书城首页 › 当代 › 工业 › PYTHON与AIGC数据可视化分析
当代·工业

PYTHON与AIGC数据可视化分析

正版保障多仓发货48小时内发货2-3天送达可开发票
¥39.94 定价 ¥56.00 7.1折 立省 ¥16.06
仅剩 4 件 全新
商品参数
书名
PYTHON与AIGC数据可视化分析
作者
陈承欢,徐嘉憶,李天霞 编著
出版社
电子工业出版社
出版时间
2026-03-01
ISBN
9787121520051
货号
1204443417
品相
全新
分类
当代·工业
购物车(0)
商品参数
书名
PYTHON与AIGC数据可视化分析
作者
陈承欢,徐嘉憶,李天霞 编著
出版社
电子工业出版社
出版时间
2026-03-01
ISBN
9787121520051
货号
1204443417
品相
全新
分类
当代·工业
作者简介▼

陈承欢,男,1967年出生,本科毕业于湖南大学,硕士研究生毕业于武汉大学国际软件学院,现任职于湖南铁道职业技术学院,先后担任企业技术员8年,担任计算机专任教师9年,担任教学副主任4年、系主任4年、教务处长5年。国家三级教授。

目录▼

模块 1 初识数据分析与数据可视化

知识探究与实例训练

1.1 初识数据分析

1.1.1 数据分析的定义

1.1.2 常用数据分析方法

1.1.3 常用数据分析工具与类库

1.2 认知数据可视化

1.2.1 数据可视化的定义

1.2.2 数据可视化的作用

1.2.3 数据可视化的特性

1.2.4 数据可视化的基本流程

任务实战

任务 1-1 在 Jupyter Notebook 开发环境中打开并运行 Python 程序t1-01.ipynb

任务 1-2 借助办公小浣熊分析销售数据与生成图表

自主训练

自主训练 1-1 使用“豆包”的“数据分析”功能将 Excel 工作表中的数据绘制成柱形图

模块 2 NumPy 基本操作与计算分析

知识探究与实例训练

2.1 NumPy 概述

2.2 创建 NumPy 数组对象

2.3 NumPy 数组对象基本操作

2.3.1 NumPy 数组索引和切片

2.3.2 NumPy 数组遍历

2.3.3 NumPy 数组转置操作

2.3.4 NumPy 数组连接与分割操作

2.3.5 NumPy 数组元素增删改查操作

2.4 NumPy 数组算术运算

2.5 NumPy 统计计算与分析

2.5.1 NumPy 统计计算

2.5.2 NumPy 数组排序

2.5.3 NumPy 数组搜索

2.5.4 删除 NumPy 数组中的重复值

2.6 使用 NumPy 读写文件

2.6.1 使用 loadtxt和 savetxt函数读写 TXT 或 CSV 文件

2.6.2 使用 NumPy 的 genfromtxt函数从文本文件中读取数据

任务实战

任务 2-1 统计分析粮食播种面积和粮食产量数据

自主训练

自主训练 2-1 使用 nditer 迭代器结合 for 循环遍历 NumPy 的数组元素

自主训练 2-2 以指定的遍历顺序使用 nditer 迭代器结合 for 循环遍历NumPy 的数组元素

自主训练 2-3 以指定模式使用 nditer 迭代器结合 for 循环遍历 NumPy 的数组元素

自主训练 2-4 使用 concatenate函数连接 NumPy 数组

自主训练 2-5 使用 split函数分割 NumPy 数组

模块 3 Pandas 基本操作与数据处理

知识探究与实例训练

3.1 初识 Pandas

3.2 熟悉 Pandas 的 Series 结构

3.2.1 创建 Series 对象

3.2.2 访问 Series 数据

3.2.3 使用 Series 的常用属性

3.2.4 使用 Series 的常用方法与函数

3.3 熟悉 Pandas 的 DataFrame 结构

3.3.1 创建 DataFrame 对象

3.3.2 使用列索引操作 DataFrame

3.3.3 使用行索引操作 DataFrame

3.3.4 使用 DataFrame 的常用属性和方法

3.4 Pandas 创建与操作索引

3.4.1 创建 Pandas 的索引对象

3.4.2 获取 Pandas 的索引对象

3.4.3 Pandas 索引设置

3.5 Pandas 基本操作

3.5.1 Pandas 数据显示格式设置

3.5.2 Pandas 遍历操作

3.5.3 Pandas 排序操作

3.5.4 Pandas 的元素值排名操作

3.5.5 创建与使用 Pandas 分类对象

3.6 Pandas 数据筛选

3.6.1 Series 对象元素筛选

3.6.2 DataFrame 对象元素筛选

3.7 Pandas 读写文件中的数据

3.7.1 Pandas 读取 Excel 文件中的数据

3.7.2 使用 to_excel函数将 Dataframe 数据写入 Excel 文件

3.7.3 Pandas 读取 CSV 文件中的数据

3.7.4 将 DataFrame 数据写入 CSV 文件

3.8 Pandas 数据清洗

3.8.1 Pandas 缺失值处理

3.8.2 Pandas 清洗无效数据

3.8.3 Pandas 重复值检测与处理

3.8.4 Pandas 异常值检测与处理

3.8.5 Pandas 删除数据集中指定行或列的数据

3.9 Pandas 数据合并

3.9.1 使用 merge函数通过主键合并数据

3.9.2 使用 join函数通过索引或指定列合并数据

3.9.3 使用 concat函数沿轴连接数据

3.9.4 使用 append函数纵向连接 DataFrame 对象

3.9.5 使用 combine_first函数合并重叠数据

3.10 Pandas 数据抽取

3.10.1 字段抽取

3.10.2 字段拆分

3.10.3 数据记录抽取

3.10.4 日期转换与日期组件抽取

3.11 Pandas 数据重塑

3.11.1 重塑层次化索引

3.11.2 使用 pivot函数实现轴向旋转

3.11.3 使用 melt函数将 DataFrame 从宽格式转换为长格式

3.11.4 使用 pivot_table函数聚合与透视数据

3.11.5 使用 crosstab函数交叉分析频数

3.12 Pandas 数据变换

3.12.1 重命名索引的标签名称

3.12.2 离散化连续数据

3.13 使用 Pandas 的 plot 方法绘制图形

3.13.1 使用 Series 对象的 plot方法绘制图形

3.13.2 使用 DataFrame 对象的 plot方法绘制图形

任务实战

任务 3-1 药品销售数据导入、审阅与预处理

任务 3-2 网上商城用户消费数据导入、审阅与预处理

……

文摘▼

当前,在数字化大趋势背景下,数据可视化分析已经应用到了各行各业,数据已经成为企业的核心生产要素,而数据可视化分析技术已经成为企业的核心竞争力。

本书以提高数据可视化分析能力为目标,分为8个模块,形成了层次分明、结构清晰、重点突出、方便学习的模块化结构,构建了层次化、渐进式的数据可视化分析层次结构,创新了知识学习、技能训练、任务实战一体化训练模式,有效地形成了学习梯度、化解了学习难度、提升了学习热度。本书充分挖掘数据可视化分析中的思政元素,在书中有效地融入思政元素,将知识传授、技能训练、能力培养和价值塑造有机结合。本书将纸质固定方式与电子活页方式完美结合,扬长避短,构建了新形态教材的活页式结构,充分拓展了知识宽度、增加了教材厚度、提高了教学效度。

本书可以作为普通高等院校、职业本科、高等或中等职业院校的数据可视化分析教材,也可以作为数据可视化分析培训教材及自学参考书。

¥39.94
🛒购物车