《物流数据统计与分析》旨在培养具备国家数字化发展所需知识与技能的物流专业人才，帮助读者全面了解物流数据统计与分析的基本概念、方法和工具，掌握Excel和Python在物流数据分析中的应用技能，提高在数据驱动的决策和管理中的能力，以应对未来复杂多变的职业环境。 本书包括8章，内容涵盖数据预处理、数据分布特征分析、数据相关性和回归分析、运输规划问题分析、数据聚类和判别分析以及数据可视化表达等。第1章为物流数据基本概述，介绍物流相关数据的特点以及软件基础知识。第2章详细讲解如何处理数据中的缺失值、异常值以及进行数据标准化处理。第3章重点探讨数据的分布特征理论，并提供了实际应用案例。第4章介绍数据的相关性和回归分析，并提供相应的应用案例。第5章介绍运输规划问题，分析运输问题和资源分配问题。第6章和第7章介绍数据的聚类分析和判别分析的理论与步骤，并提供相应的应用案例。最后一章涵盖了多种数据可视化表达方式，如柱形图、条形图、折线图、组合图、饼图和三维变量可视化，帮助读者更好地理解和呈现分析结果。 本书可作为物流管理、物流工程、交通运输等相关专业学生的教材，也可作为研究生、物流数据分析师及其他相关人员的参考书。

第1章 物流数据基本概述
1.1 物流数据类型介绍
1.2 数据处理基本流程
1.3 数据处理软件介绍
1.3.1 Python介绍
1.3.2 Python IDE介绍
1.3.3 Excel介绍
第2章 数据预处理
2.1 缺失值处理
2.1.1 缺失值处理方法
2.1.2 缺失值处理案例
2.2 异常值处理
2.2.1 异常值检测方法
2.2.2 异常值处理方法
2.2.3 异常值处理案例
2.3 数据标准化处理
2.3.1 数据标准化方法
2.3.2 数据标准化处理案例
第3章 数据分布特征分析
3.1 数据基本特征
3.1.1 均值、中位数与众数
3.1.2 方差与标准差
3.2 数据分布类型
3.2.1 泊松分布
3.2.2 指数分布
3.2.3 正态分布
3.2.4 数据分布特征分析案例
3.3 周期性分析
3.3.1 时间序列分析
3.3.2 傅里叶变换
3.3.3 周期性分析案例
第4章 数据相关性和回归分析
4.1 数据相关性分析理论
4.1.1 相关关系的种类
4.1.2 相关图
4.1.3 相关系数
4.2 数据相关性分析案例
4.3 数据回归分析理论
4.3.1 一元线性回归分析
4.3.2 多元线性回归分析
4.4 数据回归分析案例
第5章 运输规划问题分析
5.1 运输问题
5.1.1 运输问题的数学模型
5.1.2 求解运输问题
5.2 基于动态规划的资源分配问题
5.2.1 资源分配的数学模型
5.2.2 求解资源分配问题
5.3 两个案例
5.3.1 运输问题
5.3.2 资源分配问题
第6章 数据聚类分析
6.1 数据聚类分析理论
6.1.1 均值聚类
6.1.2 DBSCAN
6.1.3 层次聚类
6.2 常见形态数据聚类分析示例
6.2.1 三种常见形态数据介绍
6.2.2 三种聚类方法的处理效果
6.3 交通拥堵程度聚类实例
第7章 数据判别分析
7.1 数据判别分析理论
7.1.1 K-近邻算法
7.1.2 支持向量机
7.1.3 逻辑回归
7.1.4 决策树
7.1.5 朴素贝叶斯
7.1.6 人工神经网络
7.2 测试数据的判别分析示例
7.3 数据集的划分与交叉验证
7.4 数据判别分析案例
第8章 数据可视化表达
8.1 示例数据及软件基本绘图方法
8.1.1 示例数据
8.1.2 软件基本绘图方法
8.2 柱形图和条形图
8.2.1 Excel绘图
8.2.2 Python绘图
8.3 折线图和组合图
8.3.1 Excel绘图
8.3.2 Python绘图
8.4 饼图
8.4.1 Excel绘图
8.4.2 Python绘图
8.5 三维变量可视化
8.5.1 Excel绘图
8.5.2 Python绘图
8.6 图表类型选择方法
参考文献