第1章 從菜鳥到高手的路徑是什么 1
1.1 數(shù)據(jù)分析基礎(chǔ)技能學(xué)習(xí) 1
1.1.1 Excel能力 2
1.1.2 SQL編程能力 3
1.1.3 Python編程能力 4
1.2 數(shù)據(jù)分析思維能力培養(yǎng) 6
1.2.1 需求層面：角色轉(zhuǎn)換 7
1.2.2 業(yè)務(wù)層面：核心指標(biāo) 9
1.2.3 戰(zhàn)略層面：明確方向 9
1.2.4 行業(yè)層面：洞察影響 10
1.3 Python數(shù)據(jù)分析通用鏈路技能 11
1.3.1 數(shù)據(jù)收集 11
1.3.2 數(shù)據(jù)預(yù)處理 12
1.3.3 數(shù)據(jù)分析 12
1.3.4 數(shù)據(jù)挖掘 13
1.3.5 數(shù)據(jù)可視化 13
1.3.6 數(shù)據(jù)分析報(bào)告 13
1.4 保持最佳的職業(yè)心態(tài) 13
1.4.1 遇到問題 14
1.4.2 面對(duì)和理解問題 14
1.4.3 解決問題：保持最佳的職業(yè)心態(tài) 14
1.5 本章小結(jié) 16
第2章 NumPy基礎(chǔ) 17
2.1 NumPy簡(jiǎn)介 17
2.2 NumPy結(jié)構(gòu) 17
2.3 數(shù)據(jù)類型及轉(zhuǎn)換 18
2.4 生成各種數(shù)組 19
2.5 數(shù)組計(jì)算 21
2.6 索引和切片 22
2.7 布爾索引 25
2.8 本章小結(jié) 27
第3章 Pandas入門 28
3.1 Series基礎(chǔ)使用 29
3.1.1 Series定義和構(gòu)造 29
3.1.2 Series索引和值 30
3.1.3 字典生成Series 31
3.1.4 Series基礎(chǔ)查詢與過濾 32
3.1.5 Series和數(shù)值相乘 33
3.1.6 Series識(shí)別缺失值 33
3.2 DataFrame基礎(chǔ)使用 34
3.2.1 DataFrame定義和構(gòu)造 34
3.2.2 嵌套字典生成DataFrame 36
3.2.3 DataFrame固定行輸出 37
3.2.4 DataFrame固定列輸出 38
3.2.5 DataFrame列賦值 40
3.2.6 DataFrame列刪除 40
3.3 Pandas數(shù)據(jù)交互 41
3.3.1 重新設(shè)置索引 41
3.3.2 刪除行和列 42
3.3.3 Pandas選擇與過濾 45
3.3.4 Pandas數(shù)據(jù)對(duì)齊和相加 49
3.3.5 Pandas函數(shù)apply應(yīng)用 52
3.3.6 Pandas數(shù)據(jù)排序 53
3.4 動(dòng)手實(shí)踐：Pandas描述性統(tǒng)計(jì) 56
3.4.1 列求和 57
3.4.2 最大值和最小值索引位置 57
3.4.3 累計(jì)求和輸出 58
3.4.4 描述方法describe() 58
3.5 本章小結(jié) 59
第4章 Python基礎(chǔ)數(shù)據(jù)處理 60
4.1 數(shù)據(jù)讀取 60
4.2 數(shù)據(jù)合并 62
4.2.1 按數(shù)據(jù)庫(kù)表關(guān)聯(lián)方式 62
4.2.2 按軸方向合并 65
4.3 數(shù)據(jù)清洗 69
4.3.1 缺失值處理 69
4.3.2 重復(fù)值處理 75
4.3.3 特殊處理 76
4.4 數(shù)據(jù)分組 79
4.5 數(shù)據(jù)替換 82
4.6 本章小結(jié) 84
第5章 SQL基礎(chǔ) 85
5.1 MySQL數(shù)據(jù)庫(kù)安裝 85
5.1.1 MySQL下載與安裝 85
5.1.2 數(shù)據(jù)庫(kù)管理工具安裝 88
5.1.3 數(shù)據(jù)庫(kù)的連接 90
5.2 MySQL數(shù)據(jù)查詢 91
5.2.1 基礎(chǔ)數(shù)據(jù)查詢 92
5.2.2 模糊數(shù)據(jù)查詢 94
5.2.3 字段處理查詢 95
5.2.4 排序 95
5.2.5 函數(shù)運(yùn)算查詢 96
5.2.6 分組查詢 97
5.2.7 限制查詢 97
5.3 多表查詢 97
5.4 增、刪、改方法 100
5.5 本章小結(jié) 101
第6章 Python爬蟲基礎(chǔ) 103
6.1 爬蟲原理和網(wǎng)頁(yè)構(gòu)造 103
6.1.1 網(wǎng)絡(luò)連接 103
6.1.2 爬蟲原理 104
6.1.3 網(wǎng)頁(yè)構(gòu)造 107
6.2 請(qǐng)求和解析庫(kù) 108
6.2.1 Requests庫(kù) 108
6.2.2 Lxml庫(kù)與Xpath語(yǔ)法 111
6.3 數(shù)據(jù)庫(kù)存儲(chǔ) 115
6.3.1 新建MySQL數(shù)據(jù)庫(kù) 116
6.3.2 Python數(shù)據(jù)存儲(chǔ) 118
6.4 案例實(shí)踐：爬取當(dāng)當(dāng)網(wǎng)圖書好評(píng)榜TOP500 119
6.4.1 爬取思路 119
6.4.2 爬取代碼 122
6.4.3 整體代碼和輸出 123
6.5 本章小結(jié) 126
第7章 數(shù)據(jù)分析方法 127
7.1 5W2H分析法 127
7.2 漏斗分析法 128
7.3 行業(yè)分析法 130
7.4 對(duì)比分析法 132
7.5 邏輯樹分析法 133
7.6 相關(guān)分析法 136
7.7 2A3R分析法 137
7.8 多維拆解分析方法 140
7.9 本章小結(jié) 141
第8章 Python可視化 142
8.1 Matplotlib基礎(chǔ) 143
8.1.1 可視化：多個(gè)子圖 144
8.1.2 標(biāo)題、刻度、標(biāo)簽、圖例設(shè)置 146
8.1.3 注釋 148
8.1.4 圖片保存 151
8.2 Matplotlib各種可視化圖形 152
8.2.1 折線圖 152
8.2.2 柱狀圖 153
8.2.3 餅圖 155
8.2.4 散點(diǎn)圖 155
8.3 其他Python可視化工具介紹 156
8.4 可視化案例：動(dòng)態(tài)可視化展示案例 157
8.5 本章小結(jié) 159
第9章 Python自動(dòng)化生成Word分析報(bào)告 160
9.1 添加Word文檔 161
9.2 添加標(biāo)題和段落文本 161
9.2.1 添加標(biāo)題 161
9.2.2 添加段落文本 162
9.3 添加表格 163
9.4 添加圖片 165
9.5 設(shè)置各種格式 166
9.5.1 添加分頁(yè)符 166
9.5.2 段落樣式 166
9.5.3 字符樣式 167
9.6 案例實(shí)踐：杭州租房市場(chǎng)分析報(bào)告自動(dòng)化 167
9.7 本章小結(jié) 170
第10章 行業(yè)數(shù)據(jù)分析思維 171
10.1 電商行業(yè) 171
10.1.1 行業(yè)經(jīng)驗(yàn)總結(jié) 171
10.1.2 電商案例分析思維 174
10.2 金融信貸行業(yè) 176
10.2.1 行業(yè)經(jīng)驗(yàn)總結(jié) 176
10.2.2 信貸風(fēng)控案例分析思維 179
10.3 零售行業(yè) 181
10.3.1 行業(yè)經(jīng)驗(yàn)總結(jié) 181
10.3.2 零售案例分析思維 185
10.4 本章小結(jié) 187
第11章 Python數(shù)據(jù)挖掘 188
11.1 常用的數(shù)據(jù)挖掘算法 188
11.1.1 C4.5算法 189
11.1.2 CART算法 189
11.1.3 樸素貝葉斯算法 189
11.1.4 SVM算法 190
11.1.5 KNN算法 190
11.1.6 AdaBoost算法 190
11.1.7 K-Means算法 191
11.1.8 EM算法 191
11.1.9 Apriori算法 191
11.1.10 PageRank算法 192
11.2 數(shù)據(jù)預(yù)處理方法 193
11.2.1 數(shù)據(jù)導(dǎo)入 194
11.2.2 數(shù)據(jù)描述 196
11.2.3 數(shù)據(jù)清洗 199
11.2.4 數(shù)據(jù)轉(zhuǎn)換 201
11.2.5 數(shù)據(jù)分割 203
11.2.6 特征縮放 203
11.3 Scikit-learn介紹 204
11.4 模型評(píng)估 207
11.5 案例分享 210
11.5.1 數(shù)據(jù)導(dǎo)入 211
11.5.2 數(shù)據(jù)現(xiàn)狀分析維度 212
11.5.3 缺失值情況 213
11.5.4 異常值情況 213
11.5.5 數(shù)據(jù)預(yù)處理 220
11.5.6 探索性分析 222
11.6 本章小結(jié) 233
第12章 ChatGPT數(shù)據(jù)分析方法實(shí)踐 234
12.1 應(yīng)用場(chǎng)景與分析方法建議 235
12.2 產(chǎn)品優(yōu)化建議 237
12.3 使用ChatGPT編寫代碼 239
12.3.1 使用ChatGPT編寫SQL代碼 239
12.3.2 使用ChatGPT編寫可視化圖表代碼 241
12.4 案例分享：使用ChatGPT自動(dòng)化建模 243
12.4.1 數(shù)據(jù)上傳 243
12.4.2 數(shù)據(jù)說明 244
12.4.3 數(shù)據(jù)探索分析 245
12.4.4 數(shù)據(jù)預(yù)處理 246
12.4.5 建模輸出預(yù)測(cè)結(jié)果 246
12.4.6 模型評(píng)估 247
12.5 本章小結(jié) 248
第13章 數(shù)據(jù)分析師成長(zhǎng)過程常見疑問 250
13.1 大廠數(shù)據(jù)分析崗位的日常工作 250
13.1.1 快速熟悉業(yè)務(wù)與數(shù)據(jù)庫(kù) 250
13.1.2 可視化工具的使用 251
13.1.3 全局思維：搭建業(yè)務(wù)指標(biāo)體系 251
13.1.4 產(chǎn)品思維：快速推進(jìn) 251
13.1.5 不管什么分析方法，能發(fā)現(xiàn)解決問題就是好方法 252
13.1.6 項(xiàng)目管理和溝通是一把利劍 252
13.1.7 碎片化時(shí)間管理必不可少 252
13.1.8 小結(jié)：一個(gè)成熟的阿里數(shù)據(jù)分析師的日常要求 253
13.2 數(shù)據(jù)分析新人如何寫好階段性工作總結(jié) 253
13.2.1 日常工作總結(jié) 254
13.2.2 重點(diǎn)項(xiàng)目 255
13.2.3 重點(diǎn)價(jià)值 255
13.2.4 重點(diǎn)協(xié)同 255
13.2.5 成果呈現(xiàn) 256
13.2.6 小結(jié) 256
13.3 做數(shù)據(jù)分析師會(huì)遇到哪些職業(yè)困惑 256
13.3.1 數(shù)據(jù)分析師是否需要具備強(qiáng)大的編程能力 257
13.3.2 數(shù)據(jù)分析師的價(jià)值 257
13.3.3 數(shù)據(jù)分析師升職加薪是不是很快 258
13.3.4 數(shù)據(jù)分析師是否容易遇到職業(yè)天花板，如何突破 258
13.3.5 如果將來不想再做數(shù)據(jù)分析師，還可以轉(zhuǎn)向哪些職業(yè) 259
13.3.6 小結(jié) 259
13.4 轉(zhuǎn)行做數(shù)據(jù)分析師要做好什么準(zhǔn)備 260
13.4.1 了解自己、了解行業(yè)、確定方向 260
13.4.2 硬件準(zhǔn)備和軟件準(zhǔn)備 260
13.4.3 小結(jié) 263
13.5 數(shù)據(jù)分析師如何避免中年危機(jī) 263
13.5.1 扎實(shí)的基本功：分析能力 264
13.5.2 深耕行業(yè)：積累獨(dú)特經(jīng)驗(yàn) 264
13.5.3 保持熱情，不斷創(chuàng)新 265
13.5.4 小結(jié) 265
13.6 數(shù)據(jù)分析師的前景 265
13.6.1 一般前景數(shù)據(jù)分析師的發(fā)展路徑 266
13.6.2 潛在前景數(shù)據(jù)分析師的內(nèi)功修煉 266
13.6.3 小結(jié) 267
13.7 數(shù)據(jù)分析師的薪資差異 268
13.7.1 硬件技能差異 268
13.7.2 分析思維的差異 269
13.7.3 溝通能力差異 270
13.7.4 項(xiàng)目管理能力差異 270
13.7.5 小結(jié) 271
13.8 數(shù)據(jù)分析師淪為取數(shù)工具人，如何破局 271
13.8.1 知己知彼：清楚如何被動(dòng)淪為工具人 271
13.8.2 提高效率：找到以一當(dāng)百的終極武器自助分析工具 272
13.8.3 實(shí)現(xiàn)價(jià)值：數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)支持決策，徹底擺脫工具人角色 272
13.8.4 小結(jié) 273
13.9 本章小結(jié) 273