Python數據分析案例教程

項目1 分析新零售智能銷售項目背景 1
1.1　了解項目背景與目標 2
1.2　了解數據 2
1.2.1 了解訂單數據 3
1.2.2 了解商品數據 3
1.3 熟悉項目流程 4
項目2 熟悉與安裝Python數據分析工具 8
2.1　熟悉Python數據分析工具 9
2.1.1 了解常用的數據分析工具 9
2.1.2 了解Python數據分析的優(yōu)勢 10
2.2　安裝Python的Anaconda發(fā)行版 11
2.2.1 系統(tǒng)準備 11
2.2.2 下載與安裝Anaconda發(fā)行版 12
2.3　使用Jupyter Notebook 15
2.3.1 了解Jupyter Notebook 15
2.3.2 Jupyter Notebook的基本功能 16
2.3.3 Jupyter Notebook的高級功能 19
項目3 Python基礎及其常用的數據分析庫 25
3.1　了解Python的基礎知識 26
3.1.1 了解Python基本語法 26
3.1.2　熟悉Python基本數據類型 30
3.1.3 熟悉Python常用運算符 44
3.2 了解Python標準庫os模塊 46
3.2.1 導入Python庫 46
3.2.2 掌握os模塊的常用方法 46
3.3 了解常用的數據分析庫pandas 47
3.3.1 了解pandas庫 47
3.3.2 讀/寫文件 48
3.3.3 查看DataFrame的基本屬性 51
3.3.4 掌握DataFrame的查、改、增、刪方法 52
3.3.5 了解DataFrame的描述性統(tǒng)計 60
項目4 數據可視化——分析新零售智能銷售庫存結構 67
4.1　技能與知識準備 68
4.1.1 了解Python第三方繪圖庫 68
4.1.2 理解Matplotlib的基礎繪圖語法 69
4.1.3 配置Matplotlib的rc動態(tài)參數 72
4.1.4 掌握Matplotlib的繪圖風格及中文顯示 74
4.1.5 分組聚合DataFrame 76
4.2 讀取與清洗商品數據 83
4.2.1 讀取商品數據 83
4.2.2 清洗商品數據 84
4.3　繪制圖形，分析庫存結構 85
4.3.1 繪制折線圖，分析售罄率 85
4.3.2 繪制點線圖，分析庫存成本 87
4.3.3 繪制折線圖，分析進貨數量、庫存數量和銷售數量 88
4.3.4 撰寫庫存結構分析報告 89
項目5 數據可視化——分析新零售智能銷售用戶行為 95
5.1　技能與知識準備 96
5.1.1 排序 96
5.1.2 合并數據 101
5.2　讀取與處理訂單數據 112
5.2.1 讀取訂單數據 113
5.2.2 清洗訂單數據 113
5.2.3 歸約訂單數據 116
5.3　繪制圖形，分析用戶行為 119
5.3.1 繪制餅圖，分析用戶支付方式 119
5.3.2 繪制散點圖，分析客單價 123
5.3.3 繪制餅圖，分析用戶數 124
5.3.4 繪制折線圖，分析用戶的消費時間 127
5.3.5 繪制環(huán)形圖，分析用戶的消費時段 129
5.3.6 撰寫用戶行為分析報告 131
項目6 數據可視化——分析新零售智能銷售情況 143
6.1　技能與知識準備 144
6.1.1 簡單統(tǒng)計法 145
6.1.2 3σ原則分析法 145
6.1.3 箱形圖分析法 147
6.1.4 缺失值檢查法 149
6.2　統(tǒng)計并查看新零售智能銷售數據 149
6.3　繪制圖形，分析整體銷售情況 150
6.3.1 繪制柱形圖，分析暢銷排名前10的商品 151
6.3.2 繪制條形圖，分析滯銷排名前10的商品 152
6.3.3 繪制折線圖，分析銷售金額 154
6.3.4 繪制柱形圖，分析銷售金額排名前10的設備 155
6.3.5 撰寫總體銷售情況分析報告 156
6.4　繪制圖形，分析區(qū)域銷售情況 159
6.4.1 繪制柱形圖，分析各區(qū)域銷售金額 159
6.4.2 繪制餅圖，分析各市銷售金額排名前5的商品占比 160
6.4.3 撰寫區(qū)域銷售情況分析報告 164
6.5　繪制圖形，分析各月銷售情況 168
6.5.1 繪制折線圖，分析訂單數量與設備數量的關系 168
6.5.2 繪制折線圖，分析各月利潤 170
6.5.3 繪制柱形圖，分析各月銷售金額排名前10的商品及其利潤 171
6.5.4 撰寫各月銷售情況分析報告 174
項目7 基于大數據挖掘建模平臺和可視化平臺實現新零售智能銷售用戶分析 182
7.1　知識準備 184
7.1.1 初識大數據挖掘建模平臺 184
7.1.2 初識大數據可視化平臺 188
7.2　配置數據源 193
7.3　探索訂單數據 195
7.4　清洗訂單數據 196
7.4.1 處理缺失值 196
7.4.2 添加“市”字段 197
7.4.3 處理“商品詳情”字段 198
7.4.4 去除無意義數據 199
7.4.5 提取月份 200
7.5　統(tǒng)計訂單數據 201
7.6　繪制圖形，分析用戶行為 205
7.6.1 用戶支付方式占比餅圖 205
7.6.2 用戶消費金額與消費次數折線圖 207
7.6.3 各城市用戶數占比餅圖 209
7.6.4 每月用戶數占比餅圖 211
7.6.5 首次和最后一次消費時間的用戶消費次數折線圖 213
7.6.6 配置用戶分析可視化儀表盤與大屏 215