Python数据分析从小白到专家

本书共13章，主要内容涵盖Python语法及数据分析方法。第1章主要介绍数据分析的概念，使读者有一个大致的印象，并简单介绍本书频繁使用的Python的5个第三方库。第2章主要做一些准备工作，手把手带读者搭建Python环境，包括Python 3.7.6的安装和pip的安装。第3章介绍Python编程基础。第4章到第7章介绍使用Python行简单数据分析的基础库，包括NumPy、Pandas和Matplotlib库，并介绍使用正则表达式处理数据的方法。第8章到第13章属于阶内容，但也是Python数据分析的基础，结合机器学习介绍一些常见的用于数据分析的机器学习算法及常用的数学模型。
【推荐语】
系统：讲解了11 种数据分析方法，拿来就用 图示：全书包括100多张图表，方便读者学习 深：剖析NumPy、Pandas、Matplotlib的使用方法 案例：全书包括142个案例，都附有详细源代码 本书核心知识： Python数据分析概述 1. 数据分析的概念 2. 数据分析与Python的联系（为什么使用Python来行数据分析？） Python基础 3. Python和pip的安装以及pip的使用 4. Python 3与Python 2的区别 5. Python数据分析常用的第三方库简介 6. Python编程基础（常见类型、分支、循环） 7. lambda函数介绍和Python实战：印输出内容的函数 Python数据分析常用库及必要的数学知识 8. 线性代数知识 9. 数理统计知识 10. NumPy库常用方法介绍 11. 使用NumPy库实现各种线性代数的操作 12. 正则表达式模块简介 13. Pandas库常用方法介绍 14. CSV文件的处理与非CSV文件的处理 15. Pandas库高级操作：使用DataFrame类型处理数据 16. Matplotlib库简述 17. 实战：使用Matplotlib库绘制各种图表 数据分析相关的机器学习算法 18. 一元线性回归：切比雪夫准则（理论和代码实现） 19. 一元线性回归：*小二乘法（理论和代码实现） 20. 逻辑回归和Sigmoid函数（理论和代码实现） 21. 梯度下降法（理论和代码实现） 22. 二元线性回归（理论和代码实现） 23. 随机梯度下降法（理论和代码实现） 24. K-means算法（理论和代码实现） 25. KNN算法（理论和代码实现）
【作者】
田越：曾参加蓝桥杯和ACM等算法竞赛，以及微软公司举办的创新杯竞赛，对于数据分析技术有着执着的追求，善于在学习中发现自己的不足，并将其转化为努力向前的动力。