Python商业数据分析

目录
第1章引言 / 1
基础篇
第2章 Python简介 / 7
2．1 发展历程 / 7
2．2 特点 / 7
2．2．1 开源与可移植性 / 8
2．2．2 面向对象 / 8
2．2．3 其他特点 / 8
2．3 语言标准 / 9
2．4 Python 3的安装与运行 / 9
2．4．1 Windows / 9
2．4．2 Linux/Unix / 11
2．4．3 Mac OS / 11
2．5 思考练习题 / 12
第3章 数据类型 / 13
3．1 概述 / 13
3．1．1 变量 / 13
3．1．2 数据类型框架 / 15
3．2 数字类型 / 16
3．2．1 分类 / 16
3．2．2 相关函数 / 17
3．3 列表与元组 / 18
3．3．1 序列通用操作 / 18
3．3．2 列表 / 21
3．3．3 元组 / 27
3．4 字符串 / 28
3．4．1 概述 / 28
3．4．2 字符串格式化 / 31
3．4．3 方法 / 32
3．5 字典 / 33
3．5．1 概述 / 33
3．5．2 格式化字符串 / 34
3．5．3 方法 / 35
3．6 集合 / 37
3．6．1 概述 / 37
3．6．2 方法 / 39
3．7 基本运算符 / 39
3．7．1 算术运算符 / 40
3．7．2 比较运算符 / 40
3．7．3 赋值运算符 / 40
3．7．4 其他运算符 / 41
3．7．5 运算符优先级表 / 41
3．8 思考练习题 / 42
第4章 条件与循环 / 43
4．1 条件 / 43
4．1．1 布尔变量 / 43
4．1．2 条件语句 / 43
4．2 循环 / 46
4．2．1 循环语句 / 46
4．2．2 迭代方式 / 50
4．2．3 排序 / 52
4．3 列表推导式与其他语句 / 53
4．3．1 列表推导式 / 53
4．3．2 其他语句 / 54
4．4 思考练习题 / 55
第5章 函数与类 / 56
5．1 函数 / 56
5．1．1 创建 / 56
5．1．2 参数 / 59
5．1．3 作用域 / 62
5．1．4 递归 / 63
5．2 类 / 65
5．2．1 对象 / 65
5．2．2 类的创建 / 66
5．2．3 私有化与类的命名空间 / 67
5．2．4 子类与超类 / 70
5．2．5 特殊方法 / 72
5．2．6 迭代器 / 75
5．3 思考练习题 / 78
第6章 标准库、异常与文件流 / 79
6．1 标准库 / 79
6．1．1 概念区分：模块、库与标准库 / 79
6．1．2 安装第三方模块 / 81
6．1．3 使用import语句导入模块 / 81
6．1．4 查看模块信息：help（） / 82
6．1．5 常用标准库之一：os / 82
6．1．6 常用标准库之二：sys / 83
6．1．7 常用标准库之三：time / 86
6．1．8 常用标准库之四：random / 88
6．1．9 常用标准库之五：re / 89
6．2 异常 / 94
6．2．1 捕捉异常：try/except语句 / 95
6．2．2 捕捉异常：try/except…else语句 / 96
6．2．3 捕捉异常：try/finally语句 / 97
6．2．4 抛出异常：raise语句 / 98
6．3 文件与流 / 98
6．3．1 打开和关闭文件 / 99
6．3．2 读取文件内容 / 100
6．3．3 写入文件内容 / 101
6．4 思考练习题 / 102
第7章 Python常用模块 / 103
7．1 Numpy / 103
7．1．1 ndarray的创建 / 103
7．1．2 ndarray的常用属性 / 105
7．1．3 ndarray的形状改变 / 105
7．1．4 ndarray的索引与切片 / 106
7．1．5 ndarray的拷贝 / 107
7．1．6 ndarray的拼接 / 108
7．1．7 ndarray的运算 / 109
7．2 Pandas / 110
7．2．1 Series的创建 / 111
7．2．2 Series的索引及切片 / 112
7．2．3 DataFrame的创建 / 113
7．2．4 DataFrame的写入与读取 / 114
7．2．5 DataFrame的索引 / 115
7．2．6 DataFrame的增、删、改、查 / 117
7．2．7 DataFrame的数据统计方法 / 121
7．2．8 缺失数据处理 / 124
7．2．9 数据离散化 / 125
7．3 NLTK / 126
7．3．1 分句与分词 / 126
7．3．2 词性标注 / 127
7．3．3 符号和停用词处理 / 127
7．3．4 词干提取与词形还原 / 128
7．3．5 词相似度计算 / 129
7．4 思考练习题 / 130
第8章 数据可视化 / 131
8．1 Matplotlib / 131
8．1．1 图形的创建 / 131
8．1．2 绘制多函数图像 / 132
8．1．3 添加图形信息 / 135
8．1．4 不同类型的图形 / 138
8．2 Seaborn / 141
8．2．1 直方图 / 141
8．2．2 条形图 / 142
8．2．3 箱线图 / 143
8．2．4 散点图 / 143
8．2．5 结构化多图网格 / 145
8．2．6 回归图 / 145
8．3 PyEcharts / 146
8．3．1 绘制地图 / 147
8．3．2 空间流动图 / 148
8．4 思考练习题 / 149
方法篇
第9章关联规则 / 153
9．1 关联规则基本概念 / 153
9．2 关联规则挖掘方法 / 154
9．3 关联规则兴趣性的评价指标 / 157
9．3．1 提升度 / 158
9．3．2 杠杆度 / 158
9．3．3 影响度 / 158
9．4 思考练习题 / 159
第10章 分类分析 / 160
10．1 分类分析基本概念 / 160
10．2 分类方法介绍 / 161
10．2．1 决策树分类 / 161
10．2．2 贝叶斯分类 / 169
10．2．3 支持向量机分类 / 171
10．3 分类准确率的测量方法 / 175
10．3．1 经典的分类准确率的测量方法 / 175
10．3．2 混淆矩阵 / 176
10．4 分类准确率的提升方法 / 178
10．4．1 Bagging / 179
10．4．2 Boostinig / 180
10．5 思考练习题 / 181
第11章 聚类分析 / 182
11．1 相似度测量方法 / 182
11．1．1 数值数据的相似度 / 182
11．1．2 类别数据的相似度 / 183
11．1．3 文本数据的相似度 / 183
11．1．4 类的相似度 / 184
11．2 聚类方法介绍 / 185
11．2．1 划分方法 / 185
11．2．2 层次方法 / 188
11．2．3 基于密度的方法 / 193
11．3 类别数量的确定方法 / 197
11．3．1 手肘法 / 197
11．3．2 轮廓系数 / 199
11．3．3 Calinski-Harabasz准则 / 200
11．4 思考练习题 / 201
第12章 社会网络分析 / 203
12．1 社会网络的基本概念 / 203
12．1．1 度 / 204 12．1．2 最短路径长度 / 204
12．1．3 网络密度 / 204
12．1．4 聚集系数 / 204
12．2 社会网络的中心性 / 208
12．2．1 度中心性 / 208
12．2．2 贴近中心性 / 208
12．2．3 中介中心性 / 209
12．3 社会网络的链接分析 / 210
12．3．1 PageRank算法 / 211
12．3．2 HITS算法 / 213
12．4 社会网络的社区发现 / 215
12．4．1 图分割算法 / 215
12．4．2 模块度优化算法 / 217
12．4．3 标签传播算法 / 219
12．5 思考练习题 / 221
第13章 神经网络 / 222
13．1 感知机 / 222
13．1．1 简单逻辑电路 / 223
13．1．2 线性不可分的局限 / 224
13．1．3 多层感知机 / 224
13．2 神经网络基本概念 / 226
13．2．1 神经网络的结构 / 226
13．2．2 激活函数 / 227
13．2．3 损失函数 / 229
13．3 训练技巧 / 229
13．3．1 批处理 / 230
13．3．2 优化算法 / 230
13．3．3 参数初始化 / 231
13．3．4 偏差与方差 / 232
13．3．5 超参数的设置 / 233
13．4 全连接神经网络 / 233
13．5 卷积神经网络 / 237
13．5．1 基本结构 / 238
13．5．2 代表性结构 / 239
13．6 循环神经网络 / 243
13．6．1 基本结构 / 243
13．6．2 代表性结构 / 243
13．7 思考练习题 / 248
第14章 表征学习 / 249
14．1 文本表征学习 / 249
14．1．1 词袋模型 / 249
14．1．2 TF-IDF模型 / 251
14．1．3 文档主题模型 / 253
14．1．4 Word2Vec模型 / 259
14．1．5 Doc2Vec模型 / 260
14．2 网络表征学习 / 263
14．2．1 DeepWalk算法 / 263
14．2．2 Node2Vec算法 / 266
14．2．3 Metapath2Vec算法 / 269
14．3 思考练习题 / 270
应用篇
第15章网络数据抓取 / 275
15．1 基础知识 / 276
15．1．1 数据抓取的基本思想 / 276
15．1．2 网页基础知识和浏览器原理 / 276
15．1．3 HTML语言简介 / 277
15．2 用Python实现数据爬取 / 282
15．2．1 获得网页HTML源代码 / 283
15．2．2 通过HTML标签定位数据 / 286
15．2．3 处理“翻页”数据 / 291
15．3 数据抓取技巧 / 294
15．4 思考练习题 / 295
第16章 顾客市场细分 / 297
16．1 背景与问题 / 297
16．2 数据介绍 / 298
16．3 分析方法与结论 / 301
16．3．1 分析方法 / 301
16．3．2 分析结论 / 305
16．4 思考练习题 / 306
第17章 房地产服务平台用户需求分析 / 307
17．1 背景与问题 / 307
17．2 数据介绍 / 307
17．3 分析方法与结论 / 309
17．3．1 分析方法 / 309
17．3．2 分析结论 / 315
17．4 思考练习题 / 315
第18章 电子商务中消费者评论意见提取 / 316
18．1 背景与问题 / 316
18．2 数据介绍 / 317
18．2．1 数据获取 / 317
18．2．2 商品属性识别 / 319
18．2．3 属性情感分析 / 324
18．2．4 数据转换 / 325
18．3 分析方法与结论 / 325
18．3．1 分析方法 / 325
18．3．2 分析结论 / 329
18．4 思考练习题 / 331
第19章 知识付费中顾客满意度分析 / 332
19．1 背景与问题 / 332
19．2 数据介绍 / 334
19．2．1 变量介绍 / 335
19．2．2 数据获取 / 337
19．3 分析方法与结论 / 346
19．3．1 分析方法 / 346
19．3．2 分析结论 / 348
19．4 思考练习题 / 351