Python数据分析与数据化运营

2.1.4 流式数据 2.1.5 外部公开数据 2.1.6 其他 2.2 使用Python获取运营数据 2.2.1 从文本文件读取运营数据 2.2.2 从Excel获取运营数据 2.2.3 从关系型数据库MySQL读取运营数据 2.2.4 从非关系型数据库MongoDB读取运营数据 2.2.5 从API获取运营数据 2.3 内容延伸：读取非结构化网页、文本、图像、视频、语音 2.3.1 从网页中爬取运营数据 2.3.2 读取非结构化文本数据 2.3.3 读取图像数据 2.3.4 读取视频数据 2.3.5 读取语音数据 2.4 本章小结 第3章 11条数据化运营不得不知道的数据预处理经验 3.1 数据清洗：缺失值、异常值和重复值的处理 3.1.1 数据列缺失的4种处理方法 3.1.2 不要轻易抛弃异常数据 3.1.3 数据重复就需要去重吗 3.1.4 代码实操：Python数据清洗 3.2 将分类数据和顺序数据转换为标志变量 3.2.1 分类数据和顺序数据是什么 3.2.2 运用标志方法处理分类和顺序数据 3.2.3 代码实操：Python标志转换 3.3 大数据时代的数据降维 3.3.1 需要数据降维的情况 3.3.2 基于特征选择的降维 3.3.3 基于维度转换的降维 3.3.4 代码实操：Python数据降维 3.4 解决样本类别分布不均衡的问题 3.4.1 哪些运营场景中容易出现样本不均衡 3.4.2 通过过抽样和欠抽样解决样本不均衡 3.4.3 通过正负样本的惩罚权重解决样本不均衡 3.4.4 通过组合/集成方法解决样本不均衡 3.4.5 通过特征选择解决样本不均衡 3.4.6 代码实操：Python处理样本不均衡 3.5 如何解决运营数据源的冲突问题 3.5.1 为什么会出现多数据源的冲突 3.5.2 如何应对多数据源的冲突问题 3.6 数据化运营要抽样还是全量数据 3.6.1 什么时候需要抽样 3.6.2 如何进行抽样 3.6.3 抽样需要注意的几个问题 3.6.4 代码实操：Python数据抽样 3.7 解决运营数据的共线性问题 3.7.1 如何检验共线性 3.7.2 解决共线性的5种常用方法 3.7.3 代码实操：Python处理共线性问题 3.8 有关相关性分析的混沌 3.8.1 相关和因果是一回事吗 3.8.2 相关系数低就是不相关吗 3.8.3 代码实操：Python相关性分析 3.9 标准化，让运营数据落入相同的范围 3.9.1 实现中心化和正态分布的Z-Score 3.9.2 实现归一化的Max-Min 3.9.3 用于稀疏数据的MaxAbs......