出现在书名中的结果
共 7 条
Python数据分析实战
Python语言诞生已经超过25年，距离Python3发布也已经快10年了。经过大浪淘沙，Python却依旧势头强劲，长期稳居编程语言市场占有率前十，甚至前五。各个领域都能看到Python的身影，从Web开发到数据挖掘，从网络爬虫到图像分析等。这从一个侧面也印证了一门编程语言要想“成功”，除了优良的语言本身特性之外，强大的生态圈也必不可少。
Python数据分析实战——从Excel轻松入门Pandas
16人今日阅读 推荐值 77.5%
本书从零开始系统讲解了使用Pandas导入Excel数据，然后使用Pandas技术对数据做整理和分析，最后导出为不同形式的Excel文件。完整实现了数据的导入、处理、输出的处理流程。全书共10章。第1章为Pandas数据处理环境的搭建，第2章为使用Pandas对Excel数据读取与保存，第3章介绍与Pandas底层数据相关的NumPy库，第4章介绍了Pandas中DataFrame表格的增、删、改、查等常用操作，第5章介绍了对Series与DataFrame两种数据的运算、分支、遍历等处理，第6章介绍了字符串的各种清洗技术，第7章介绍时间戳与时间差数据的处理，第8章介绍Pandas中分层索引及与索引相关的操作，第9章介绍了对数据的分组处理及做数据透视表处理，第10章介绍了表格的数据结构转换，以及多表读取与保存。书中包含相应示例，不仅可以学会理论知识还可以灵活应用。
16
Python数据分析与挖掘实战（第2版）
4人今日阅读 推荐值 83.5%
内容简介 本书是Python数据分析与挖掘领域的公认的事实标准，第1版销售超过10万册，销售势头依然强劲，被国内100余所高等院校采用为教材，同时也被广大数据科学工作者奉为经典。 作者在大数据挖掘与分析等领域有10余年的工程实践、教学和创办企业的经验，不仅掌握行业的*新技术和实践方法，而且洞悉学生和老师的需求与痛点，这为本书的内容和形式提供了强有力的保障，这是本书第1版能大获成功的关键因素。 全书共13章，分为三个部分，从技术理论、工程实践和进阶提升三个维度对数据分析与挖掘进行了详细的讲解。 第壹部分 基础篇（第1～5章） 主要讲解了Python数据分析与挖掘的工具和技术理论，包括数据挖掘的基础知识、Python数据挖掘与建模工具、数据挖掘的建模过程，以及挖掘建模的常用算法和原理等内容。 第二部分 实战篇（第6～12章） 通过工程实践案例讲解了数据挖掘技术在金融、航空、零售、能源、制造、电商等行业的应用。在案例组织结构上，本书按照“介绍案例背景与挖掘目标→阐述分析方法与过程→完成模型构建”的顺序进行，在建模过程关键环节，穿插程序实现代码。*后，通过上机实践加深对案例应用中的数据挖掘技术的理解。 第三部分 提高篇（第13章） 重点讲解了基于Python引擎的开源数据挖掘建模平台（TipDM）的功能和使用方法，以航空公司客户价值分析为案例，介绍了如何使用该平台快速搭建数据分析与挖掘工程。 本书不仅提供TipDM这样的上机实践环境，而且还提供配套的案例建模数据、Python源代码、教学PPT。
4
跟着迪哥学Python数据分析与机器学习实战
3人今日阅读 推荐值 78.0%
本书结合了机器学习、数据分析和Python语言，通过案例以通俗易懂的方式讲解了如何将算法应用到实际任务。全书共20章，大致分为4个部分。第一部分介绍了Python的工具包，包括科学计算库Numpy、数据分析库Pandas、可视化库Matplotlib；第2部分讲解了机器学习中的经典算法，例如回归算法、决策树、集成算法、支持向量机、聚类算法等；第3部分介绍了深度学习中的常用算法，包括神经网络、卷积神经网络、递归神经网络；第4部分是项目实战，基于真实数据集，将算法模型应用到实际业务中。本书适合对人工智能、机器学习、数据分析等方向感兴趣的初学者和爱好者。
3
Pandas入门与实战应用 ：基于Python的数据分析与处理
3人今日阅读
本书首先讲解Pandas快速入门的基础知识，如Pandas的定义、可处理的数据类型、优势、开发环境配置、常用的数据结构等；然后通过实例剖析讲解Pandas数据的导入、导出、查看、清洗、合并、对比、预处理；接着讲解Pandas数据的提取、筛选、汇总、统计及可视化；然后讲解Pandas数据的线性模型和广义线性模型，最后讲解Pandas数据实战分析。 在讲解过程中即考虑读者的学习习惯，又通过具体实例剖析讲解Pandas实战应用中的热点问题、关键问题及种种难题。
3
Python数据分析入门与实战
2人今日阅读
本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。 全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的入门级读者，还可助力数据分析从业者进行技术进阶。
2
Python Web数据分析可视化——基于Django框架的开发实战
1人今日阅读
本书从初学者的角度出发，提供了Python从入门到数据分析可视化再到Web开发所需要的知识和技能,适用对象为基础入门者和技能爬升者。本书按照技能的熟练程度分为篇。第一篇初窥门径（第1~3章）主要包含的Python基础语法知识。第二篇略有小成（第4~6章），读者从这里开始开始学习Python数据处理，并体验如何调用Python第三方库实现Web数据交互可视化分析。第三篇登堂入室（第6和7章），读者自此开始接触Django，并学习如何使用Django开发一个静态网站。第四篇融会贯通（第8章），借由此章读者可以将前面学习的内容融会贯通，并能根据自己的理解实现一些简单的功能，并据此完成投票网站的开发。第五篇炉火纯青（第9章），本章是对前面几章内容的升华，需要读者充分掌握前两个案例才能理解本章的内容。学会了本章，读者将完成一个精美的、功能完善的数据分析可视化网站，并可以应用于日常生活和工作。第六篇返璞归真（第10章），本章将讲解如何将开发好的应用程序部署在服务器上实现实际应用，读者将初步接触服务器部署的一些基础知识，并感受到学无止境。
1
Python电商数据分析实战
1人今日阅读
内容简介 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。
1
Python数据分析与挖掘实战 第3版
1人今日阅读
内容简介 本书是Python数据分析与挖掘领域的公认的事实标准，前两版销售超过15万册，被国内100余所院校采用为教材，同时也被广大数据科学工作者奉为经典。 本书以真实项目案例为驱动，以真实的行业应用为依托，帮助读者快速掌握数据分析与挖掘的相关技术、流程与方法。本书精选了7个经典实战案例，涵盖了房地产、零售、互联网等多个领域，将Python编程知识、数据分析与挖掘知识和行业知识融合，让读者在实践中快速地掌握针对不同行业的数据挖掘方法。 本书不仅适合零基础的读者自学，还适合作为相关专业的教材。为了帮助读者更加高效地掌握本书的内容，本书提供了以下附加价值： （1）上机环境：提供相关工具的环境配置文件，省去配置环境的烦琐操作，方便省心。 （2）数据文件：提供各个案例配套的数据文件，开箱即用，增强实操性。 （3）程序代码：提供书中代码的电子文件，代码导入环境即可运行，学习效果立竿见影。 （4）教学课件：提供配套的PPT课件，使用本书作为教材的老师可以申请，节省备课时间。 通过学习本书，读者可以理解数据分析与挖掘的原理，迅速掌握大数据技术的相关操作，为后续数据分析、数据挖掘、深度学习的实践打下良好的技术基础。
1
Python数据分析案例实战(慕课版）
主要内容包括：数据分析基础、NumPy模块实现数值计算、Pandas模块实现统计分析、Matplotlib模块实现数据可视化、【案例】客户价值分析、【案例】销售收入预测、【案例】二手房数据分析预测系统、【案例】智能停车场运营分析系统、【案例】影视作品分析和【案例】看店宝。
Python广告数据挖掘与分析实战
本书共十二章，第1-4章重在介绍移动广告营销数据分析理论与案例分析，包括广告数据分析的基本概念、内容和意义，广告数据分析相关理论知识及常用分析方法，移动广告营销常见的数据分析案例剖析以及如何做一份让领导满意的数据分析报告；本书第5-6章主要介绍Python软件安装及常用包的主要用法。本书第7-10章主要介绍利用Python实现移动广告营销中常见的机器学习算法，重点掌握常用的模型评价方法，模型原理、实现方法和技巧，其中包括混淆矩阵、AUC、ROC等常用模型评价方法以及线性回归、逻辑回归、决策树、KNN、SVM、神经网络、随机森林、GBDT、XGBoost、Stacking等常用监督学习算法。第11章主要介绍k-means聚类、Lookalike相似用户挖掘等常用无监督学习算法及实现方法。第12章主要介绍移动广告营销常用的特征选择及特征工程方法。读者如果只想了解数据分析相关概念和方法，可以选择性阅读本书前四章内容，后八章偏向数据挖掘算法和编程实践等内容，有兴趣可以深入阅读全书。
数据分析与挖掘算法：Python实战
本书是一本介绍数据分析相关算法的学习指南，主要包括数据分析及数据挖掘相关概念介绍、数据思维及各种数据分析算法的原理及实现方法。本书的每个数据分析算法都介绍了数学原理、Python代码实现以及实战案例，内容丰富、容易理解。 本书共9章，第1章介绍了数据挖掘与数据分析、机器学习之间的关系；第2 章介绍了数据分析人员应该具备的数据思维，包括数据思维认知、数据挖掘“定律”；第3~9章介绍了各种数据分析算法的原理、实现方法及实战案例，其中包括逻辑回归、决策树、朴素贝叶斯、聚类分析、关联规划、人工神经网络、集成学习。 本书适合从事数据分析工作的读者自学，也可作为产品经理、运营人员、市场人员和对数据分析感兴趣的读者的参考用书。
Python数据分析入门与实战
本书从数据分析的基本概念和Python的基础语法讲起，然后逐步深入到Python数据分析的编程技术方面，并结合实战重点讲解了如何使用主流Python数据分析库进行数据分析，让读者快速掌握Python的编程基础知识，并对Python数据分析有更加深入的理解。 本书分为13章，涵盖的主要内容有数据分析概述、Python的特点和编程基础、NumPy数组的基础和进阶用法、Pandas数据处理和数据分析、数据的导入导出、数据可视化，以及Python网络爬虫和Scikit-learn机器学习的入门知识。 本书内容丰富，语言简洁、通俗易懂，实用性强，还包含实战案例，特别适合Python的初学者和自学者，以及缺乏编程经验的数据分析从业人员阅读，也适合对数据分析编程感兴趣的爱好者阅读。
Python3爬虫实战——数据清洗、数据分析与可视化
作为一个自学爬虫的过来人，曾经走过很多弯路，在自学的道路上也迷茫过。每次面对一个全新的网站，都像是踏进一个未知的世界。你不知道前面有哪些反爬手段在等着你；你不知道你会踩进哪个坑里。我做爬虫的几年时间里，爬过很多的网站、遇到过很多的难题。这本书就是我这几年经验的总结，从开始的工具的学习使用，到实战项目的爬取，难度一步一步的升级，需求也越来越复杂，有各式各样的爬取方式。 本书主要内容与数据爬取相关，包括编写爬虫所需要的基础编程知识，如Requests包、Scrapy框架和数据库的使用，到项目实战教程，适合Python基础入门的读者。如果你是其他行业的从业者，想进入IT行业成为一位爬虫工程师，又或者你已经是IT行业的从业者，本书在能够让你在对爬虫工程师的工作内容有所了解的同时，也能让你掌握作为一个爬虫工程师所需要具备的基础技能。
Python数据分析与挖掘实战
第一部分是基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对Python以及本书所用到的数据挖掘建模库进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。第二部分是实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程关键环节，穿插程序实现代码。最后通过上机实践，加深数据挖掘技术在案例应用中的理解。
Python预测之美：数据分析与算法实战（双色）
Python是一种面向对象的脚本语言，其代码简洁优美，类库丰富，开发效率也很高，得到越来越多开发者的喜爱，广泛应用于Web开发、网络编程、爬虫开发、自动化运维、云计算、人工智能、科学计算等领域。预测技术在当今智能分析及其应用领域中发挥着重要作用，也是大数据时代的核心价值所在。随着AI技术的进一步深化，预测技术将更好地支撑复杂场景下的预测需求，其商业价值不言而喻。基于Python来做预测，不仅能够在业务上快速落地，还让代码维护更加方便。对预测原理的深度剖析和算法的细致解读，是本书的一大亮点。本书共分为3篇。第1篇介绍预测基础，主要包括预测概念理解、预测方法论、分析方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握预测的基本步骤和方法思路。第2篇介绍预测算法，该部分包含多元回归分析、复杂回归分析、时间序列及进阶算法，内容比较有难度，需要细心品味。第3篇介绍预测案例，包括短期日负荷曲线预测和股票价格预测两个实例，读者可以了解到实施预测时需要关注的技术细节。希望读者在看完本书后，能够将本书的精要融会贯通，进一步在工作和学习实践中提炼价值。
Python爬虫、数据分析与可视化：工具详解与案例实战
本书根据大多数软件公司对Python数据分析和可视化的需求，面向Python初学者讲述爬虫、数据分析、数据可视化和机器学习等方面的技术和实践案例。全书共13章：第1~4章为基础篇，主要讲述Python基础知识、Python数据结构、面向对象编程思想、Python异常处理和读写文件的技巧；第5~7章为数据分析的工具篇，主要讲述NumPy库、Pandas库和Matplotlib库的基本功能和应用；第8、9章为数据分析高级技能篇，主要通过爬取技术博客案例讲述基于Scrapy爬虫框架的实用技巧，以及数据分析的常用方法；第10～13章为综合案例篇，主要讲述图书分析案例、二手房数据分析案例、股票数据分析案例和基于sklearn库的机器学习相关实践，涉及线性回归分析、岭回归分析、SVM分类、KNN分类和逻辑回归等机器学习算法。本书语言通俗易懂，案例丰富，适合想要入职数据分析岗位的新手、大学生以及欲转行进入大数据分析领域的从业人员使用，也可以作为大专院校或培训机构的教学用书。
Python金融数据挖掘与分析实战
这是一本金融数据挖掘与分析领域的实战性著作，它能指导零Python编程基础和零数据挖掘与分析基础的读者快速掌握金融数据挖掘与分析的工具、技术和方法。读完本书，你将会有如下3个方面的收获。（1）Python编程基础和数据预处理：首先详细讲解了Python的核心语法，以及NumPy、Matplotlib、PySpark、JupyterNotebook等Python数据处理工具的使用；然后详细介绍了数据预处理的流程和技巧。通过深入浅出的语言和丰富的样例展示，帮助初学者快速上手Python，为之后的数据分析实战夯实基础。（2）数据挖掘与分析的经典方法：详细讲解了经典的数据挖掘方法，包括聚类分析、回归分析、分类分析、异常检测、关联分析、时间序列分析等。（3）主要金融应用场景的数据挖掘方法：针对网络舆情的采集和热点分析、舆情分析中的情感分析、股价趋势预测、个人信用评分、企业信用评分、用户画像、目标客户精准分析、销售数据分析等金融行业的常见应用场景，给出了数据挖掘和分析的方法。本书注重实战，配有大量精心设计的案例，同时还有配套的讲解视频、代码和数据资源，可操作性强。
Python+Superset：商业智能数据分析与实战
本书通过实际案例深入介绍了基于Python的开源商业智能工具Apache Superset。本书立足于为企业建立一套开源免费的BI（商业智能）数据分析平台，实现自助数据处理、数据分析、数据可视化，概述了该系统的基本情况、总体需求、解决方案和业务理解等。 本书从企业BI系统建设的实际需求出发，详细阐述了商业智能系统开发的概念、流程及相关技术，同时结合实际案例介绍了基于Apache Superset的最新且常用的商业智能技术，包括Redis、Hive、Presto、Vertica、ClickHouse、TiDB、Dremio等。
Python大数据分析与应用实战
本书是介绍如何用Python 进行数据处理和分析的学习实战指南。主要内容包括Python语言基础、数据处理、数据分析、数据可视化图形的制作，以及利用Python对数据库的的贝叶斯操作、利用深度学习技术对模型进行优化等内容。 本书主要分为3部分：第1部分包括第1章主要讲解Python的基础知识，第2部分包括第2～6章为实战案例，第3部分包括第7～8章主要讲解利用深度学习和协同过滤技术对大数据分析进行为拓展与延伸。 本书内容丰富，讲解通俗易懂，适合本科生、研究生，以及对Python语言感兴趣或者想要使用Python语言进行数据分析的广大读者。
基于股票大数据分析的Python入门实战（视频教学版）
本书针对Python零基础的用户，主要讲解大量的股票指标技术分析的范例，由浅入深地介绍了使用Python语言编程开发的应用“图谱”。 全书分为三篇：基础篇（第1~4章）：讲述Python开发环境的搭建、基本语法、数据结构、代码的调试以及面向对象的编程思想；股票指标技术分析篇（第5~10章）：分别讲述使用网络爬虫技术获取股票数据，使用Matplotlib可视化组件，基于NumPy和Pandas库进行大数据分析，以股票的不同指标分析为范例的开发方法—MACD + Python数据库编程，KDJ + Python图形用户界面编程，RSI + Python邮件编程；基于股票指标的交易策略之高级应用篇（第11~13章）：以股票的BIAS指标分析为范例讲述Django框架，以股票的OBV指标分析为范例讲述在Django中导入日志和数据库组件，结合股票指标分析讲述基于线性回归和SVM（支持向量机）的机器学习的入门知识。 本书以结合股票交易大数据分析范例为主线来教学Python编程开发的入门教材。适合计算机、数学或金融等相关专业的师生作为课程设计和毕业设计辅导的教学参考用书，针对基于机器学习预测股票价格的范例程序也可单独作为参考用例。
Python电商数据分析实战（微课版）
全书共分为3篇。第一篇是理论基础篇，讲解从事电子商务数据分析前需要了解的理论知识，每个理论知识点都结合案例做详细的解析。第二篇是专业方法篇，介绍数据采集和数据清洗的专业方法。第三篇是应用场景篇，介绍运营与数据平台的应用、运营诊断与复盘的方法、宏观市场分析、市场细分及竞争分析、流量运营分析、产品运营分析、消费者运营分析及商务报告的撰写等。 本书既可以作为高等院校电子商务专业、商务数据分析与应用专业、大数据分析与应用专业等本专、科学生的专业课教材，也可以作为实务工作者学习电子商务数据分析的基础知识以及报考商务数据分析相关资格证的参考用书。
Python数据分析与挖掘实战
本书以Python数据分析与挖掘的常用技术与真实案例相结合的方式，深入浅出地介绍Python数据分析与挖掘的重要内容。本书共11章，分为基础篇（第1～5章）和实战篇（第6～11章），基础篇包括数据挖掘基础、Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识；实战篇包括6个案例，分别为信用卡高风险客户识别、餐饮企业菜品关联分析、金融服务机构资金流量预测、O2O优惠券使用预测、电视产品个性化推荐，以及基于TipDM大数据挖掘建模平台实现金融服务机构资金流量预测。本书大部分章节包含实训和课后习题，通过练习和操作实践，可帮助读者巩固所学的内容。 本书可作为“1+X”证书制度试点工作中的大数据应用开发（Python）职业技能等级（高级）证书的教学和培训用书，也可作为高校数据科学或人工智能相关专业的教材，还可作为数据挖掘爱好者的自学用书。
Python数据分析和业务应用实战：广告投放、产品运营、商业分析
本书内容以技术知识与业务实战相结合，同时全书穿插多个实战项目，从而帮助读者更好地理解数据分析技术在业务上的应用。前半部分为技术章节，主要围绕Python语言的编程方法展开，其中包括数据录入、数据可视化、数值计算、办公自动化等内容；后半部分为业务章节，主要围绕不同业务场景的分析方法展开，其中包括广告投放、电商运营、用户画像、商品画像、商业分析等内容。本书主要面向电商数据分析师和电商运营人员，也适合对技术感兴趣的产品经理。
Python科学与工程数据分析实战
本书以Python 3.10.7为平台，以实际应用为背景，通过概述+算法+经典应用的形式，深入浅出地介绍Python数据分析的相关知识。全书共9章，主要内容包括Python概述、科学计算库、开源科学集、数据分析利器、数据分析的可视化、基于回归的数据分析、基于分类的数据分析、基于聚类的数据分析、数据特征分析等。通过学习本书，读者可领略到Python的简单、易学、易读、易维护等特点，同时也可感受到利用Python实现数据分析应用领域广泛，功能强大。 本书可作为高等学校相关专业本科生和研究生的教学用书，也可作为相关专业科研人员、学者、工程技术人员的参考用书。
精通Scrapy网络爬虫
5人今日阅读 推荐值 79.3%
本书深入系统地介绍了Python流行框架Scrapy的相关技术及使用技巧。全书共14章，从逻辑上可分为基础篇和高级篇两部分，基础篇重点介绍Scrapy的核心元素，如spider、selector、item、link等；高级篇讲解爬虫的高级话题，如登录认证、文件下载、执行JavaScript、动态网页爬取、使用HTTP代理、分布式爬虫的编写等，并配合项目案例讲解，包括供练习使用的网站，以及京东、知乎、豆瓣、360爬虫案例等。 本书案例丰富，注重实践，代码注释详尽，适合有一定Python语言基础，想学习编写复杂网络爬虫的读者使用。
5
积极思考的力量
200人今日阅读 推荐值 84.3%
《积极思考的力量》围绕消极思考对人的拖累展开，揭示了灾难化想象、自我批判、抱怨归咎于外等消极思考模式的危害，还从神经科学角度阐释了积极思考重塑大脑的科学依据。 书中介绍了思考置换术、打造心理韧性、绘制人生蓝图等具体方法，教读者用积极思考改善人际关系，守护自身能量场，最终实现积极思考的本能化。它不仅提供了可操作的技巧，还引导读者定义自身幸福、传递积极能量，完成从消极内耗到积极生活的蜕变，让读者学会以积极心态应对人生挑战。
200
Python数据分析与可视化实践
Python 数据分析与可视化实践基于 Python 语言，结合实际的数据集，介绍如何对数据进行可视化分析。Python 数据分析与可视化实践主要包含 3 个 部分。第一部分为 Python 数据可视化基础篇：主要介绍 Python 基础内容、Numpy 和 Pandas 数据操作， 以及 Matplotlib 数据可视化内容；第二部分为 Python 数据可视化提高篇：主要介绍 Python 的 Seaborn、 plotnine、Networkx、igraph、plotly、Bokeh、pyecharts 库中的数据可视化功能；第三部分为 Python 数据 可视化分析实战篇：通过 4 个完整的数据可视化分析案例，详细地介绍了 Python 中数据分析、机器学习 与可视化相结合的应用等内容。
Python商务数据分析（微课版）
本书分为Python基础知识、数据分析基础知识和综合案例三个部分共10章。Python基础知识部分系统讲解Python语法、开发工具、编程方式、函数、模块等基础知识。数据分析基础知识部分重点介绍NumPy、Pandas、Matplotlib和Seaborn中的数据处理与可视化方法。综合案例部分通过案例驱动的方式，指导读者运用所学知识完成数据处理与模型建立。书中每章末均配有习题和实训供读者练习，以巩固所学知识。 本书配有PPT课件、教学大纲、电子教案、课后习题答案、模拟试卷及答案等教学资源，用书老师可在人邮教育社区免费下载使用。 本书内容通俗易懂，案例丰富，注重知识的实际应用。本书适合作为高等院校计算机、统计、数学等专业相关课程的教材，也可供数据分析领域的技术人员、数据科学家和相关研究人员参考。
一本书掌握HR必需AI技术：从招聘、培训、激励到战略决策的全流程优化
1人今日阅读
自ChatGPT问世，AI领域的爆发式发展带来了人们工作模式的巨大变革。在AI工具的空前热度之下，本书作者聚焦于一个相对“冷门”的工种——HR，深入解析HR如何在AI的赋能下完成智能化转型。 本书旨在帮助HR全面掌握最新AI技术在人力资源管理中的应用。作为拥有23年职业经验的资深HR，作者结合自身的数字化转型经历，在书中系统阐述了HR该如何利用AI工具优化招聘、培训、绩效考核等核心工作流程，深入探讨了AI在战略决策与组织发展中的潜力。 比起传统的AI工具书，本书更加聚焦本土化场景下的AI应用，提供可落地的实战方案，如智能生成JD、设计面试问题、快速制作培训课件等。书中详细解析了 ChatGPT、DeepSeek、豆包等国内外AI工具在HR工作中的实际应用，指导HR通过需求定义、调试优化和持续迭代，构建个性化的AI工作流。同时，本书强调AI与人性化管理的结合，让HR从烦琐事务中解放，专注于员工关怀与企业文化建设。 本书既方便新手HR系统理解人力资源管理的核心逻辑，快速上手AI工具，又可以帮助资深HR熟练掌握AI工具操作技巧，提升工作效率，是HR拥抱智能化时代的实用指南。
1
Python数据分析从0到1
1人今日阅读
本书以Python作为数据分析的工具，系统地介绍数据分析所需的核心知识点，为书中的数据分析任务提供分析说明、代码示例和极为详细的代码注释，对于代码中出现的重要知识点会细心地为读者标注出相关内容在书中出现的章节位置。
1