文件處理

1.1 基本環(huán)境介紹 /1

1.2 Pandas 文件的讀取 /1

1.3 初識 DataFrame 數(shù)據(jù)類型 /3

1.4 DataFrame 數(shù)據(jù)類型的訪問 /5

1.4.1 如何使用 head() 方法查看數(shù)據(jù) /5

1.4.2 如何查看數(shù)據(jù)類型 /6

1.4.3 如何同時訪問多列數(shù)據(jù) /7

1.4.4 如何進行數(shù)據(jù)類型的篩選 /7

1.5 區(qū)域訪問的方法 /8

1.6 DataFrame 數(shù)據(jù)類型的新增、刪除 /11

1.6.1 DataFrame 數(shù)據(jù)類型的新增操作方法 /11

1.6.2 DataFrame 數(shù)據(jù)類型的刪除操作方法 /13

1.7 探索性分析項目實戰(zhàn) /15

企業(yè)數(shù)據(jù)分析與挖掘項目標準化流程

2.1 基本流程介紹 /22

2.2 如何進行目標定義 /23

2.2.1 在線產(chǎn)品 /23

2.2.2 線下服務業(yè) /23

2.2.3 內(nèi)部分析目標 /24

2.3 數(shù)據(jù)的來源與獲取 /25

2.4 數(shù)據(jù)抽樣的常用方法 /25

2.5 數(shù)據(jù)探索的目標與任務 /26

I

2.6 數(shù)據(jù)預處理 /28

2.7 數(shù)據(jù)建模與評價 /29

使用 Python 進行科學運算

3.1 Pandas 計算利器 Series /30

3.1.1 DataFrame 與 Series 的關系 /30

3.1.2 聲明一個 Series 類型 /31

3.1.3 Series 判斷缺失值 /32

3.1.4 Series 的運算 /33

3.2 一個必不可少的運算庫 NumPy /34

3.3 類型推斷 /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 降維運算 /41

3.8 堆疊運算 /42

3.9 廣播運算 /44

Matplotlib 數(shù)據(jù)可視化

4.1 銷售額走勢的折線圖 /48

4.1.1 環(huán)境安裝及引入 /48

4.1.2 Excel 中整數(shù)日期的處理 /49

4.1.3 繪制簡單折線圖 /50

4.1.4 解決 x 軸刻度重疊問題 /51

4.1.5 調(diào)整畫布大小問題 /52

4.1.6 多項數(shù)據(jù)對比繪制折線圖 /52

4.2 長尾分布的柱狀圖 /55

4.2.1 簡單柱狀圖 /55

4.2.2 邊框顏色與隱藏問題 /56

4.2.3 刻度顯示問題 /57

II

4.3 躺著的柱狀圖就是條形圖 /58

4.4 說明占比的餅圖 /60

4.4.1 基本餅圖 /60

4.4.2 餅圖的數(shù)據(jù)計算 /60

4.4.3 豐富餅圖屬性 /61

4.5 觀察分布的散點圖 /63

4.5.1 普通散點圖 /63

4.5.2 由散點圖到氣泡圖的演變 /63

4.5.3 自開發(fā) RGB 顏色生成器 /64

全面了解 MySQL

5.1 掌握數(shù)據(jù)庫的結(jié)構(gòu) /66

5.1.1 實例與庫 /66

5.1.2 表與字段的創(chuàng)建 /70

5.2 SQL 的數(shù)據(jù)操作 /72

5.2.1 數(shù)據(jù)寫入 /72

5.2.2 數(shù)據(jù)更新 /73

5.2.3 數(shù)據(jù)的物理刪除與邏輯刪除 /74

5.3 使用 Python 操作 MySQL /75

5.3.1 表結(jié)構(gòu)的創(chuàng)建 /75

5.3.2 外部數(shù)據(jù)導入 /76

使用 Python 進行 SQL 的查詢與計算

6.1 有條件限制的查詢語句 /78

6.1.1 基本查詢語句 /78

6.1.2 單一條件限制的查詢語句 /79

6.1.3 模糊的條件限制 /81

6.1.4 多條件限制的查詢語句 /82

6.1.5 關于空值的判斷 /83

6.1.6 返回部分結(jié)果的控制 /84

III

6.2 多個表查詢結(jié)果展示在一起的聯(lián)合查詢 /85

6.3 統(tǒng)計結(jié)果中的分組方法與篩選技巧 /86

6.3.1 掌握結(jié)果分組 /86

6.3.2 過濾篩選分組后的結(jié)果 /87

6.3.3 排序中的大小順序 /89

6.4 多表之間的子查詢 /90

6.4.1 兩表之間的子查詢 /90

6.4.2 三表之間的子查詢 /91

6.5 多表之間的關聯(lián)查詢 /92

6.5.1 先給數(shù)據(jù)起個別名 /92

6.5.2 兩表之間的左關聯(lián) /93

6.5.3 兩表之間的右關聯(lián) /94

6.5.4 兩表之間的全關聯(lián) /95

6.6 使用 Python 進行 SQL 數(shù)據(jù)查詢 /95

6.6.1 一般的查詢方法 /95

6.6.2 使用 Pandas 的查詢方法 /96

基于用戶行為的用戶價值分析

7.1 項目數(shù)據(jù)介紹 /98

7.1.1 項目介紹及脫敏 /98

7.1.2 數(shù)據(jù)介紹 /98

7.2 項目開始前的數(shù)據(jù)預處理 /100

7.2.1 數(shù)據(jù)獲取 /100

7.2.2 數(shù)據(jù)預處理 /101

7.3 指標分析與價值分析 /102

7.3.1 流量指標分析 /102

7.3.2 轉(zhuǎn)化指標分析 /104

7.3.3 基于 RFM 模型的用戶價值分析 /104

IV

數(shù)據(jù)分析的具體介紹

8.1 數(shù)據(jù)與信息的關系 /107

8.2 數(shù)據(jù)能做什么——以微信私域流量數(shù)字化經(jīng)營為例 /108

8.3

數(shù)據(jù)分析基本概念及數(shù)學基礎

9.1 數(shù)據(jù)分析的基本思路 /119

9.2 描述性分析 /120

9.2.1 數(shù)值分析 /120

9.2.2 分布分析 /121

9.2.3 可視化分析 /124

9.3 診斷性分析 /129

9.3.1 關聯(lián)分析 /129

9.3.2 波動分析（以周權(quán)重指數(shù)為例） /130

9.4 預測性分析 /131

9.4.1 線性回歸 /131

9.4.2 非線性回歸 /133

9.5 仿真模擬 /136

9.5.1 仿真模擬的理論應用 /136

9.5.2 仿真模擬的業(yè)務應用 /137

V

數(shù)據(jù)分析思維在業(yè)務中的應用——以 B 站廣告增長投放為例

10.1 B 站基本信息及廣告形式 /144

10.1.1 B 站基本信息 /144

10.1.2 B 站的廣告形式 /145

10.2 影響 CPC 廣告投放效果的要素 /147

10.2.1 廣告投放營銷漏斗轉(zhuǎn)化模型 /147

10.2.2 CPC 廣告展示量（曝光量）涉及要素 /148

10.2.3 CPC 廣告點擊量涉及要素 /153

10.2.4 CPC 廣告訪問量涉及要素 /157

10.2.5 CPC 廣告成交量（轉(zhuǎn)化量）涉及要素 /157

10.3 B 站內(nèi) CPC 廣告業(yè)務場景與優(yōu)化 /159

10.4 B 站內(nèi) CPC 廣告業(yè)務優(yōu)化思路與數(shù)據(jù)分析 /160

10.4.1 針對廣告投放 ROI 偏低問題的數(shù)據(jù)匯總 /160

10.4.2 針對廣告投放 ROI 偏低問題的優(yōu)化思路 /161

10.4.3 針對廣告曝光點擊率偏低問題的業(yè)務背景 /164

10.4.4 針對廣告曝光點擊率偏低問題的優(yōu)化思路 /165

10.5 B 站內(nèi) CPC 廣告優(yōu)化在復雜業(yè)務環(huán)境下考慮的要素 /168

數(shù)據(jù)分析在電商平臺訂單分析中的應用——以 B 站會員購電商平臺為例

11.1 B 站會員購平臺業(yè)務背景介紹 /172

11.2 B 站會員購平臺相關數(shù)據(jù)介紹 /173

11.3 訂單數(shù)據(jù)的數(shù)據(jù)分析基本思路 /175

11.4 B 站會員購時間相關訂單數(shù)據(jù)的分析思路及業(yè)務應用 /178

11.4.1 訂單時間分布分析 /178

11.4.2 訂單價格分布分析 /179

11.4.3 訂單時間分布與價格分布的交叉分析 /180

11.4.4 不同時間相關訂單數(shù)據(jù)的分析匯總 /180

VI

11.5 B 站會員購商品相關訂單數(shù)據(jù)的分析思路及業(yè)務應用 /181

11.5.1 商品客單價分布分析 /181

11.5.2 商品銷量分布分析 /182

11.5.3 商品銷量波動趨勢分析 /183

11.5.4 商品地區(qū)客單價分析 /185

11.6 B 站會員購多日訂單數(shù)據(jù)的匯總 /186

11.7 B 站會員購訂單數(shù)據(jù)針對地區(qū)品牌滲透度基本判別的分析 /186

數(shù)據(jù)分析在商業(yè)分析中的應用——以商品多渠道管理為例

12.1 什么是商業(yè)分析 /190

12.2 商業(yè)分析和數(shù)據(jù)分析的區(qū)別是什么 /190

12.3 多渠道商業(yè)分析項目背景介紹 /193

12.4 相關數(shù)據(jù)介紹 /196

12.5 多渠道商業(yè)分析的數(shù)據(jù)處理 /198

12.5.1 多渠道商業(yè)分析的數(shù)據(jù)背景及分析價值 /198

12.5.2 多渠道商業(yè)分析的操作步驟 /200

12.5.3 多渠道商業(yè)分析的數(shù)據(jù)分析思路及操作 /200

12.6 不同渠道對銷量影響程度的判斷 /209

12.7 多渠道商業(yè)分析在銷售管理上的應用 /211

數(shù)據(jù)分析在市場調(diào)研的應用——商品畫像分析

13.1 什么是商品畫像體系 /212

13.2 商品畫像體系的數(shù)據(jù)來源 /212

13.2.1 平臺數(shù)據(jù)來源 /212

13.2.2 第三方數(shù)據(jù)來源 /220

13.3 商品畫像數(shù)據(jù)的抓取方法 /223

13.3.1 人工采集 /223

13.3.2 第三方爬蟲工具采集 /223

13.3.3 自有編程爬蟲腳本采集 /224

VII

13.4 商品畫像體系的應用 /225

13.4.1 數(shù)據(jù)維度說明 /225

13.4.2 數(shù)據(jù)清洗及有效數(shù)據(jù)篩選 /228

13.4.3 商品曝光價格分布分析 /229

13.4.4 商品曝光價格趨勢分析 /230

13.4.5 商品評分及數(shù)量分布分析 /231

13.4.6 商品評分趨勢分析 /235

13.4.7 商品排名分布趨勢分析 /236

13.4.8 商品標題詞頻分析 /237

13.4.9 商品評價詞頻分析 /244