Python数据分析、挖掘与可视化 慕课版 董付国 著 大中专 文轩网

第1章Python开发环境的搭建与编码规范1
1.1Python开发环境的搭建与使用1
1.1.1IDLE2
1.1.2Anaconda33
1.1.3安装扩展库4
1.2Python编码规范5
1.3标准库、扩展库对象的导入与使用7
1.3.1import模块名[as别名]7
1.3.2from模块名import对象名[as别名]7
1.3.3from模块名import*8
本章知识要点8
本章习题9
第2章数据类型、运算符与内置函数10
2.1常用内置数据类型10
2.1.1整数、浮点数、复数11
2.1.2列表、元组、字典、集合12
2.1.3字符串13
2.2运算符与表达式14
2.2.1算术运算符15
2.2.2关系运算符17
2.2.3成员测试运算符18
2.2.4集合运算符18
2.2.5逻辑运算符18
2.3常用内置函数19
2.3.1类型转换21
2.3.2优选值、最小值22
2.3.3元素数量、求和23
2.3.4排序、逆序24
2.3.5基本输入/输出25
2.3.6range()26
2.3.7zip()26
2.3.8map()、reduce()、filter()27
2.4综合应用与例题解析28
本章知识要点29
本章习题30
第3章列表、元组、字典、集合与字符串31
3.1列表与列表推导式31
3.1.1创建列表31
3.1.2使用下标访问列表中的元素32
3.1.3列表常用方法33
3.1.4列表推导式34
3.1.5切片操作35
3.2元组与生成器表达式36
3.2.1元组与列表的区别36
3.2.2生成器表达式36
3.2.3序列解包37
3.3字典37
3.3.1字典元素的访问38
3.3.2字典元素的修改、添加与删除39
3.4集合39
3.4.1集合概述39
3.4.2集合常用方法40
3.5字符串常用方法40
3.5.1encode()41
3.5.2format()41
3.5.3index()、rindex()、count()42
3.5.4replace()、maketrans()、translate()42
3.5.5ljust()、rjust()、center()43
3.5.6split()、rsplit()、join()43
3.5.7lower()、upper()、capitalize()、title()、swapcase()44
3.5.8startswith()、endswith()44
3.5.9strip()、rstrip()、lstrip()44
3.6综合应用与例题解析45
本章知识要点47
本章习题47
第4章选择结构、循环结构、函数定义与使用49
4.1选择结构49
4.1.1条件表达式49
4.1.2单分支选择结构50
4.1.3双分支选择结构50
4.1.4嵌套的分支结构50
4.2循环结构51
4.2.1for循环51
4.2.2while循环51
4.2.3break与continue语句52
4.3函数定义与使用52
4.3.1函数定义基本语法52
4.3.2lambda表达式52
4.3.3递归函数53
4.3.4生成器函数53
4.3.5位置参数、默认值参数、关键参数、可变长度参数54
4.3.6变量作用域55
4.4综合应用与例题解析56
本章知识要点57
本章习题58
第5章文件操作59
5.1文件操作基础59
5.1.1内置函数open()59
5.1.2文件对象常用方法60
5.1.3上下文管理语句with61
5.2JSON文件操作61
5.3CSV文件操作62
5.4Word、Excel、PowerPoint文件操作实战63
本章知识要点65
本章习题65
第6章numpy数组与矩阵运算67
6.1numpy数组及其运算67
6.1.1创建数组67
6.1.2测试两个数组的对应元素是否足够接近69
6.1.3修改数组中的元素值70
6.1.4数组与标量的运算71
6.1.5数组与数组的运算71
6.1.6数组排序72
6.1.7数组的内积运算73
6.1.8访问数组中的元素73
6.1.9数组对函数运算的支持74
6.1.10改变数组形状75
6.1.11数组布尔运算76
6.1.12分段函数77
6.1.13数组堆叠与合并78
6.2矩阵生成与常用操作79
6.2.1矩阵生成79
6.2.2矩阵转置79
6.2.3查看矩阵特征80
6.2.4矩阵乘法81
6.2.5计算相关系数矩阵81
6.2.6计算方差、协方差、标准差82
6.3计算特征值与特征向量82
6.4计算逆矩阵83
6.5求解线性方程组84
6.6计算向量和矩阵的范数85
6.7奇异值分解86
6.8函数向量化87
本章知识要点88
本章习题88
第7章pandas数据分析实战91
7.1pandas常用数据类型91
7.1.1一维数组与常用操作92
7.1.2时间序列与常用操作96
7.1.3二维数组DataFrame99
7.2DataFrame数据处理与分析实战101
7.2.1读取Excel文件中的数据101
7.2.2筛选符合特定条件的数据103
7.2.3查看数据特征和统计信息106
7.2.4按不同标准对数据排序108
7.2.5使用分组与聚合对员工业绩进行汇总110
7.2.6处理超市交易数据中的异常值114
7.2.7处理超市交易数据中的缺失值115
7.2.8处理超市交易数据中的重复值117
7.2.9使用数据差分查看员工业绩波动情况118
7.2.10使用透视表与交叉表查看业绩汇总数据119
7.2.11使用重采样技术按时间段查看员工业绩123
7.2.12多索引相关技术与操作125
7.2.13使用标准差与协方差分析员工业绩127
7.2.14使用pandas的属性接口实现高级功能130
7.2.15绘制各员工在不同柜台业绩平均值的柱状图132
7.2.16查看DataFrame的内存占用情况134
7.2.17数据拆分与合并135
本章知识要点139
本章习题140
第8章sklearn机器学习实战141
8.1机器学习基本概念141
8.2机器学习库sklearn简介147
8.2.1扩展库sklearn常用模块与对象147
8.2.2选择合适的模型和算法149
8.3线性回归算法的原理与应用149
8.3.1线性回归模型的原理149
8.3.2sklearn中线性回归模型的简单应用150
8.3.3岭回归的基本原理与sklearn实现151
8.3.4套索回归Lasso的基本原理与sklearn实现152
8.3.5弹性网络ElasticNet的基本原理与sklearn实现153
8.3.6使用线性回归模型预测儿童身高153
8.4逻辑回归算法的原理与应用155
8.4.1逻辑回归算法的原理与sklearn实现155
8.4.2使用逻辑回归算法预测考试能否及格157
8.5朴素贝叶斯算法的原理与应用158
8.5.1基本概念158
8.5.2朴素贝叶斯算法分类的原理与sklearn实现160
8.5.3使用朴素贝叶斯算法对中文邮件进行分类161
8.6决策树与随机森林算法的应用163
8.6.1基本概念163
8.6.2决策树算法原理与sklearn实现163
8.6.3随机森林算法原理与sklearn实现166
8.6.4使用决策树算法判断学员的Python水平168
8.7支持向量机算法原理与应用170
8.7.1支持向量机算法基本原理与sklearn实现170
8.7.2使用支持向量机对手写数字图像进行分类172
8.8KNN算法原理与应用175
8.8.1KNN算法的基本原理与sklearn实现175
8.8.2使用KNN算法判断交通工具类型177
8.9KMeans聚类算法原理与应用178
8.9.1KMeans聚类算法的基本原理与sklearn实现178
8.9.2使用KMeans算法压缩图像颜色181
8.10分层聚类算法原理与应用182
8.11DBSCAN算法原理与应用184
8.12使用协同过滤算法进行电影推荐187
8.13关联规则分析原理与应用189
8.13.1关联规则分析原理与基本概念189
8.13.2使用关联规则分析演员关系190
8.14数据降维192
8.15交叉验证与网格搜索195
8.15.1使用交叉验证评估模型泛化能力195
8.15.2使用网格搜索确定模型很好参数197
本章知识要点199
本章习题200
第9章matplotlib数据可视化实战201
9.1数据可视化库matplotlib基础201
9.2绘制折线图实战202
9.3绘制散点图实战205
9.4绘制柱状图实战208
9.5绘制饼状图实战212
9.6绘制雷达图实战215
9.7绘制三维图形实战218
9.8绘图区域切分实战224
9.9设置图例样式实战225
9.10事件响应与处理实战229
9.11填充图形244
9.12保存绘图结果246
本章知识要点247
本章习题247
部分习题答案248
第1章Python开发环境搭建与编码规范248
第2章数据类型、运算符与内置函数248
第3章列表、元组、字典、集合与字符串249
第4章选择结构、循环结构、函数定义与使用251
第5章文件操作253
第6章numpy数组与矩阵运算254
第7章pandas数据分析实战255
附录A运算符、内置函数对常用内置对象的支持情况表257
附录BPython关键字清单258
附录C常用标准库对象速查表260
附录D常用Python扩展库清单263
参考文献264