（1）作者经验丰富：作者是数据分析专家，在电商、美妆、餐饮等领域有丰富的数据分析经验，原创文章全网阅读量破100万。（2）深谙读者痛：十分了解数据分析师在思维、技能和业务等方面的学习痛，本书专门为此准备了一套“思维+技能+理论+实践”的方法。（3）以实用为本，聚焦重：Pandas数据分析常用的高频操作不到Pandas实际功能的20%，却能解决超过80%的问题。本书去繁就简，只专注于能解决大部分问题的重模块。（4）以实战制胜，案例牵引：书中包含大量实际案例，覆盖大部分数据分析场景，对这些案例抽丝剥茧，帮助读者在实战中获得通用方法和业务技能。（5）8个场景、8大案例、35万行数据集：针对报表自动化、行业机会挖掘、用户分层、用户分群、用户偏好分析、同期群分析、指标波动归因分析、品牌分析等8大经典分析场景，用8大案例和超35万行数据集详细讲解。
售 价：¥
纸质售价：¥66.70购买纸书
6.6
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
Preface 前言
Chapter 1 第1章 Python数据分析准备
1.1 Python数据分析基础
1.2 如何高效学习Pandas
1.3 Python所需的环境搭建
1.4 本章小结
Chapter 2 第2章 Pandas快速入门
2.1 Pandas的两大数据结构
2.2 数据读取和存储
2.3 快速认识数据
2.4 数据处理初体验
2.5 常用数据类型及操作
2.6 本章小结
Chapter 3 第3章 玩转索引
3.1 索引概述
3.2 基于位置（数字）的索引
3.3 基于名称（标签）的索引
3.4 本章小结
Chapter 4 第4章 数据清洗四大核心操作
4.1 增：拓展数据维度
4.2 删：剔除噪声数据
4.3 选：基于条件选择数据
4.4 改：改变数据形态
4.5 本章小结
Chapter 5 第5章 Pandas两大进阶利器
5.1 数据透视表
5.2 强大又灵活的apply
5.3 本章小结
Chapter 6 第6章 数据可视化
6.1 Matplotlib基础知识
6.2 Matplotlib基础操作
6.3 绘制常用图形
6.4 本章小结
Chapter 7 第7章 走近电商：商业方法论与分析体系
7.1 什么是电商
7.2 三大关键角色
7.3 电商基础指标
7.4 电商分析方法论及应用
7.5 数据分析师重生之我是老板
7.6 本章小结
Chapter 8 第8章 Python报表自动化
8.1 行业数据报表自动化
8.2 报表批量处理与品牌投放分析
8.3 本章小结
Chapter 9 第9章 行业机会分析与权重确定
9.1 案例背景介绍
9.2 传统的解题方法
9.3 权重确定方法
9.4 Pandas权重计算和分析
9.5 本章小结
Chapter 10 第10章 用户分层实战
10.1 用户分层的基本概念
10.2 二八法则
10.3 拐点法
10.4 本章小结
Chapter 11 第11章 用户分群实战与加强版RFM模型
11.1 走近用户分群
11.2 RFM用户分群实战
11.3 关于RFM模型的重要思考
11.4 RFM模型的加强和拓展
11.5 本章小结
Chapter 12 第12章 用户偏好分析
12.1 用户偏好分析和TGI
12.2 用Pandas实现TGI分析
12.3 本章小结
Chapter 13 第13章 万能的同期群分析
13.1 数据分析师必知必会的同期群分析
13.2 Pandas同期群分析实战
13.3 本章小结
Chapter 14 第14章 指标波动归因分析
14.1 指标波动贡献率
14.2 Adtributor算法
14.3 本章小结
Chapter 15 第15章 一份全面的品牌分析报告
15.1 探索性数据分析简介
15.2 数据预处理
15.3 数据总览分析
15.4 用户数据分析
15.5 商品数据分析
15.6 购物篮关联分析
15.7 本章小结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
