Python商業(yè)數(shù)據(jù)分析
全書(shū)工12章，主要內(nèi)容包括：商業(yè)數(shù)據(jù)分析概論、Python商業(yè)數(shù)據(jù)存取、Python商業(yè)數(shù)據(jù)的圖形繪制與可視化、Python描述性統(tǒng)計(jì)、Python參數(shù)估計(jì)、Python參數(shù)假設(shè)檢驗(yàn)、Python相關(guān)分析、Python一元線性回歸分析、Python多元線性回歸分析、Python時(shí)間序列分析應(yīng)用、Python量化金融數(shù)據(jù)分析、Python人工智能機(jī)器學(xué)習(xí)中的應(yīng)用。
本書(shū)緊跟大數(shù)據(jù)與人工智能時(shí)代，內(nèi)容新穎、全面，實(shí)用性強(qiáng)，融理論、方法、應(yīng)用于一體，是一部供統(tǒng)計(jì)學(xué)、數(shù)量經(jīng)濟(jì)學(xué)、管理科學(xué)與工程、應(yīng)用數(shù)學(xué)、計(jì)算數(shù)學(xué)、概率統(tǒng)計(jì)、金融工程、投資學(xué)、金融專業(yè)碩士、金融學(xué)、經(jīng)濟(jì)學(xué)、財(cái)務(wù)管理、會(huì)計(jì)學(xué)、工商管理、MBA等專業(yè)的本科高年級(jí)學(xué)生與研究生學(xué)習(xí)商業(yè)數(shù)據(jù)分析、商業(yè)統(tǒng)計(jì)、計(jì)量經(jīng)濟(jì)學(xué)等課程使用的教材或?qū)嶒?yàn)參考書(shū)。
1.以問(wèn)題為導(dǎo)向，通過(guò)問(wèn)題來(lái)介紹Python的使用方法。
2.通過(guò)豐富的實(shí)例，詳細(xì)介紹了Python在數(shù)據(jù)存取、圖形展示、相關(guān)分析、回歸分析、時(shí)間序列分析、量化金融與投資、機(jī)器學(xué)習(xí)等領(lǐng)域中的應(yīng)用。
3..側(cè)重于理論方法與應(yīng)用相結(jié)合，實(shí)例豐富且通俗易懂。
朱順泉，湖南邵陽(yáng)人，廣東財(cái)經(jīng)大學(xué)教授、碩士生導(dǎo)師；上海社會(huì)科學(xué)院客座教授、中國(guó)軟科學(xué)研究會(huì)理事。1992年7月畢業(yè)于湖南大學(xué)計(jì)算數(shù)學(xué)專業(yè)，獲理學(xué)碩士學(xué)位；2001年7月畢業(yè)于中南大學(xué)管理科學(xué)與工程專業(yè)金融工程方向，獲管理學(xué)博士學(xué)位，2004年7月上海財(cái)經(jīng)大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)博士后研究出站。曾先后工作于湖南財(cái)經(jīng)學(xué)院、湖南大學(xué)、暨南大學(xué)。
第 1章 商業(yè)數(shù)據(jù)分析概論
1．1商業(yè)數(shù)據(jù)分析的概念及其應(yīng)用
1．2商業(yè)數(shù)據(jù)類(lèi)型
1．3商業(yè)數(shù)據(jù)來(lái)源
1．4商業(yè)數(shù)據(jù)分析工具簡(jiǎn)介
1．5 Python商業(yè)數(shù)據(jù)分析工具的下載和安裝
1．6 Python的啟動(dòng)和退出
1．7 Python商業(yè)數(shù)據(jù)分析相關(guān)的程序包
1．8 Python商業(yè)數(shù)據(jù)分析快速入門(mén)
練習(xí)題
第 2章Python商業(yè)數(shù)據(jù)存取
2．1 Python-pandas的csv格式本地?cái)?shù)據(jù)存取
2．2 Python-pandas的Excel格式本地?cái)?shù)據(jù)讀取
2．3挖地兔Tushare財(cái)經(jīng)網(wǎng)站數(shù)據(jù)存取
2．4 Pandas_datareader包獲取國(guó)外財(cái)經(jīng)網(wǎng)站數(shù)據(jù)
2．5商業(yè)數(shù)據(jù)分析的Pandas分組聚合（或分類(lèi)匯總）
練習(xí)題
第3章Python商業(yè)數(shù)據(jù)的圖形繪制與可視化
3．1 Python-matplotlib繪圖基礎(chǔ)
3．2 Python直方圖的繪制
3．2 Python散點(diǎn)圖的繪制
3．3 Python氣泡圖的繪制
3．4 Python箱圖的繪制
3．5 Python餅圖的繪制
3．6 Python條形圖的繪制
3．7 Python折線圖的繪制
3．8 Python曲線標(biāo)繪圖的繪制
3．9 Python連線標(biāo)繪圖的繪制
3．10 Python3D圖的繪制
練習(xí)題
第4章Python描述性統(tǒng)計(jì)
4．1 Python描述性統(tǒng)計(jì)工具
4．2 Python數(shù)據(jù)集中趨勢(shì)的度量
4．3 Python數(shù)據(jù)離散狀況的度量
4．4 Python峰度、偏度與正態(tài)性檢驗(yàn)
4．5 Python異常數(shù)據(jù)處理
練習(xí)題
第5章Python參數(shù)估計(jì)
5．1參數(shù)估計(jì)與置信區(qū)間的含義
5．2 Python點(diǎn)估計(jì)
5．3 Python單正態(tài)總體均值區(qū)間估計(jì)
5．4 Python單正態(tài)總體方差區(qū)間估計(jì)
5．5 Python雙正態(tài)總體均值差區(qū)間估計(jì)
5．6 Python雙正態(tài)總體方差比區(qū)間估計(jì)
練習(xí)題
第6章Python參數(shù)假設(shè)檢驗(yàn)
6．1參數(shù)假設(shè)檢驗(yàn)的基本理論
6．2 Python單個(gè)樣本t檢驗(yàn)
6．3 Python兩個(gè)獨(dú)立樣本t檢驗(yàn)
6．4 Python配對(duì)樣本t檢驗(yàn)
6．5 Python單樣本方差假設(shè)檢驗(yàn)
6．6 Python雙樣本方差假設(shè)檢驗(yàn)
練習(xí)題
第7章Python相關(guān)分析
7．1相關(guān)系數(shù)的概念
7．2使用模擬數(shù)據(jù)計(jì)算變量之間的相關(guān)系數(shù)和繪圖
7．3使用本地?cái)?shù)據(jù)計(jì)算變量之間的相關(guān)系數(shù)和繪圖
7．4使用網(wǎng)上數(shù)據(jù)計(jì)算變量之間的相關(guān)系數(shù)和繪圖
第8章Python一元線性回歸分析
8．1一元線性回歸分析基本理論
8．2應(yīng)用Python-statsmodels工具作一元線性回歸分析
8．3應(yīng)用Python-sklearn工具作一元線性回歸分析
練習(xí)題
第9章Python多元線性回歸分析
9．1多元線性回歸分析基本理論
9．2 Python多元線性回歸數(shù)據(jù)分析
9．3 用scikit-learn工具作多元回歸分析
9．4 Python穩(wěn)健線性回歸分析
9．5 Python邏輯Logistic回歸分析
9．6 Python廣義線性回歸分析
9．7違背回歸分析假設(shè)的計(jì)量檢驗(yàn)
9．8 Python自相關(guān)性診斷與消除
9．9 Python異方差診斷與消除
9．10 Python多重共線性的診斷與消除
練習(xí)題
第 10章Python時(shí)間序列分析應(yīng)用
10．1時(shí)間序列基礎(chǔ)
10．2時(shí)間序列的相關(guān)概念及其Python應(yīng)用
10．3自回歸(AR)模型
10．4移動(dòng)平均(MA)模型
10．5自回歸移動(dòng)平均ARMA模型
10．6差分自回歸移動(dòng)平均ARIMA模型
10．7自回歸條件異方差模型(ARCH)及預(yù)測(cè)
10．8廣義自回歸條件異方差模型(GARCH)與波動(dòng)率預(yù)測(cè)
練習(xí)題
第 11章Python量化金融數(shù)據(jù)分析應(yīng)用
11．1 Python金融數(shù)據(jù)描述性統(tǒng)計(jì)
11．2 Python在戰(zhàn)勝股票市場(chǎng)策略可視化中的應(yīng)用
11．3 Python在資產(chǎn)組合均值方差模型中應(yīng)用
11．4 Python繪制投資組合有效邊界
11．5 Python繪制尋找Markowitz最優(yōu)投資組合
11．6 Python實(shí)現(xiàn)量化金融投資統(tǒng)計(jì)套利協(xié)整配對(duì)交易策略
練習(xí)題
第 12章Python機(jī)器學(xué)習(xí)數(shù)據(jù)分析應(yīng)用
12．1機(jī)器學(xué)習(xí)算法分類(lèi)
12．2常見(jiàn)的機(jī)器學(xué)習(xí)算法及其Python代碼
12．3 Python實(shí)現(xiàn)K臨近算法銀行貸款分類(lèi)
12．4 Python實(shí)現(xiàn)各種機(jī)器學(xué)習(xí)算法
12．5 Python實(shí)現(xiàn)K最近鄰法分類(lèi)
練習(xí)題
書(shū)單推薦
