描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787302651758
Python作为一种强大且易于学习的编程语言，已经成为数据分析的首选工具。《Python数据分析快速上手》是一本为初学者、职场人士以及对数据分析感兴趣的读者量身打造的快速上手指南。
《Python数据分析快速上手》通过通俗易懂的语言，将复杂的数据分析概念简化，使您能够轻松掌握Python在数据分析中的应用。书中详细介绍了Python基础知识，以及如何使用NumPy、Pandas、SciPy强大的库进行数据处理和分析，使用Matplotlib进行数据可视化，以及使用Scikit-learn和机器学习算法进行数据分析等内容。
《Python数据分析快速上手》每一章针对知识点都提供了大量示例，便于读者边学边练，每个实例都配有详细的代码注释，帮助您理解每一行代码的作用，从而加深对数据分析技术的理解和掌握。为了进一步加强学习体验，《Python数据分析快速上手》还提供了示例的教学视频、PPT课件和全书示例源码，无论您是自学还是作为课堂教学的辅助材料，都将大大提升您的学习效率。
无论您是数据分析的新手，还是希望提升现有技能的职场人士，或是对数据分析充满热情的学生，《Python数据分析快速上手》都将帮助您建立扎实的Python数据分析基础，引导您探索数据分析的广阔天地，开启数据洞察之旅。
《Python数据分析快速上手》通过通俗易懂的语言、丰富多彩的实例，详细介绍了使用Python进行数据分析应该掌握的各方面技术。本书内容包括Python基础，用NumPy进行数据计算，用Pandas进行数据分析，用SciPy进行数据分析，用Scikit-learn进行数据分析、数据预处理、数据可视化，用Matplotlib进行可视化等内容。本书示例丰富，所有涉及的程序代码都给出了详细的注释，读者可以轻松学习，快速提升开发技能。除此之外，本书还附配了教学视频、PPT课件和全书示例源码。
《Python数据分析快速上手》适合数据分析的初学者、职场人士和所有对数据分析感兴趣的人员阅读，也适合作为大中专院校相关专业的教学用书。
目 录
第1章 构建Python开发环境 1
1.1 理解数据分析 1
1.1.1 数据分析是什么 1
1.1.2 数据分析的步骤 2
1.2 安装Python及开发工具 3
1.2.1 安装Python 3 3
1.2.2 安装第三方开发工具 5
1.2.3 认识Python程序 5
1.3 Python语言基础 6
1.3.1 初识Python语法 6
1.3.2 保留字与标识符 9
1.3.3 变量 10
1.3.4 基本数据类型 11
1.3.5 运算符 14
1.3.6 基本输入与输出 18
1.4 从文件中读取数据 19
1.4.1 Python读取CSV文件 19
1.4.2 Python读取JSON文件 20
1.4.3 Python读取数据库文件 21
1.4.4 Python保存数据文件 22
1.5 本章小结 24
1.6 动手练习 24
第2章 控制语句 25
2.1 程序结构 25
2.2 选择语句 26
2.2.1 if语句 26
2.2.2 if…else语句 26
2.2.3 if…elif…else语句 27
2.2.4 if语句的嵌套 28
2.3 条件表达式 29
2.4 循环语句 30
2.4.1 while循环 30
2.4.2 for循环 30
2.4.3 循环嵌套 32
2.5 跳转语句 33
2.5.1 continue语句 33
2.5.2 break语句 34
2.6 pass语句 35
2.7 本章小结 35
2.8 动手练习 35
第3章 序列 37
3.1 序列概述 37
3.1.1 索引 37
3.1.2 切片 38
3.1.3 序列相加 38
3.1.4 乘法 39
3.1.5 检查某个元素是不是序列的成员 39
3.1.6 计算序列的长度、最大值和最小值 40
3.2 列表 40
3.2.1 创建与删除列表 40
3.2.2 访问列表元素 42
3.2.3 遍历列表 42
3.2.4 添加、修改和删除列表元素 44
3.2.5 对列表进行统计和计算 46
3.2.6 对列表进行排序 47
3.2.7 列表推导式 49
3.2.8 二维列表的使用 51
3.3 元组 52
3.3.1 创建与删除元组 52
3.3.2 访问元组元素 54
3.3.3 修改元组元素 55
3.3.4 元组推导式 55
3.3.5 元组和列表的区别 56
3.4 字典 56
3.4.1 字典的创建与删除 57
3.4.2 通过“键-值对”访问字典 59
3.4.3 遍历字典 60
3.4.4 添加、修改和删除字典元素 60
3.4.5 字典推导式 61
3.5 集合 61
3.5.1 创建集合 62
3.5.2 添加和删除集合元素 63
3.5.3 集合的交集、并集和差集运算 64
3.5.4 列表、元组、字典和集合的区别 65
3.6 本章小结 65
3.7 动手练习 66
第4章 函数 67
4.1 创建和调用函数 67
4.1.1 创建函数 67
4.1.2 调用函数 69
4.2 函数的参数 69
4.2.1 形式参数和实际参数 69
4.2.2 位置参数 71
4.2.3 关键字参数 71
4.2.4 为参数设置默认值 72
4.2.5 可变参数 74
4.2.6 Python中参数的总结 75
4.3 返回值 76
4.4 变量的作用域 78
4.4.1 局部变量 78
4.4.2 全局变量 78
4.5 匿名函数 78
4.6 程序模块化 80
4.6.1 模块概述 80
4.6.2 自定义模块 80
4.6.3 模块的搜索目录 83
4.7 Python中的包 84
4.7.1 python程序的包结构 84
4.7.2 创建和使用包 84
4.8 引用其他模块 87
4.8.1 导入和使用模块标准 87
4.8.2 第三方模块的下载与安装 87
4.9 本章小结 89
4.10 动手练习 90
第5章 字符串及正则表达式 91
5.1 字符串的常用操作 91
5.1.1 拼接字符串 91
5.1.2 计算字符串长度 92
5.1.3 截取字符串 93
5.1.4 分割、合并字符串 94
5.1.5 检索字符串 96
5.1.6 字符串大小写转换 98
5.1.7 去除字符串中的空格和特殊字符 99
5.2 字符串编码转换 101
5.2.1 encode()方法对字符串编码 102
5.2.2 decode()方法对字符串解码 103
5.3 正则表达式基础 103
5.3.1 元字符 104
5.3.2 行定位符 108
5.3.3 字符类 108
5.3.4 排除字符 108
5.3.5 选择字符 109
5.3.6 转义字符 109
5.3.7 分组 109
5.3.8 正则表达式语法 110
5.4 re模块 110
5.4.1 匹配字符串 110
5.4.2 替换字符串 112
5.4.3 分割字符串 113
5.5 本章小结 113
5.6 动手练习 114
第6章 用NumPy进行数据计算 115
6.1 安装NumPy 115
6.2 NumPy数组 117
6.2.1 ndarray数组基础及实例 118
6.2.2 矩阵 125
6.2.3 NumPy线性代数相关函数 126
6.3 NumPy函数 129
6.3.1 字符串函数及实例 129
6.3.2 数学函数及实例 134
6.3.3 算术函数 137
6.3.4 统计函数 140
6.3.5 排序条件筛选函数 146
6.4 本章小结 152
6.5 动手练习 152
第7章 用Pandas进行数据处理 153
7.1 安装Pandas 153
7.2 Pandas数据结构 154
7.2.1 Pandas数据结构—Series 154
7.2.2 Pandas数据结构—DataFrame 157
7.3 Pandas数据清洗 161
7.3.1 清洗空值 162
7.3.2 清洗格式错误数据 166
7.3.3 清洗错误数据 167
7.3.4 清洗重复数据 168
7.4 本章小结 170
7.5 动手练习 170
第8章 用SciPy进行科学计算 171
8.1 安装SciPy 171
8.2 SciPy数学模块 172
8.2.1 SciPy常量模块 172
8.2.2 SciPy优化模块 175
8.2.3 SciPy稀疏矩阵模块 177
8.2.4 SciPy图结构 180
8.2.5 SciPy插值模块 188
8.3 SciPy工程模块 191
8.3.1 SciPy Matlab数组 192
8.3.2 Scipy 显著性检验 195
8.4 本章小结 200
8.5 动手练习 200
第9章 Matplotlib数据可视化 202
9.1 安装Matplotlib 202
9.2 Matplotlib绘图基础 202
9.2.1 Matplotlib Pyplot模块 203
9.2.2 Matplotlib绘图标记 210
9.2.3 Matplotlib绘制图线 215
9.2.4 Matplotlib轴标签和标题 219
9.3 Matplotlib网格线 222
9.4 Matplotlib绘制图形 225
9.4.1 Matplotlib绘制多个子图 225
9.4.2 Matplotlib 散点图及实例 230
9.4.3 Matplotlib柱形图 237
9.4.4 Matplotlib饼图 241
9.5 本章小结 243
9.6 动手练习 244
第10章 用Scikit-learn进行数据分析 246
10.1 Scikit-learn简介 246
10.1.1 安装 Scikit-learn 246
10.1.2 机器学习和Scikit-learn库 247
10.2 利用Scikit-learn进行数据分析的方法 248
10.2.1 决策树（Decision Trees (DTs)） 248
10.2.2 支持向量机 253
10.2.3 朴素贝叶斯 258
10.3 聚类 260
10.3.1 概述 260
10.3.2 K-means 260
10.3.3 层次聚类 262
10.4 时间序列 266
10.4.1 时间序列概念 266
10.4.2 ARMA模型预测案例 266
10.5 主成分分析 274
10.5.1 主成分分析的概念 274
10.5.2 主成分分析案例 274
10.6 本章小结 279
10.7 动手练习 280
第11章 数据分析案例 281
11.1 案例1：IMDB电影数据分析 281
11.1.1 案例描述 281
11.1.2 准备数据 282
11.1.3 数据清洗 283
11.1.4 数据分析与数据可视化 283
11.1.5 思考练习 290
11.2 案例2：二手房房价预测分析 290
11.2.1 案例描述 290
11.2.2 系统设计 291
11.2.3 技术准备 292
11.2.4 二手房数据分析 294
11.2.5 案例小结 302
在当今这个信息爆炸的时代，数据已经成为我们生活中不可或缺的一部分。从社交媒体到电子商务，从医疗健康到金融投资，数据分析无处不在，它已经成为各行各业的核心竞争力。然而，对于许多初学者来说，数据分析似乎是一门高深莫测的学问，让人望而生畏。为了帮助初学者快速掌握数据分析的技能，我们编写了这本《Python数据分析快速上手》。
本书的特色在于通俗易懂的语言和丰富多彩的实例。我们深知数据分析的学习曲线较为陡峭，因此特意采用了简洁明了的文字表述，力求让读者能够轻松理解。同时，我们还通过大量的实例来展示如何运用Python进行数据分析，让读者在学习过程中能够不断地巩固所学知识，提高自己的实际操作能力。
本书的内容涵盖了使用Python进行数据分析应该掌握的各方面技术。首先，从Python基础开始讲解，让读者熟悉Python的基本语法和常用库。接下来，详细介绍如何使用NumPy进行数据计算，包括数组、矩阵运算等。在此基础上，进一步讲解如何使用Pandas进行数据分析，包括数据读取、数据筛选、数据排序等。此外，还介绍如何使用SciPy进行数据分析，包括插值、拟合、优化等。为了让读者能够更好地应用机器学习算法进行数据分析，讲解如何使用Scikit-learn进行数据分析，包括分类、回归、聚类等。在数据处理的过程中，讲解数据预处理的方法，包括缺失值处理、异常值处理等。为了让读者能够更直观地了解数据分析的结果，讲解数据可视化的方法，包括折线图、柱状图、散点图等。最后，详细介绍如何使用Matplotlib进行可视化，让读者能够根据自己的需求绘制出美观的图表。书中还给出了项目实例，演示数据分析的工作流程，以使读者了解在面对实际数据时应如何运用所学工具和方法开展工作，从而提升实战技能。
本书面向的读者主要是数据分析初学者，包括在校学生、职场新人以及对数据分析感兴趣的其他人士。只要你对数据分析感兴趣，都可以从本书中获益。通过阅读本书，你将能够掌握使用Python进行数据分析的基本技能，为自己的职业生涯增添一项重要的竞争力。
本书还提供了丰富的学习资源，包括示例源码、PPT课件和教学视频，扫描下方二维码即可下载。如果读者在使用本书过程中遇到问题，可发邮件至[email protected]，邮件主题为“Python数据分析快速上手”。
限于编者水平，书中难免存在疏漏之处，敬请广大读者指正。
编 者
2023年12月
评论
还没有评论。