（1）作者是有10餘年數據分析與數據化運營經驗的大數據專家，在國內外企業都工作過，經驗豐富。（2）作者善於總結和寫作，樂於分享，撰寫數據分析類 暢銷書3部。（3）本書與同類書*大的不同在於，並不隻有純粹的關於數據分析技術和工具的講解，而且還與數據使用場景深度結合，在業務上真正可指導落地。（4）新版除了Python更新到了*新版外，具體內容上做了大幅度的補充和優化，整體篇幅超過30%，詳見前言。（5）本書作者提供微信、郵箱等，可通過實時和離線兩種方式及時為讀者在線傳道、受業、解惑。

●前言第章nbsp;nbsp;Python和數據化運營nbsp;nbsp;用Python做數據化運營nbsp;nbsp;Python是什麼2nbsp;nbsp;數據化運營是什麼23nbsp;nbsp;Python用於數據化運營52nbsp;nbsp;數據化運營所需的Python相關工具和組件52nbsp;nbsp;Python程序622nbsp;nbsp;Python交互環境Jupyter723nbsp;nbsp;Python第三方庫2324nbsp;nbsp;數據庫和客戶端2925nbsp;nbsp;SSH遠程客戶端303nbsp;nbsp;內容延伸Python的OCR和tensorflow33nbsp;nbsp;OCR工具Tesseractocr332nbsp;nbsp;機器學習框架TensorFlow34nbsp;nbsp;第個用Python實現的數據化運營分析實例銷售預測324nbsp;nbsp;案例概述3242nbsp;nbsp;案例過程3243nbsp;nbsp;案例小結365nbsp;nbsp;本章小結37第2章nbsp;nbsp;數據化運營的數據來源402nbsp;nbsp;數據化運營的數據來源類型402nbsp;nbsp;數據文件4022nbsp;nbsp;數據庫423nbsp;nbsp;API4224nbsp;nbsp;流式數據4325nbsp;nbsp;外部公開數據4326nbsp;nbsp;其他來源4422nbsp;nbsp;使用Python獲取運營數據4422nbsp;nbsp;從文本文件讀取運營數據44222nbsp;nbsp;從Excel獲取運營數據55223nbsp;nbsp;從關繫型數據庫MySQL讀取運營數據57224nbsp;nbsp;從非關繫型數據庫MongoDB讀取運營數據64225nbsp;nbsp;從API獲取運營數據6823nbsp;nbsp;內容延伸讀取非結構化網頁文本圖像視頻語音7223nbsp;nbsp;從網頁中獲取運營數據72232nbsp;nbsp;讀取非結構化文本數據73233nbsp;nbsp;讀取圖像數據74234nbsp;nbsp;讀取視頻數據78235nbsp;nbsp;讀取語音數據824nbsp;nbsp;本章小結85第3章nbsp;nbsp;0條數據化運營不得不知道的數據預處理經驗873nbsp;nbsp;數據清洗缺失值異常值和重復值的處理873nbsp;nbsp;數據列缺失的4種處理方法8732nbsp;nbsp;不要輕易拋棄異常數據33nbsp;nbsp;數據重復就需要去重嗎9034nbsp;nbsp;代碼實操Python數據清洗9232nbsp;nbsp;將分類數據和順序數據轉換為標志變量0032nbsp;nbsp;分類數據和順序數據是什麼00322nbsp;nbsp;運用標志方法處理分類和順序變量0323nbsp;nbsp;代碼實操Python標志轉換033nbsp;nbsp;大數據時代的數據降維0433nbsp;nbsp;需要數據降維的情況04332nbsp;nbsp;基於特征選擇的降維05333nbsp;nbsp;基於特征轉換的降維06334nbsp;nbsp;基於特征組合的降維2335nbsp;nbsp;代碼實操Python數據降維434nbsp;nbsp;解決樣本類別分布不均衡的問題2334nbsp;nbsp;哪些運營場景中容易出現樣本不均衡24342nbsp;nbsp;通過過抽樣和欠抽樣解決樣本不均衡24343nbsp;nbsp;通過正負樣本的懲罰權重解決樣本不均衡24344nbsp;nbsp;通過組合集成方法解決樣本不均衡25345nbsp;nbsp;通過特征選擇解決樣本不均衡25346nbsp;nbsp;代碼實操Python處理樣本不均衡2535nbsp;nbsp;數據化運營要抽樣還是全量數據2835nbsp;nbsp;什麼時候需要抽樣28352nbsp;nbsp;如何進行抽樣29353nbsp;nbsp;抽樣需要注意的幾個問題30354nbsp;nbsp;代碼實操Python數據抽樣336nbsp;nbsp;解決運營數據的共線性問題3536nbsp;nbsp;如何檢驗共線性35362nbsp;nbsp;解決共線性的5種常用方法36363nbsp;nbsp;代碼實操Python處理共線性問題3737nbsp;nbsp;有關相關性分析的混沌3937nbsp;nbsp;相關和因果是一回事嗎39372nbsp;nbsp;相關繫數低就是不相關嗎39373nbsp;nbsp;代碼實操Python相關性分析4038nbsp;nbsp;標準化讓運營數據落入相同的範圍438nbsp;nbsp;實現中心化和正態分布的ZScore4382nbsp;nbsp;實現歸一化的MaxMin42383nbsp;nbsp;用於稀疏數據的MaxAbs42384nbsp;nbsp;針對離群點的RobustScaler42385nbsp;nbsp;代碼實操Python數據標準化處理4239nbsp;nbsp;離散化對運營數據做邏輯分層4539nbsp;nbsp;針對時間數據的離散化45392nbsp;nbsp;針對多值離散數據的離散化46393nbsp;nbsp;針對連續數據的離散化46394nbsp;nbsp;針對連續數據的二值化47395nbsp;nbsp;代碼實操Python數據離散化處理4730nbsp;nbsp;內容延伸非結構化數據的預處理530nbsp;nbsp;網頁數據解析5302nbsp;nbsp;網絡用戶日志解析59303nbsp;nbsp;圖像的基本預處理64304nbsp;nbsp;自然語言文本預處理693nbsp;nbsp;本章小結72第4章nbsp;nbsp;跳過運營數據分析和挖掘的大坑744nbsp;nbsp;聚類分析744nbsp;nbsp;當心數據異常對聚類結果的影響7542nbsp;nbsp;超大數據量時應該放棄K均值算法7543nbsp;nbsp;聚類不僅是建模的終點更是重要的中間預處理過程7744nbsp;nbsp;高維數據上無法應用聚類嗎7845nbsp;nbsp;如何選擇聚類分析算法7946nbsp;nbsp;案例客戶特征的聚類與探索性分析7942nbsp;nbsp;回歸分析9642nbsp;nbsp;注意回歸自變量之間的共線性問題97422nbsp;nbsp;相關繫數判定繫數和回歸繫數之間是什麼關繫97423nbsp;nbsp;判定繫數是否意味著相應的因果聯繫97424nbsp;nbsp;注意應用回歸模型時研究自變量是否產生變化98425nbsp;nbsp;如何選擇回歸分析算法98426nbsp;nbsp;案例大型促銷活動前的銷售預測9943nbsp;nbsp;分類分析20643nbsp;nbsp;防止分類模型的過擬合問題207432nbsp;nbsp;使用關聯算法做分類分析207433nbsp;nbsp;用分類分析來提煉規則提取變量處理缺失值208434nbsp;nbsp;類別劃分分類算法和聚類算法都是好手209435nbsp;nbsp;如何選擇分類分析算法20436nbsp;nbsp;案例用戶流失預測分析與應用2044nbsp;nbsp;關聯分析2244nbsp;nbsp;頻繁規則不一定是有效規則22442nbsp;nbsp;不要被啤酒尿布的故事禁錮你的思維222443nbsp;nbsp;被忽略的負相關模式真的毫無用武之地嗎223444nbsp;nbsp;頻繁規則隻能打包組合應用嗎2

這是一本將數據分析技術與數據使用場景深度結合的著作，從實戰角度講解了如何利用Python進行數據分析和數據化運營。暢銷書全新、大幅升級，第1版近乎100%的好評，第2版不僅將Python升級到了*新的版本，而且對具體內容進行了大幅度的補充和優化。作者是有10餘年數據分析與數據化運營的大數據專家，書中對50餘個數據工作流知識點、14個數據分析與挖掘主題、4個數據化運營主題、8個綜合性案例進行了全面的講解，能讓數據化運營結合數據使用場景360°落地。全書一共9章，分為兩個部分：第壹部分（第1-4章） Python數據分析與挖掘首先介紹了Python和數據化運營的基本知識，然後詳細講解了Python數據獲取（結構化和非結構化）、預處理、分析和挖掘的關鍵技術和經驗，包含10大類預處理經驗、14個數據分析與挖掘主題，50餘個知識點。第二部分（第5~9章） Python數據化運營這是本書的核心，詳細講等

宋天龍 著

內容待完善