Python商業(yè)數(shù)據(jù)分析

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(xiàn)圖的繪制
3．8　Python曲線(xiàn)標(biāo)繪圖的繪制
3．9　Python連線(xiàn)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(xiàn)性回歸分析
8．1一元線(xiàn)性回歸分析基本理論
8．2應(yīng)用Python-statsmodels工具作一元線(xiàn)性回歸分析
8．3應(yīng)用Python-sklearn工具作一元線(xiàn)性回歸分析
練習(xí)題
第9章Python多元線(xiàn)性回歸分析
9．1多元線(xiàn)性回歸分析基本理論
9．2　Python多元線(xiàn)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(xiàn)性回歸分析
9．5　Python邏輯Logistic回歸分析
9．6　Python廣義線(xiàn)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(xiàn)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