的Python实现 253

12.2.2 朴素的K-means算法的Python实现的具体解析 256

12.2.3 模型：使用不同颜色和形状标记不同的簇 261

12.2.4 K-means算法：使用二分K-means算法 263

第13章 分类：KNN算法 271

13.1 KNN算法的基本概念 271

13.1.1 KNN算法的相关概念 271

13.1.2 KNN算法原理概述 272

13.2 KNN算法的Python实现 274

13.2.1 制作测例数据集 274

13.2.2 KKN算法的具体实现 279

13.2.3 KKN算法的完整代码 282

13.3 结语：关于数据分析 285

13.3.1 决策树之前：树的概念 285

13.3.2 信息熵和决策树 285

13.3.3 写在后的话：留给机器学86

“跨境电商B2B数据运营”1+X职业技能等级证书配套教材编委会 著

毛居华，清华大学本科，硕士，副研究员。 清华大学国家服务外包人力资源研究院副院长，跨境电商领域专家。 曾先后在清华实验室、同方股份、美国上市公司等单位担任负责人或高管职务。拥有3项部级鉴定成果和4项专是国内数十个省市跨境电商产业发展规划制定负责人和顾问。教育部多个1+X职业技能标准和人社部相关职业技能标准人研发专家。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Python数据分析从小白到专家9787121409233兴海图书专营店在线阅读

在线听书地址：Python数据分析从小白到专家9787121409233兴海图书专营店在线收听

在线购买地址：Python数据分析从小白到专家9787121409233兴海图书专营店在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

"系统：讲解了11 种数据分析方法，拿来用 图示：全括100多张图表，方便读者学入：剖析NumPy、Pandas、Matplotlib的使用方法 案例：全括142个案例，都附有详细源代码 本书核心知识点： Python数据分析概述 1. 数据分析的概念 2. 数据分析与Python的联系（为什么使用Python行数据分析？） Python基础 3. Python和pip的安装以及pip的使用 4. Python 3与Python 2的区别 5. Python数据分析常用的第三方库简介 6. Python编程基础（常见类型、分支、循环） 7. lambda函数介绍和Python实战：打印输出内容的函数 Python数据分析常用库及必要的数学知识 8. 线代数知识 9. 数理统计知识 10. NumPy库常用方法介绍 11. 使用NumPy库实现各种线代数的操作 12. 正则表达式模块简介 13. Pandas库常用方法介绍 14. CSV文件的处理与非CSV文件的处理 15. Pandas库不错操作：使用DataFrame类型处理数据 16. Matplotlib库简述 17. 实战：使用Matplotlib库绘制各种图表 数据分析相关的机器学 18. 一元线回归：切比雪夫准则（理论和代码实现） 19. 一元线回归：很小二乘和代码实现） . 逻辑回归和Sigmoid函数（理论和代码实现） 21. 梯度下降和代码实现） 22. 二元线回归（理论和代码实现） 23. 梯度下降和代码实现） 24. K-means算和代码实现） 25. KNN算和代码实现）"

书籍介绍

以跨境电商B2B数据运营职业技能等级证书中级标准为依据，重点介绍阿里巴巴国际站店铺基础建设，产品发布与管理，店铺基础营销，店铺付费营销，跨境电商数据分析，商机获取，客户管理，交易管理和履约服务等，本书共九章，读者能基本掌握阿里国际站店铺数据运营技能，达到跨境电商B2B店铺运营专员岗位的技能要求。本书与初级配套教材《跨境电商B2B店铺运营实战》的侧重点不同，难度大幅提高，但对数据分析、商机获取、客户开发等方面要求不高，数据分析仅要求掌握数据管家相关内容，对开发信、商务谈判等也要求很低。