Python数据分析和业务应用实战：广告投放、产品运营、商业分析

文件处理

1.1 基本环境介绍 /1

1.2 Pandas 文件的读取 /1

1.3 初识 DataFrame 数据类型 /3

1.4 DataFrame 数据类型的访问 /5

1.4.1 如何使用 head() 方法查看数据 /5

1.4.2 如何查看数据类型 /6

1.4.3 如何同时访问多列数据 /7

1.4.4 如何进行数据类型的筛选 /7

1.5 区域访问的方法 /8

1.6 DataFrame 数据类型的新增、删除 /11

1.6.1 DataFrame 数据类型的新增操作方法 /11

1.6.2 DataFrame 数据类型的删除操作方法 /13

1.7 探索性分析项目实战 /15

企业数据分析与挖掘项目标准化流程

2.1 基本流程介绍 /22

2.2 如何进行目标定义 /23

2.2.1 在线产品 /23

2.2.2 线下服务业 /23

2.2.3 内部分析目标 /24

2.3 数据的来源与获取 /25

2.4 数据抽样的常用方法 /25

2.5 数据探索的目标与任务 /26

I

2.6 数据预处理 /28

2.7 数据建模与评价 /29

使用 Python 进行科学运算

3.1 Pandas 计算利器 Series /30

3.1.1 DataFrame 与 Series 的关系 /30

3.1.2 声明一个 Series 类型 /31

3.1.3 Series 判断缺失值 /32

3.1.4 Series 的运算 /33

3.2 一个必不可少的运算库 NumPy /34

3.3 类型推断 /35

3.4 NumPy 的矢量化操作 /36

3.5 NumPy 的切片 /37

3.6 花式索引 Fancy Indexing /39

3.7 降维运算 /41

3.8 堆叠运算 /42

3.9 广播运算 /44

Matplotlib 数据可视化

4.1 销售额走势的折线图 /48

4.1.1 环境安装及引入 /48

4.1.2 Excel 中整数日期的处理 /49

4.1.3 绘制简单折线图 /50

4.1.4 解决 x 轴刻度重叠问题 /51

4.1.5 调整画布大小问题 /52

4.1.6 多项数据对比绘制折线图 /52

4.2 长尾分布的柱状图 /55

4.2.1 简单柱状图 /55

4.2.2 边框颜色与隐藏问题 /56

4.2.3 刻度显示问题 /57

II

4.3 躺着的柱状图就是条形图 /58

4.4 说明占比的饼图 /60

4.4.1 基本饼图 /60

4.4.2 饼图的数据计算 /60

4.4.3 丰富饼图属性 /61

4.5 观察分布的散点图 /63

4.5.1 普通散点图 /63

4.5.2 由散点图到气泡图的演变 /63

4.5.3 自开发 RGB 颜色生成器 /64

全面了解 MySQL

5.1 掌握数据库的结构 /66

5.1.1 实例与库 /66

5.1.2 表与字段的创建 /70

5.2 SQL 的数据操作 /72

5.2.1 数据写入 /72

5.2.2 数据更新 /73

5.2.3 数据的物理删除与逻辑删除 /74

5.3 使用 Python 操作 MySQL /75

5.3.1 表结构的创建 /75

5.3.2 外部数据导入 /76

使用 Python 进行 SQL 的查询与计算

6.1 有条件限制的查询语句 /78

6.1.1 基本查询语句 /78

6.1.2 单一条件限制的查询语句 /79

6.1.3 模糊的条件限制 /81

6.1.4 多条件限制的查询语句 /82

6.1.5 关于空值的判断 /83

6.1.6 返回部分结果的控制 /84

III

6.2 多个表查询结果展示在一起的联合查询 /85

6.3 统计结果中的分组方法与筛选技巧 /86

6.3.1 掌握结果分组 /86

6.3.2 过滤筛选分组后的结果 /87

6.3.3 排序中的大小顺序 /89

6.4 多表之间的子查询 /90

6.4.1 两表之间的子查询 /90

6.4.2 三表之间的子查询 /91

6.5 多表之间的关联查询 /92

6.5.1 先给数据起个别名 /92

6.5.2 两表之间的左关联 /93

6.5.3 两表之间的右关联 /94

6.5.4 两表之间的全关联 /95

6.6 使用 Python 进行 SQL 数据查询 /95

6.6.1 一般的查询方法 /95

6.6.2 使用 Pandas 的查询方法 /96

基于用户行为的用户价值分析

7.1 项目数据介绍 /98

7.1.1 项目介绍及脱敏 /98

7.1.2 数据介绍 /98

7.2 项目开始前的数据预处理 /100

7.2.1 数据获取 /100

7.2.2 数据预处理 /101

7.3 指标分析与价值分析 /102

7.3.1 流量指标分析 /102

7.3.2 转化指标分析 /104

7.3.3 基于 RFM 模型的用户价值分析 /104

IV

数据分析的具体介绍

8.1 数据与信息的关系 /107

8.2 数据能做什么——以微信私域流量数字化经营为例 /108

8.3

数据分析基本概念及数学基础

9.1 数据分析的基本思路 /119

9.2 描述性分析 /120

9.2.1 数值分析 /120

9.2.2 分布分析 /121

9.2.3 可视化分析 /124

9.3 诊断性分析 /129

9.3.1 关联分析 /129

9.3.2 波动分析（以周权重指数为例） /130

9.4 预测性分析 /131

9.4.1 线性回归 /131

9.4.2 非线性回归 /133

9.5 仿真模拟 /136

9.5.1 仿真模拟的理论应用 /136

9.5.2 仿真模拟的业务应用 /137

V

数据分析思维在业务中的应用——以 B 站广告增长投放为例

10.1 B 站基本信息及广告形式 /144

10.1.1 B 站基本信息 /144

10.1.2 B 站的广告形式 /145

10.2 影响 CPC 广告投放效果的要素 /147

10.2.1 广告投放营销漏斗转化模型 /147

10.2.2 CPC 广告展示量（曝光量）涉及要素 /148

10.2.3 CPC 广告点击量涉及要素 /153

10.2.4 CPC 广告访问量涉及要素 /157

10.2.5 CPC 广告成交量（转化量）涉及要素 /157

10.3 B 站内 CPC 广告业务场景与优化 /159

10.4 B 站内 CPC 广告业务优化思路与数据分析 /160

10.4.1 针对广告投放 ROI 偏低问题的数据汇总 /160

10.4.2 针对广告投放 ROI 偏低问题的优化思路 /161

10.4.3 针对广告曝光点击率偏低问题的业务背景 /164

10.4.4 针对广告曝光点击率偏低问题的优化思路 /165

10.5 B 站内 CPC 广告优化在复杂业务环境下考虑的要素 /168

数据分析在电商平台订单分析中的应用——以 B 站会员购电商平台为例

11.1 B 站会员购平台业务背景介绍 /172

11.2 B 站会员购平台相关数据介绍 /173

11.3 订单数据的数据分析基本思路 /175

11.4 B 站会员购时间相关订单数据的分析思路及业务应用 /178

11.4.1 订单时间分布分析 /178

11.4.2 订单价格分布分析 /179

11.4.3 订单时间分布与价格分布的交叉分析 /180

11.4.4 不同时间相关订单数据的分析汇总 /180

VI

11.5 B 站会员购商品相关订单数据的分析思路及业务应用 /181

11.5.1 商品客单价分布分析 /181

11.5.2 商品销量分布分析 /182

11.5.3 商品销量波动趋势分析 /183

11.5.4 商品地区客单价分析 /185

11.6 B 站会员购多日订单数据的汇总 /186

11.7 B 站会员购订单数据针对地区品牌渗透度基本判别的分析 /186

数据分析在商业分析中的应用——以商品多渠道管理为例

12.1 什么是商业分析 /190

12.2 商业分析和数据分析的区别是什么 /190

12.3 多渠道商业分析项目背景介绍 /193

12.4 相关数据介绍 /196

12.5 多渠道商业分析的数据处理 /198

12.5.1 多渠道商业分析的数据背景及分析价值 /198

12.5.2 多渠道商业分析的操作步骤 /200

12.5.3 多渠道商业分析的数据分析思路及操作 /200

12.6 不同渠道对销量影响程度的判断 /209

12.7 多渠道商业分析在销售管理上的应用 /211

数据分析在市场调研的应用——商品画像分析

13.1 什么是商品画像体系 /212

13.2 商品画像体系的数据来源 /212

13.2.1 平台数据来源 /212

13.2.2 第三方数据来源 /220

13.3 商品画像数据的抓取方法 /223

13.3.1 人工采集 /223

13.3.2 第三方爬虫工具采集 /223

13.3.3 自有编程爬虫脚本采集 /224

VII

13.4 商品画像体系的应用 /225

13.4.1 数据维度说明 /225

13.4.2 数据清洗及有效数据筛选 /228

13.4.3 商品曝光价格分布分析 /229

13.4.4 商品曝光价格趋势分析 /230

13.4.5 商品评分及数量分布分析 /231

13.4.6 商品评分趋势分析 /235

13.4.7 商品排名分布趋势分析 /236

13.4.8 商品标题词频分析 /237

13.4.9 商品评价词频分析 /244