在数字化趋势背景下，数据分析几乎应用到了各行各业。数据已经成为企业的核心生产要素，而数据分析技术也成为企业的核心竞争力。

本书注重教学内容的思想性，“因势利导、顺势而为”，将知识传授、技能训练、能力培养和价值塑造有机结合；注重案例的典型性，优选人口与生产总值数据分析、天气与空气质量数据分析、房源数据分析、旅游景点数据分析、商品销量数据分析、订单数据分析、电商客户行为分析、电商客户消费偏好特征分析、广告投放效果分析、股票数据分析与股价趋势预测共10个典型数据分析案例；注重数据信息的有效性，各个数据分析案例都提供合法、公开的足量数据；注重数据分析的实用性和方法应用的灵活性，每个案例的数据分析与可视化都提供实现过程，能全面训练读者的数据分析与可视化综合能力；注重图形展示的多样性，涉及多种图形，并且图形的绘制方法多样、参数设置恰当、展示效果美观，具有较高的参考价值。

本书可以作为普通高等院校、高等或中等职业院校各专业的Python数据分析与可视化综合训练课程的教材，也可以作为Python数据分析与可视化的培训教材及自学参考书。

1、主要针对高等职业院校学生的特点，采取项目式写法，满足高职高专院校的教学需要。

2、案例选取具有典型性、先进性以及有效性，满足当前“学用结合”的教学要求，为学生的职业发展打好基础。

3、配套资源丰富，包括电子活页、教学大纲、PPT、教学教案。

4、作者为名校名师，具有丰富的教学经验和实践经验。

高海英，副教授，西安航空职业技术学院人工智能学院大数据技术专业带头人，主持或参与国家级及省级教科研课题多项，获中国通信工业协会教学成果二等奖。以副主编编写教材《计算机应用基础》《信息技术》分布别入选“十三五”“十四五”职业教育国家规划教材，其中《计算机应用基础》获陕西省 2022 年职业教育优秀教材特等奖。任职期间，获陕西省教学能力比赛二等奖2项、三等奖1项，指导学生荣获陕西省职业院校技能大赛“大数据技术与应用”赛项一等奖1项，三等奖2项；“泰迪杯”数据分析技能大赛二等奖2项，三等奖4项。

模块1　人口与生产总值数据分析　1

方法要点　1

绘图清单　2

任务实战　2

【任务1-1】第七次全国人口普查数据分析与可视化　2

【任务1-2】2011—2021年全国各大区的生产总值数据分析与可视化　21

【任务1-3】综合分析我国各地区的面积、人口与生产总值数据　33

模块2　天气与空气质量数据分析　34

方法要点　34

绘图清单　35

任务实战　35

【任务2-1】2021年长沙市天气数据分析　35

【任务2-2】2011—2022年北京市天气数据可视化初探　43

【任务2-3】2011—2022年北京、上海、广州、深圳天气数据可视化分析　49

【任务2-4】探析2021年8月全国主要城市的空气质量状况　54

【任务2-5】分析2020年和2021年北京、上海、广州、深圳的天气差异　55

模块3　房源数据分析　56

方法要点　56

绘图清单　57

任务实战　57

【任务3-1】杭州市在售房源数据分析与可视化　57

【任务3-2】广州市已成交房源数据分析与可视化　80

模块4　旅游景点数据分析　85

方法要点　85

绘图清单　85

任务实战　86

【任务4-1】旅游景点数据可视化分析　86

【任务4-2】旅游景点销量分析　92

【任务4-3】旅游出行数据可视化分析　102

模块5　商品销量数据分析　108

方法要点　108

绘图清单　108

任务实战　109

【任务5-1】商品销售数据处理与统计分析　109

【任务5-2】中秋月饼销量分析　116

【任务5-3】药店药品销量分析　124

模块6　订单数据分析　141

方法要点　141

绘图清单　141

任务实战　142

【任务6-1】订单数据分析　142

【任务6-2】天猫订单数据可视化分析　149

模块7　电商客户行为分析　152

方法要点　152

绘图清单　152

任务实战　153

【任务7-1】以行业常见指标分析一周内电商客户行为　153

【任务7-2】京东客户行为分析　174

模块8　电商客户消费偏好特征分析　188

方法要点　188

绘图清单　189

任务实战　189

【任务8-1】京东客户消费数据预处理与整体消费特征分析　189

【任务8-2】京东电商客户喜好的商品大类及细分类型分析　205

【任务8-3】京东电商客户喜好的商品品牌分析　227

【任务8-4】从时间维度分析京东电商客户浏览、订购等行为的频次特征　231

【任务8-5】京东电商客户浏览与下单时间的偏好特征分析　249

【任务8-6】京东电商客户消费行为特征分析与RFM分析　262

模块9　广告投放效果分析　263

方法要点　263

绘图清单　264

任务实战　264

【任务9-1】利用线性回归建立广告费用与销售额模型　264

【任务9-2】分析广告投入与销售收入的关系　271

【任务9-3】分析网络广告投放效果　278

【任务9-4】基于K-Means算法的广告投放效果聚类分析　279

【任务9-5】使用“A/B测试”分析支付宝营销策略的广告投放效果　280

模块10　股票数据分析与股价趋势预测　281

方法要点　281

绘图清单　281

任务实战　282

【任务10-1】使用2年的股票数据建立ARIMA模型并使用该模型预测股价趋势　282

【任务10-2】绘制股票数据的各种图形　287

【任务10-3】获取五粮液股票数据并进行　分析　296

【任务10-4】绘制bilibili网站上市至今的股价图形　300

【任务10-5】使用10年的股票数据建立ARIMA模型并使用该模型预测股价趋势　302