数据分析工具应用实战指南.docVIP

数据分析工具应用实战指南

TOC\o1-2\h\u66第一章数据分析工具概述 3

260121.1数据分析工具的发展历程 3

37081.2数据分析工具的分类及特点 4

25989第二章数据采集与清洗 5

56582.1数据采集方法与技巧 5

90222.1.1网络爬虫技术 5

80282.1.2数据采集技巧 5

327262.2数据清洗的原则与策略 5

249842.2.1数据清洗原则 5

280772.2.2数据清洗策略 6

175512.3数据清洗工具应用案例 6

248202.3.1Python数据处理库Pandas 6

126312.3.2数据清洗工具OpenRefine 6

300582.3.3自然语言处理工具NLTK 6

224412.3.4数据可视化工具Tableau 6

31480第三章Excel数据分析 6

293333.1Excel数据分析基础 6

266363.1.1数据类型与格式 6

122703.1.2数据排序与筛选 7

265963.1.3数据验证与错误处理 7

143093.2Excel数据分析函数应用 7

113073.2.1常用统计函数 7

324283.2.2逻辑函数 7

93713.2.3文本函数 7

61793.3Excel数据分析实例解析 8

52443.3.1销售数据分析 8

178713.3.2人员绩效分析 8

32049第四章Python数据分析 8

311494.1Python数据分析库介绍 8

200294.1.1NumPy 8

73434.1.2pandas 8

36854.1.3Matplotlib 9

76324.1.4Seaborn 9

37964.1.5SciPy 9

141244.2Python数据分析实战技巧 9

1084.2.1数据清洗 9

1294.2.2数据转换 9

175874.2.3数据合并 9

253414.2.4数据可视化 9

243054.3Python数据分析项目案例 9

24654第五章R语言数据分析 10

203505.1R语言数据分析基础 10

284855.1.1数据类型与结构 10

128895.1.2数据导入与导出 10

6605.1.3数据清洗与预处理 10

8805.2R语言数据分析函数应用 11

129035.2.1描述性统计分析 11

159475.2.2数据可视化 11

20335.2.3假设检验与推断 11

317395.2.4相关性分析 11

87325.2.5回归分析 11

24165.3R语言数据分析实例解析 11

258525.3.1数据集描述 11

4305.3.2数据清洗与预处理 12

127395.3.3描述性统计分析 12

47275.3.4数据可视化 12

213005.3.5相关性分析 12

18845.3.6回归分析 12

27384第六章数据可视化 12

221096.1数据可视化基本概念 12

200236.1.1可视化的定义与意义 12

6356.1.2可视化类型与特点 13

297996.2数据可视化工具介绍 13

30516.2.1常见数据可视化工具 13

289816.2.2各工具特点与应用场景 13

89066.3数据可视化实战案例 14

314586.3.1销售数据分析案例 14

144646.3.2人口分布数据分析案例 14

185956.3.3金融数据分析案例 14

11575第七章数据挖掘与分析 14

124667.1数据挖掘的基本方法 14

5287.1.1简介 14

277007.1.2分类方法 14

322557.1.3回归方法 14

223157.1.4聚类方法 15

251977.1.5关联规则挖掘 15

299577.2数据挖掘工具应用 15

302317.2.1简介 15

16687.2.2RapidMiner 15

81337.2.3Weka 15

92397.2.4Python 15

224757.3数据挖掘