





作者:王振丽
定价:89元
印次:1-2
ISBN:9787302649045
出版日期:2023.12.01
印刷日期:2024.07.19
图书责编:魏莹
图书分类:零售
《Python数据分析与可视化项目实战》由浅入深地讲解了使用Python语言实现大型商业案例项目数据分析的知识,几乎覆盖了当今主流的数据分析行业。全书共9章,分别讲解了电影产业市场数据分析和可视化系统,电商客户数据分析和可视化系统,房产信息数据分析和可视化系统,城市智能交通数据分析和可视化系统,NBA球星技术统计信息数据分析和可视化系统,股票数据分析和可视化系统,民宿信息数据分析和可视化系统,足球数据可视化分析和机器学习预测系统,网络舆情数据分析和可视化系统等。 《Python数据分析与可视化项目实战》适用于已经了解Python语言基础语法,希望进一步提高自己Python开发水平的读者,同时还可以作为大专院校相关专业的师生用书和培训机构的教材。
王振丽,华中科技大学计算机硕士,资深Python开发工程师,热衷于移动开底层系统架构、驱动开发、AI开发的研究和具体工作,对Python人工智能的架构设计和实现原理有非常深刻的认识和理解,应用开发经验也十分丰富。
前言 互联网的飞速发展带来了海量信息,而海量信息的背后对应的则是海量数据。如何从这些海量数据中获取有价值的信息来供人们学习和工作使用,这就不得不用到大数据挖掘和分析技术。数据可视化分析作为大数据技术的核心一环,其重要性不言而喻。 随着云时代的来临,数据可视化分析技术将具有越来越重要的战略意义。大数据已经渗透到每一个行业和业务领域,逐渐成为重要的生产要素,人们对于海量数据的运用预示着新一轮生产率增长浪潮的到来。数据可视化分析技术将帮助企业在合理时间内攫取、管理、处理、整理海量数据,为企业经营决策提供积极的帮助。数据可视化分析作为数据存储和挖掘分析的前沿技术,已广泛应用于物联网、云计算、移动互联网等战略性新兴产业。虽然数据可视化分析目前在国内还处于初级阶段,但是其商业价值已经显现出来,有实践经验的数据可视化分析人才更是成为各企业争夺的对象。为了满足对数据可视化分析人才日益增长的需求,很多大学开始尝试开设数据可视化分析课程。 本书的特色 1.内容编排以实际项目为主导 本书以实际项目为基础,通过一系列的数据分析和可视化项目,帮助读者将理论知识转化为实际应用。每个项目都提供了详细的代码和数据,读者可以通过实际操作来巩固所学的知识。 2.商业项目,新颖并具代表性 本书9个大型商业项目的实现过程,几乎覆盖了当今主流的应用领域,这些项目十分新颖,通过学习这几个商业项目,可以帮助读者探索自己的创新解决方案。 3.简洁易懂的讲解风格 本书通过直观、易懂的案例来讲解。读者可以快速地掌握数据分析和可视化的基本概念和技术,并能够应用于实际项目开发中。 4.二维码布局全书,扫码后可以观...
第1章 电影产业市场数据分析和可视化系统(Flask+FastAPI+Vue+Echarts) 1
1.1 电影产业介绍 2
1.2 电影市场的需求分析 2
1.2.1 市场需要高质量作品 2
1.2.2 国内电影市场的变化 3
1.3 系统架构 3
1.4 准备数据 4
1.5 后端数据分析模块 5
1.5.1 后端系统配置 5
1.5.2 注册FastAPI访问 6
1.5.3 URL错误处理 9
1.5.4 后端数据分析 11
1.5.5 后端主文件 15
1.5.6 日志处理 16
1.6 前端数据可视化模块 18
1.6.1 前端系统配置 18
1.6.2 前台主页 19
1.6.3 电影时长占比图 28
1.6.4 电影上映年份趋势图 33
1.6.5 各国及地区电影出产量统计图 37
1.6.6 电影类别排行统计图 41
1.6.7 电影语言使用统计图 46
1.6.8 各国及地区电影评分展示统计图 52
第2章 电商客户数据分析和可视化系统(Jupyter Notebook+Scikit-Learn+Matplotlib+Pandas) 59
2.1 电商行业发展介绍 60
2.1.1 国内电商市场现状分析 60
2.1.2 电商行业发展趋势介绍 60
2.2 需求分析 61
2.2.1 电商的商业模式 61
2.2.2 核心指标需求分析 62
2.2.3 指标体系需求分析 63
2.2.4 数据分析方法 65
2.2.5 电... 查看详情
在内容设计上,采用了循序渐进的方式,逐步引导读者掌握数据分析和可视化的技能。每章以一个具体的项目示例为主线,详细讲解相关的理论知识和基本技巧,并提供实用的代码示例。读者在阅读过程中可以通过实际操作来加深对书中知识的理解和掌握。
书中每个项目案例都选取了具有代表性和实用性的主题,包括股票市场走势预测、城市自行车共享需求预测、电商客户数据分析等,这些项目案例不仅让读者理论与实践相结合,更让读者从不同领域的数据问题中受益良多,将理论知识应用于实际项目中。"