Python电商数据分析实战

Python电商数据分析实战

数据分析与决策技术丛书

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。

作品简介

这既是一本能带领读者零基础快速掌握Python数据分析方法与流程的工具书,又是一本从电商出发指导读者解决各类数据分析问题的实用指南。首先,本书以Python数据分析中使用率极高的Pandas为切入点,注重对数据分析思维和技能的培养,详细讲解了Pandas的操作以及数据分析的方法,可覆盖80%以上的数据分析应用场景,为数据分析师打下坚实基础。然后,本书以电商这个广大读者熟知且普适性极强的业务领域为依托,通过大量案例讲解了报表自动化、行业机会挖掘、用户分层、用户分群、用户偏好分析、同期群分析、指标波动归因分析、品牌分析等8大电商场景的数据分析方法,理论与案例深度融合。

本书以实用为本,聚焦重点,Python数据分析常用的高频功能不到Python数据分析能力的20%,本书去繁就简,只专注于能解决大部分问题的重点模块。本书以实战制胜,案例牵引,从表层直观地看,这些案例能解决各种电商业务问题;从深层仔细地分析,作者的本意实则是通过对这些案例抽丝剥茧,手把手教读者在实战中掌握数据分析的通用思维、方法和技能。所以,如果你是关注电商业务的数据分析师,本书针对常见电商数据分析场景给出了具体的方法和解决方案,可照搬使用;如果你是一位没有任何数据分析基础的小白,这本书更加适合你,不仅能快速掌握数据分析的基本思维和方法,而且能在大量案例中获得实战技能和经验。

作品目录

  1. Preface 前言
  2. Chapter 1 第1章Python数据分析准备
  3. 1.1 Python数据分析基础
  4. 1.2 如何高效学习Pandas
  5. 1.3 Python所需的环境搭建
  6. 1.4 本章小结
  7. Chapter 2 第2章Pandas快速入门
  8. 2.1 Pandas的两大数据结构
  9. 2.2 数据读取和存储
  10. 2.3 快速认识数据
  11. 2.4 数据处理初体验
  12. 2.5 常用数据类型及操作
  13. 2.6 本章小结
  14. Chapter 3 第3章玩转索引
  15. 3.1 索引概述
  16. 3.2 基于位置(数字)的索引
  17. 3.3 基于名称(标签)的索引
  18. 3.4 本章小结
  19. Chapter 4 第4章数据清洗四大核心操作
  20. 4.1 增:拓展数据维度
  21. 4.2 删:剔除噪声数据
  22. 4.3 选:基于条件选择数据
  23. 4.4 改:改变数据形态
  24. 4.5 本章小结
  25. Chapter 5 第5章Pandas两大进阶利器
  26. 5.1 数据透视表
  27. 5.2 强大又灵活的apply
  28. 5.3 本章小结
  29. Chapter 6 第6章数据可视化
  30. 6.1 Matplotlib基础知识
  31. 6.2 Matplotlib基础操作
  32. 6.3 绘制常用图形
  33. 6.4 本章小结
  34. Chapter 7 第7章走近电商:商业方法论与分析体系
  35. 7.1 什么是电商
  36. 7.2 三大关键角色
  37. 7.3 电商基础指标
  38. 7.4 电商分析方法论及应用
  39. 7.5 数据分析师重生之我是老板
  40. 7.6 本章小结
  41. Chapter 8 第8章Python报表自动化
  42. 8.1 行业数据报表自动化
  43. 8.2 报表批量处理与品牌投放分析
  44. 8.3 本章小结
  45. Chapter 9 第9章行业机会分析与权重确定
  46. 9.1 案例背景介绍
  47. 9.2 传统的解题方法
  48. 9.3 权重确定方法
  49. 9.4 Pandas权重计算和分析
  50. 9.5 本章小结
  51. Chapter 10 第10章用户分层实战
  52. 10.1 用户分层的基本概念
  53. 10.2 二八法则
  54. 10.3 拐点法
  55. 10.4 本章小结
  56. Chapter 11 第11章用户分群实战与加强版RFM模型
  57. 11.1 走近用户分群
  58. 11.2 RFM用户分群实战
  59. 11.3 关于RFM模型的重要思考
  60. 11.4 RFM模型的加强和拓展
  61. 11.5 本章小结
  62. Chapter 12 第12章用户偏好分析
  63. 12.1 用户偏好分析和TGI
  64. 12.2 用Pandas实现TGI分析
  65. 12.3 本章小结
  66. Chapter 13 第13章万能的同期群分析
  67. 13.1 数据分析师必知必会的同期群分析
  68. 13.2 Pandas同期群分析实战
  69. 13.3 本章小结
  70. Chapter 14 第14章指标波动归因分析
  71. 14.1 指标波动贡献率
  72. 14.2 Adtributor算法
  73. 14.3 本章小结
  74. Chapter 15 第15章一份全面的品牌分析报告
  75. 15.1 探索性数据分析简介
  76. 15.2 数据预处理
  77. 15.3 数据总览分析
  78. 15.4 用户数据分析
  79. 15.5 商品数据分析
  80. 15.6 购物篮关联分析
  81. 15.7 本章小结