Python数据分析与数据可视化电子书

前言

第1章 数据分析与数据可视化

1.1 数据分析与数据可视化概述

1.1.1 数据、信息与数据分析

1.1.2 数据可视化

1.1.3 数据分析与数据可视化的关系

1.2 数据分析的一般步骤

1.2.1 明确分析目的与框架

1.2.2 数据收集

1.2.3 数据处理

1.2.4 数据分析

1.2.5 数据展现

1.2.6 撰写报告

1.3 常用数据分析方法

1.3.1 聚类分析（Cluster Analysis）

1.3.2 因子分析（Factor Analysis）

1.3.3 相关分析（Correlation Analysis）

1.3.4 对应分析（Correspondence Analysis）

1.3.5 回归分析（Regressive Analysis）

1.3.6 方差分析（Variance Analysis）

1.4 数据分析与数据可视化常用工具

1.4.1 Microsoft Excel

1.4.2 R语言

1.4.3 Python语言

1.4.4 SAS软件

1.4.5 SPSS

1.4.6 专用的数据可视化分析工具

本章练习

第2章 Python与数据分析、数据可视化

2.1 数据分析与数据可视化的利器：Python

2.1.1 Python是什么

2.1.2 Python的特点

2.1.3 Python可以做什么

2.2 基于Python的数据分析与数据可视化工具

2.2.1 NumPy库

2.2.2 Pandas库

2.2.3 Matplotlib库

2.2.4 Seaborn库

2.2.5 Scikit-learn库

2.3 Python数据分析初上手

2.3.1 数据的导入

2.3.2 数据的导出

2.3.3 数据预处理

2.3.4 数据的选择和运算

2.3.5 数据可视化

本章练习

第3章 Python程序设计基础

3.1 Python的安装

3.1.1 Python解释器的安装

3.1.2 PyCharm集成开发环境的安装

3.1.3 Python包管理工具pip

3.1.4 Python相关的文件

3.2 Python语法基础

3.2.1 注释

3.2.2 关键字

3.2.3 标识符

3.2.4 内置常量

3.2.5 内置函数

3.3 Python引用

3.3.1 名字空间

3.3.2 模块的导入与使用

3.4 Python的基本数据类型

3.5 Python的运算符与表达式

3.6 Python的代码编写规范

本章练习

第4章 Python程序设计进阶

4.1 Python数据结构、程序流程控制、函数与文件

4.1.1 Python数据结构

4.1.2 Python程序流程控制

4.1.3 异常处理

4.1.4 函数

4.1.5 文件

4.2 Python面向对象程序设计

4.2.1 类

4.2.2 类方法、实例方法、静态方法

4.2.3 对象

4.2.4 封装、继承、多态

4.2.5 面向对象案例精析

本章练习

第5章 用NumPy生成和处理数据

5.1 NumPy的安装

5.2 NumPy入门

5.2.1 数值计算

5.2.2 是否使用NumPy的运行时间对比

5.2.3 数组和矩阵计算

5.3 NumPy数组操作相关函数

5.4 NumPy数学函数

5.4.1 NumPy数学函数基础

5.4.2 NumPy统计函数

5.4.3 NumPy向量和矩阵函数

5.5 NumPy数据分类案例

5.5.1 线性回归的基本概念

5.5.2 损失函数的设置

5.5.3 Python程序实现

本章练习

第6章 用Pandas分析数据

6.1 Pandas

6.1.1 Pandas的由来

6.1.2 安装Pandas库

6.2 Series

6.2.1 创建Series对象

6.2.2 Series属性

6.2.3 Series常用方法

6.2.4 Series对象数据绘图

6.3 DataFrame

6.3.1 DataFrame的概念

6.3.2 创建DataFrame对象

6.3.3 DataFrame的属性

6.3.4 DataFrame索引和切片

6.3.5 DataFrame数据分析

6.3.6 DataFrame对象数据可视化

6.4 基于BankMarketing数据集的营销活动分析

6.4.1 数据集概述和数据结构

6.4.2 数据的基本信息

6.4.3 客户数据分析

6.4.4 营销活动数据分析

6.4.5 完整代码及运行结果

本章练习

第7章 Scikit-learn机器学习基础

7.1 机器学习的算法和模型

7.1.1 特征变量和目标变量

7.1.2 模型训练

7.1.3 过拟合和欠拟合

7.1.4 模型性能度量

7.2 Scikit-learn的功能

7.2.1 分类

7.2.2 回归

7.2.3 聚类

7.2.4 数据降维

7.2.5 模型选择

7.2.6 数据预处理

7.3 Scikit-learn的常用模块

7.3.1 安装Scikit-learn

7.3.2 Scikit-learn常用模块介绍

7.4 Scikit-learn的使用

7.4.1 数据集的导入和处理

7.4.2 数据集切分

7.4.3 数值数据的标准化

7.4.4 数值数据的归一化

7.4.5 核心对象类型：评估器

7.4.6 高级特性：管道

7.4.7 模型保存

7.5 使用Scikit-learn实现线性回归建模

本章练习

第8章 用Matplotlib实现数据可视化

8.1 Matplotlib基础

8.2 Matplotlib常见绘图属性

8.2.1 创建绘图区域

8.2.2 设定绘图参数

8.2.3 设置字体及子图布局

8.2.4 其他绘图设置

8.3 Matplotlib基本绘图

8.3.1 折线图

8.3.2 散点图

8.3.3 双轴图

8.3.4 条形图

8.3.5 直方图

8.3.6 饼图

8.3.7 箱型图

8.3.8 泡泡图

8.3.9 等高线图

8.3.10 3D曲线图

8.3.11 3D散点图

8.3.12 3D等高线图

8.3.13 3D线框图

8.3.14 3D曲面图

8.4 Matplotlib绘制交互式动态图形

8.4.1 Matplotlib的事件响应

8.4.2 Matplotlib常用事件

8.4.3 使用Matplotlib绘制动态图形

8.5 使用NumPy、Pandas、Matplotlib进行电影数据分析与数据可视化

8.5.1 获取数据

8.5.2 绘制电影评分分布图

8.5.3 绘制电影时长分布图

8.5.4 统计电影分类

本章练习

参考文献