第 1章 商務(wù)數(shù)據(jù)分析概述　1
1.1　商務(wù)數(shù)據(jù)分析的基本概念　1
1.2　數(shù)據(jù)分析流程　2
1.2.1　需求分析　3
1.2.2　數(shù)據(jù)獲取　3
1.2.3　探索性分析　3
1.2.4　數(shù)據(jù)預(yù)處理　3
1.2.5　構(gòu)建模型　3
1.2.6　模型評(píng)價(jià)　4
1.2.7　應(yīng)用　4
1.3　商務(wù)數(shù)據(jù)分析應(yīng)用場(chǎng)景　4
1.4　數(shù)據(jù)分析工具　6
1.4.1　常用的數(shù)據(jù)分析工具　6
1.4.2　Python數(shù)據(jù)分析的優(yōu)勢(shì)　7
1.4.3　Python數(shù)據(jù)分析常用庫(kù)　7
小結(jié)　9
課后習(xí)題　9
第　2章 Python數(shù)據(jù)分析簡(jiǎn)介　10
2.1　Python數(shù)據(jù)分析環(huán)境　10
2.1.1　Python的Anaconda發(fā)行版　10
2.1.2　Anaconda安裝　11
2.2　Python使用入門　15
2.2.1　運(yùn)行方式　16
2.2.2　基本命令　17
2.2.3　庫(kù)的導(dǎo)入與添加　19
小結(jié)　20
課后習(xí)題　21
第3章　數(shù)據(jù)獲取　22
3.1　常見的數(shù)據(jù)來(lái)源　22
3.2　數(shù)據(jù)類型　23
3.3　數(shù)據(jù)讀取方式　24
3.3.1　數(shù)據(jù)庫(kù)連接　24
3.3.2　文件讀取　25
3.4　常用的Python數(shù)據(jù)格式轉(zhuǎn)換與讀/寫函數(shù)　27
3.4.1　常用的Python數(shù)據(jù)格式轉(zhuǎn)換函數(shù)　27
3.4.2　常用的Python數(shù)據(jù)讀/寫函數(shù)　28
小結(jié)　31
課后習(xí)題　31
第4章　探索性分析　33
4.1　描述性統(tǒng)計(jì)分析　33
4.1.1　集中趨勢(shì)統(tǒng)計(jì)指標(biāo)　33
4.1.2　離散程度統(tǒng)計(jì)指標(biāo)　34
4.2　可視化分析　36
4.2.1　散點(diǎn)圖　36
4.2.2　折線圖　37
4.2.3　柱形圖　40
4.2.4　餅圖　41
4.2.5　箱線圖　42
4.2.6　熱力圖　44
4.3　常用的Python探索性分析函數(shù)　48
4.3.1　常用的Python基本統(tǒng)計(jì)分析函數(shù)　48
4.3.2　常用的Python作圖函數(shù)　48
小結(jié)　52
課后習(xí)題　53
第5章　數(shù)據(jù)預(yù)處理　54
5.1　數(shù)據(jù)清洗　54
5.1.1　缺失值處理　55
5.1.2　異常值處理　58
5.2　數(shù)據(jù)合并　61
5.2.1　多表合并　62
5.2.2　分組聚合　69
5.3　數(shù)據(jù)變換　76
5.3.1　函數(shù)變換　77
5.3.2　數(shù)據(jù)標(biāo)準(zhǔn)化　77
5.3.3　連續(xù)屬性離散化　79
5.3.4　屬性構(gòu)造　82
5.4　Python的主要數(shù)據(jù)預(yù)處理函數(shù)　83
小結(jié)　85
課后習(xí)題　85
第6章　構(gòu)建模型　87
6.1　分類與回歸　87
6.1.1　實(shí)現(xiàn)過(guò)程　88
6.1.2　常用的分類與回歸算法　89
6.1.3　回歸分析　89
6.1.4　決策樹　93
6.1.5　人工神經(jīng)網(wǎng)絡(luò)　99
6.1.6　分類與回歸算法評(píng)價(jià)　105
6.1.7　常用的Python分類與回歸算法　109
6.2　聚類分析　109
6.2.1　常用的聚類分析算法　110
6.2.2　K-Means算法　111
6.2.3　聚類分析算法評(píng)價(jià)　116
6.2.4　常用的Python聚類分析算法　118
6.3　關(guān)聯(lián)規(guī)則　120
6.3.1　常用的關(guān)聯(lián)規(guī)則算法　120
6.3.2　Apriori算法實(shí)現(xiàn)　121
6.4　時(shí)序模式　126
6.4.1　時(shí)間序列分析方法與模型　126
6.4.2　時(shí)間序列的預(yù)處理　127
6.4.3　平穩(wěn)時(shí)間序列分析　129
6.4.4　非平穩(wěn)時(shí)間序列分析　132
6.4.5　常用的Python時(shí)序模式算法　139
6.5　智能推薦　141
6.5.1　常見的智能推薦算法　142
6.5.2　智能推薦算法評(píng)價(jià)　143
6.5.3　Python智能推薦算法　145
小結(jié)　153
課后習(xí)題　153
第7章　O2O優(yōu)惠券個(gè)性化投放　155
7.1　業(yè)務(wù)背景與項(xiàng)目目標(biāo)　155
7.2　分析方法與過(guò)程　156
7.2.1　數(shù)據(jù)獲取　157
7.2.2　探索性分析　158
7.2.3　數(shù)據(jù)預(yù)處理　166
7.2.4　構(gòu)建模型　171
7.2.5　模型評(píng)價(jià)　174
7.2.6　應(yīng)用　176
小結(jié)　177
課后習(xí)題　177
第8章　零售商品購(gòu)物籃分析　178
8.1　業(yè)務(wù)背景與項(xiàng)目目標(biāo)　178
8.2　分析方法與過(guò)程　179
8.2.1　數(shù)據(jù)獲取　179
8.2.2　探索性分析　180
8.2.3　數(shù)據(jù)預(yù)處理　186
8.2.4　構(gòu)建模型　187
8.2.5　模型評(píng)價(jià)　189
8.2.6　應(yīng)用　189
小結(jié)　189
課后習(xí)題　190
第9章　餐飲企業(yè)綜合分析　191
9.1　業(yè)務(wù)背景與項(xiàng)目目標(biāo)　191
9.2　分析方法與過(guò)程　193
9.2.1　數(shù)據(jù)獲取　193
9.2.2　探索性分析　196
9.2.3　數(shù)據(jù)預(yù)處理　201
9.2.4　構(gòu)建模型　203
9.2.5　模型評(píng)價(jià)　225
9.2.6　應(yīng)用　231
小結(jié)　231
課后習(xí)題　231
第　10章 基于TipDM數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行餐飲企業(yè)綜合分析　232
10.1　平臺(tái)簡(jiǎn)介　232
10.1.1　首頁(yè)　233
10.1.2　數(shù)據(jù)源　234
10.1.3　工程　235
10.1.4　系統(tǒng)組件　236
10.1.5　TipDM數(shù)據(jù)挖掘建模平臺(tái)的本地化部署　237
10.2　快速構(gòu)建餐飲企業(yè)綜合分析工程　239
10.2.1　數(shù)據(jù)獲取　240
10.2.2　數(shù)據(jù)預(yù)處理　243
10.2.3　探索性分析　244
10.2.4　構(gòu)建模型　247
小結(jié)　251
課后習(xí)題　251
參考文獻(xiàn)　252