Python数据分析基础教程电子书

扉页

版权页

内容提要

前言

第1章 数据分析概述

1.1 数据的性质

1.1.1 数据的概念

1.1.2 数据的类型

1.2 数据分析

1.2.1 数据分析的概念

1.2.2 数据分析的过程

1.2.3 数据分析的作用

1.2.4 数据分析的常用工具

本章小结

思考练习

第2章 Python与数据分析

2.1 Python简介

2.1.1 Python语言的特点

2.1.2 Python解释器

2.2 Python与数据分析的关系

2.3 Python数据分析常用的类库

2.4 Python开发环境的搭建

2.5 Python集成开发环境的搭建

2.5.1 PyCharm的安装与使用

2.5.2 Jupyter Notebook的安装与使用

项目实践

本章小结

思考练习

第3章 Python语言基础

3.1 Python基础语法

3.1.1 Python的语法规则

3.1.2 常量、变量与标准数据类型

3.1.3 第一个Python程序

3.2 Python的数据类型

3.2.1 数字

3.2.2 字符串

3.2.3 Python的数据结构组成

3.2.4 列表

3.2.5 元组

3.2.6 字典

3.2.7 集合

3.3 Python流程控制语句

3.3.1 if条件语句

3.3.2 while循环控制语句

3.3.3 for循环控制语句

3.3.4 range()函数的作用

3.3.5 break、continue、pass语句

3.4 Python的函数

3.4.1 自定义函数

3.4.2 设置函数参数

3.4.3 返回函数值

3.4.4 调用自定义函数

3.4.5 局部变量和全局变量

3.4.6 函数嵌套

3.4.7 匿名函数

项目实践

本章小结

思考练习

第4章 NumPy数组与矢量计算

4.1 NumPy概述

4.1.1 NumPy简介

4.1.2 NumPy的安装与测试

4.1.3 SciPy简介及其安装与测试

4.1.4 NumPy的简单应用：一维数组相加

4.2 NumPy数组对象

4.2.1 创建数组对象

4.2.2 选取数组元素

4.2.3 数组的属性

4.2.4 创建数组的其他方法

4.2.5 NumPy的数据类型

4.3 NumPy数组操作

4.3.1 数组的索引和切片

4.3.2 修改数组形状

4.3.3 数组的展平

4.3.4 数组转置和轴对换

4.3.5 数组的连接

4.3.6 数组的分割

4.3.7 数组转换

4.3.8 添加/删除数组元素

4.4 NumPy数组的矢量计算

4.4.1 数组的运算

4.4.2 通用函数（ufunc）

4.5 NumPy矩阵创建、计算及操作

4.6 随机数的生成

项目实践

本章小结

思考练习

第5章 用NumPy进行简单统计分析

5.1 文件读写操作

5.1.1 使用NumPy读写文本文件

5.1.2 使用NumPy读写二进制格式文件

5.1.3 使用NumPy读写多维数据文件

5.2 NumPy常用的统计函数

5.3 使用NumPy函数进行统计分析

5.3.1 NumPy的排序函数

5.3.2 NumPy的去重与重复函数

5.3.3 NumPy的搜索和计数函数

5.4 简单的统计分析

项目实践

本章小结

思考练习

第6章 数据可视化——Matplotlib库

6.1 Matplotlib概述

6.1.1 Matplotlib简介

6.1.2 Matplotlib的测试、安装与导入

6.1.3 IPython及pylab模式

6.2 使用pyplot创建图形

6.2.1 创建简单图形

6.2.2 创建子图

6.3 Matplotlib参数配置

6.3.1 matplotlibrc配置文件

6.3.2 设置动态rc参数

6.4 分析变量间关系图

6.4.1 绘制散点图

6.4.2 绘制折线图

6.5 分析变量数据分布和分散状况

6.5.1 绘制直方图

6.5.2 绘制柱状图

6.5.3 绘制饼图

6.5.4 绘制箱线图

项目实践

本章小结

思考练习

第7章 pandas数据分析基础

7.1 pandas概述

7.1.1 pandas简介

7.1.2 pandas测试、安装与导入

7.2 pandas的数据结构及常用操作

7.2.1 Series对象及常用操作

7.2.2 DataFrame对象及常用操作

7.3 pandas的索引

7.3.1 Index索引对象

7.3.2 Index对象的属性和方法

7.3.3 重新索引

7.3.4 层级索引

7.4 pandas数据结构之间的运算

7.4.1 算术和数据对齐

7.4.2 算术运算方法

7.4.3 DataFrame与Series对象之间的运算

7.5 pandas的函数应用

7.5.1 数据筛选

7.5.2 apply()函数

7.5.3 数据统计函数

7.5.4 DataFrame格式化函数

7.5.5 排序和排名

7.6 数据读取与写入

7.6.1 读/写文本文件

7.6.2 读/写Excel文件

7.6.3 读/写数据库文件

7.6.4 读/写JSON文件

7.7 数据分析方法

7.7.1 基本统计分析

7.7.2 分组分析

7.7.3 分布分析

7.7.4 交叉分析

7.7.5 结构分析

7.7.6 相关分析

项目实践

本章小结

思考练习

第8章 用pandas进行数据预处理

8.1 数据清洗

8.1.1 重复值的处理

8.1.2 缺失值的处理

8.1.3 异常值的处理

8.2 数据合并

8.2.1 按键连接数据

8.2.2 沿轴连接数据

8.2.3 合并重叠数据

8.3 数据抽取

8.3.1 字段抽取与拆分

8.3.2 记录抽取

8.4 重塑层次化索引

8.5 映射与数据转换

8.5.1 用映射替换元素

8.5.2 用映射添加元素

8.5.3 重命名轴索引

8.6 排列与随机抽样

8.7 日期转换、日期格式化和日期抽取

8.8 字符串处理

8.8.1 内置的字符串处理方法

8.8.2 正则表达式

8.8.3 矢量化的字符串函数

项目实践

本章小结

思考练习

第9章 机器学习库scikit-learn入门

9.1 机器学习概述

9.2 scikit-learn概述

9.2.1 scikit-learn介绍

9.2.2 scikit-learn测试、安装和导入

9.3 第一个机器学习程序

9.4 使用scikit-learn进行机器学习

9.4.1 Seaborn绘图

9.4.2 准备数据集

9.4.3 选择模型

9.4.4 调整参数训练和测试模型

项目实践

本章小结

思考练习

第10章 电影数据分析项目

10.1 项目描述

10.2 准备数据

10.3 数据清洗

10.4 数据分析与数据可视化

本章小结

思考练习

参考文献