本書以零售和電子商務(wù)為業(yè)務(wù)背景，使用Python工具解決業(yè)務(wù)場景中的數(shù)據(jù)分析需求。全書涵蓋數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)可視化和數(shù)據(jù)建模的內(nèi)容。本書適合零售和電子商務(wù)運(yùn)營人員以及想要從事商業(yè)數(shù)據(jù)分析工作的人員閱讀，也可以作為高校和培訓(xùn)機(jī)構(gòu)相關(guān)課程的教材。

前言

Python 已經(jīng)成為時(shí)下熱門的計(jì)算機(jī)語言之一，應(yīng)用范圍十分廣泛，甚至進(jìn)入了小學(xué)課堂。目前許多書籍內(nèi)容還是以學(xué)習(xí)如何使用Python 工具為主，在實(shí)際應(yīng)用方面相對較少，特別是在零售分析方面的應(yīng)用少之又少。大部分企業(yè)做數(shù)據(jù)分析還是以Excel 為主。在這個(gè)背景之下，筆者寫這本書是為了能把Python 帶入普通企業(yè)中。

Excel 能做的事情，Python 都可以完成，但是Python 能做的事情，Excel 未必可以做。

全書分為6 章。第1 章介紹Python 基礎(chǔ)；第2 章重點(diǎn)介紹數(shù)據(jù)采集、數(shù)據(jù)庫，以及常用的NumPy、Pandas、matplotlib 庫；第3 章重點(diǎn)介紹市場分析案例；第4 章重點(diǎn)介紹SEO、推廣方案和競品分析的案例；第5 章重點(diǎn)介紹數(shù)字營銷案例；第6章重點(diǎn)介紹銷售預(yù)測案例。

這本書對Python 零基礎(chǔ)的讀者較不友好，建議Python 零基礎(chǔ)的讀者配套基礎(chǔ)入門書籍學(xué)習(xí)。讀者如果具備Python 基礎(chǔ)，可以直接從第2 章讀起�？紤]到數(shù)據(jù)的敏感性和難度，本書案例在數(shù)據(jù)上做了部分精簡，目前保留的案例數(shù)據(jù)集的只有500MB，從學(xué)習(xí)和掌握本書所述方法的角度，可以滿足需求。

后，鑒于作者的水平有限，書中存在的不足之處請讀者諒解。

作者

2021 年5 月

1 Python 基礎(chǔ) 1
1.1 安裝Python 環(huán)境 2
1.1.1 Python 3.6.2 安裝與配置 2
1.1.2 獲取PyCharm 4
1.1.3 獲取Anaconda 4
1.2 Python 操作入門 6
1.2.1 編寫段Python 代碼 6
1.2.2 Python 基本操作 9
1.2.3 Python 變量 11
1.2.4 Python 數(shù)據(jù)類型 11
1.2.5 Python 控制語句與函數(shù) 17
1.2.6 Python 自定義函數(shù) 20
2 Python 商業(yè)數(shù)據(jù)分析基礎(chǔ) 21
2.1 什么是數(shù)據(jù)分析 22
2.1.1 理解數(shù)據(jù)分析 22
2.1.2 數(shù)據(jù)分析的兩個(gè)核心思維 23
2.1.3 數(shù)據(jù)分析的方法論 23
2.2 Python 在商業(yè)分析中的價(jià)值 32
2.2.1 人生苦短，我用Python 32
2.2.2 Python 在商業(yè)分析應(yīng)用中的優(yōu)勢 33
2.3 數(shù)據(jù)采集 33
2.3.1 采集數(shù)據(jù)前的準(zhǔn)備工作 33
2.3.2 Requests 庫 40
2.4 數(shù)據(jù)庫操作及文件讀寫 48
2.4.1 MySQL 數(shù)據(jù)庫 48
2.4.2 數(shù)據(jù)庫操作 50
2.5 NumPy 數(shù)組處理 54
2.5.1 一維數(shù)組操作 54
2.5.2 多維數(shù)組操作 56
2.5.3 數(shù)組運(yùn)算 60
2.6 Pandas 數(shù)據(jù)處理 61
2.6.1 數(shù)據(jù)導(dǎo)入與導(dǎo)出 61
2.6.2 數(shù)據(jù)描述性統(tǒng)計(jì) 62
2.6.3 數(shù)據(jù)透視匯總 63
2.7 商業(yè)分析可視化 65
2.7.1 柱狀圖 66
2.7.2 餅圖 68
2.7.3 線圖 69
2.7.4 散點(diǎn)圖 70
3 Python 與市場分析案例 73
3.1 案例：市場大盤容量分析 75
3.1.1 案例背景及數(shù)據(jù)理解 75
3.1.2 計(jì)算市場規(guī)模 76
3.1.3 計(jì)算市場相對規(guī)模 78
3.1.4 繪制柱狀圖和餅圖 79
3.2 案例：市場趨勢分析 81
3.2.1 案例背景及數(shù)據(jù)理解 82
3.2.2 根據(jù)時(shí)間合并市場數(shù)據(jù) 83
3.2.3 補(bǔ)齊缺失月的數(shù)據(jù) 84
3.2.4 繪制趨勢圖 89
3.2.5 計(jì)算市場增量 94
3.2.6 繪制組合圖 94
3.3 案例：細(xì)分市場分析 95
3.3.1 案例背景及數(shù)據(jù)理解 96
3.3.2 類別的分布分析 96
3.3.3 識(shí)別潛力細(xì)分市場 99
3.3.4 潛力細(xì)分市場需求分析 104
3.3.5 消費(fèi)者需求分析 106
4 Python 與店鋪數(shù)據(jù)化運(yùn)營案例 115
4.1 案例：用Python 做SEO 116
4.1.1 案例背景及數(shù)據(jù)理解 116
4.1.2 關(guān)鍵詞詞根分詞與統(tǒng)計(jì) 117
4.1.3 可視化圖形 118
4.2 案例：用Python 做推廣方案 122
4.2.1 案例背景及數(shù)據(jù)理解 122
4.2.2 計(jì)算渠道投放預(yù)算的解 124
4.2.3 計(jì)算品類投放預(yù)算的解 126
4.2.4 計(jì)算各個(gè)品類在不同渠道的解 127
4.3 案例：用Python 分析競品 131
4.3.1 案例背景及數(shù)據(jù)理解 131
4.3.2 采集數(shù)據(jù) 131
4.3.3 競品調(diào)價(jià)預(yù)警 134
5 Python 與數(shù)字營銷案例 137
5.1 案例：基于關(guān)聯(lián)規(guī)則的產(chǎn)品推薦 138
5.1.1 算法原理及案例背景 138
5.1.2 創(chuàng)建商品項(xiàng)集 141
5.1.3 建立函數(shù)挑選小支持度項(xiàng)集 143
5.1.4 訓(xùn)練步驟項(xiàng)集函數(shù) 144
5.2 案例：基于聚類算法的商品推薦 147
5.2.1 算法原理及案例背景 147
5.2.2 消費(fèi)者聚類 150
5.2.3 基于消費(fèi)者聚類的推薦 167
5.3 案例：基于協(xié)同過濾算法的產(chǎn)品推薦 176
5.3.1 算法原理及案例背景 176
5.3.2 數(shù)據(jù)準(zhǔn)備 178
5.3.3 推薦算法建模 179
5.4 案例：消費(fèi)者輿情分析 183
5.4.1 案例背景及數(shù)據(jù)理解 183
5.4.2 案例實(shí)現(xiàn) 183
6 Python 與銷售預(yù)測案例 187
6.1 案例：基于業(yè)務(wù)邏輯的預(yù)測算法模型 188
6.1.1 案例背景及數(shù)據(jù)理解 188
6.1.2 案例實(shí)現(xiàn) 188
6.2 案例：基于時(shí)序算法預(yù)測庫存 189
6.2.1 算法原理及案例背景 189
6.2.2 數(shù)據(jù)及時(shí)序檢查 191
6.2.3 時(shí)間序列建模 198
6.2.4 循環(huán)迭代的ARIMA 模型 203
6.3 案例：電商的庫存預(yù)測算法建模 207
6.3.1 算法原理及案例背景 208
6.3.2 準(zhǔn)備數(shù)據(jù) 209
6.3.3 計(jì)算補(bǔ)貨量 211
6.4 案例：用戶成單預(yù)測 212
6.4.1 算法原理及案例背景 212
6.4.2 數(shù)據(jù)準(zhǔn)備 215
6.4.3 數(shù)據(jù)挖掘 243
6.5 案例：用戶流失預(yù)測 246
6.5.1 算法原理及案例背景 246
6.5.2 數(shù)據(jù)準(zhǔn)備 249
6.5.3 數(shù)據(jù)挖掘 254

你還可能感興趣

我要評論

推薦序

前言