誰說菜鳥不會數據分析（Python篇）

第1 章　資料分析概況 /1
1.1　資料分析定義（What） /2
1.2　資料分析作用（Why） /4
1.3　資料分析步驟（How） /5
1.3.1　明確分析目的和思路 /6
1.3.2　資料收集 /7
1.3.3　資料處理 /9
1.3.4　資料分析 /9
1.3.5　數據展現 /10
1.3.6　報告撰寫 /10
1.4　資料分析的三大誤區 /12
1.5　常用的資料分析工具 /13
1.5.1　Excel /13
1.5.2　SPSS /14
1.5.3　R語言 /15
1.5.4　Python語言 /16
 
第2 章　Python 概況 /17
2.1　Python簡介 /18
2.2　Python特點 /19
2.3　Python模組 /20
2.3.1　函數 /20
2.3.2　模組 /24
2.4　Python使用場景 /27
2.5　Python 2與Python3 /28
2.6　Python與資料科學 /29
2.7　Anaconda簡介 /30
2.8　安裝Anaconda /31
2.8.1　下載Anaconda /31
2.8.2　安裝Anaconda /33
2.9　使用Anaconda /37
2.9.1　PyCharm 與Spyder/37
2.9.2　Anaconda 開始菜單 /38
2.9.3　Spyder 工作介面簡介 /39
2.9.4　專案管理 /40
2.9.5　代碼提示 /43
2.9.6　變數流覽 /44
2.9.7　圖形查看 /44
2.9.8　幫助文檔 /45
 
第3 章　程式設計基礎 /47
3.1　資料類型 /48
3.1.1　數值型 /48
3.1.2　字元型 /50
3.1.3　邏輯型 /56
3.2　賦值和變數 /57
3.2.1　賦值和變數 /57
3.2.2　變數命名規則 /58
3.3　資料結構 /59
3.3.1　列表 /59
3.3.2　字典 /63
3.3.3　序列 /66
3.3.4　數據框 /72
3.3.5　四種資料結構的區別 /80
3.4　向量化運算 /81
3.5　for 迴圈 /83
3.6　Python 程式設計注意事項 /87
 
第4 章　資料處理 /90
4.1　數據導入與匯出 /91
4.1.1　數據導入 /91
4.1.2　數據匯出 /99
4.2　數據清洗 /100
4.2.1　數據排序 /101
4.2.2　重復資料處理 /102
4.2.3　缺失資料處理 /106
4.2.4　空格資料處理 /109
4.3　資料轉換 /110
4.3.1　數值轉字元 /110
4.3.2　字元轉數值 /112
4.3.3　字元轉時間 /113
4.4　數據抽取 /115
4.4.1　欄位拆分 /116
4.4.2　記錄抽取 /121
4.4.3　隨機抽樣 /127
4.5　資料合併 /130
4.5.1　記錄合併 /130
4.5.2　欄位合併 /133
4.5.3　欄位匹配 /135
4.6　資料計算 /140
4.6.1　簡單計算 /140
4.6.2　時間計算 /141
4.6.3　數據標準化 /142
4.6.4　資料分組 /144
 
第5 章　資料分析 /148
5.1　對比分析 /149
5.2　基本統計分析 /152
5.3　分組分析 /155
5.4　結構分析 /158
5.5　分佈分析 /159
5.6　交叉分析 /162
5.7　RFM 分析 /164
5.8　矩陣分析 /173
5.9　相關分析 /176
5.10　回歸分析 /178
5.10.1　回歸分析簡介 /178
5.10.2　簡單線性回歸分析 /180
5.10.3　多重線性回歸分析 /185
 
第6 章　數據視覺化 /189
6.1　數據視覺化簡介 /190
6.1.1　什麼是數據視覺化 /190
6.1.2　資料視覺化常用圖表 /190
6.1.3　通過關係選擇圖表 /191
6.2　散點圖 /192
6.3　矩陣圖 /203
6.4　折線圖 /210
6.5　圓形圖 /215
6.6　直條圖 /217
6.7　橫條圖 /222
 

《誰說菜鳥不會資料分析》系列圖書自上市以來，已擁有數十萬讀者與粉絲，口口相傳，成為職場人士案頭必備的參考用書。同時非常榮幸地獲得書刊發行業協會授予的“全行業優秀暢銷品種”稱號，這離不開廣大讀者的厚愛與支持。有讀者告訴我們，每次閱讀都會有新的體會與收穫，這讓我們很開心。

隨著雲計算、互聯網、電子商務和物聯網的飛速發展，世界已經逐步邁入大資料時代。資料分析、機器學習等資料科學技術也相應流行起來，主流的資料科學技術，都將Python作為主要的計算工具。Python越來越被大家熟悉和認可，成為資料分析師的新寵兒，特別是在互聯網行業。

市面上Python資料分析的相關書籍基本上多數由IT人員編寫，寫作角度相對側重技術層面，很多基礎知識點和編寫的代碼並無詳細介紹，並且在資料分析思維體系方面相對薄弱，學習門檻非常高，讓非IT專業朋友學起來較為痛苦。

鑒於此，本書作者于2015年開始提煉總結工作中Python常用的資料處理、資料分析實戰方法與技巧，並錄製成了視頻課程《Python資料分析實戰》，發佈于網易雲課堂。課程上線後，受到了大量學員的支持與肯定。同時，課程上線後，根據熱心學員的寶貴回饋意見，對課程不斷進行升級更新。

通過《Python資料分析實戰》視頻課程的錄製、升級過程中，沉澱了大量的Python資料分析實戰教學經驗。同時大量的學員與讀者不斷來信諮詢希望早日出版《誰說菜鳥不會資料分析（Python篇）》。經過兩年時間的打磨，這本書終於與讀者見面了。
整個寫作過程是艱辛的，但是也很有成就感。

本書從解決工作實際問題出發，提煉總結工作中Python常用的資料處理、資料分析實戰方法與技巧。本書與其他《誰說菜鳥不會資料分析》系列圖書一樣，力求通俗易懂地介紹相關知識，在不影響學習理解的前提下，盡可能地避免使用晦澀難懂的Python程式設計、統計術語或模型公式，如需瞭解相關的知識，可查閱相關的書籍或資料。

本書的定位是帶領Python資料分析初學者入門，並能解決學習、工作中大部分的問題或需求。入門後如還需進一步進階學習，可自行擴展閱讀相關書籍或資料，學習是永無止境的，正所謂“師傅領進門，修行在個人”。