Python3智能数据分析快速入门

本书从逻辑上可分为两大部分。

第一部分是Python编程基础（第1~4章），介绍了Python环境搭建、Python基础语法、控制语句、函数、面向对象编程等。第1章旨在让读者从全局把握Python，了解利用Python进行智能数据分析的优势，并详细介绍了Python环境搭建与配置，同时还对两个常用集成开发环境做了详细介绍。第2章先对Python固定语法做了介绍，包括编码声明、注释、缩进等；而后介绍了Python常见的数据类型，包括str、list、tuple、dict、set等；还介绍了Python常用运算符，包括算术运算符、逻辑运算符、成员运算符、位运算符等。第3章主要对控制语句做了详细介绍，包括条件语句和循环语句，同时还介绍了和条件语句类似的异常处理try-except-else语句。第4章主要介绍了Python的内置函数、自定义函数、面向对象编...

(展开全部)

本书从逻辑上可分为两大部分。

第一部分是Python编程基础（第1~4章），介绍了Python环境搭建、Python基础语法、控制语句、函数、面向对象编程等。第1章旨在让读者从全局把握Python，了解利用Python进行智能数据分析的优势，并详细介绍了Python环境搭建与配置，同时还对两个常用集成开发环境做了详细介绍。第2章先对Python固定语法做了介绍，包括编码声明、注释、缩进等；而后介绍了Python常见的数据类型，包括str、list、tuple、dict、set等；还介绍了Python常用运算符，包括算术运算符、逻辑运算符、成员运算符、位运算符等。第3章主要对控制语句做了详细介绍，包括条件语句和循环语句，同时还介绍了和条件语句类似的异常处理try-except-else语句。第4章主要介绍了Python的内置函数、自定义函数、面向对象编程以及第三方库的安装与使用方法。

第二部分是数据分析编程（第5~9章），主要对数据分析中常用的第三方库做了详细介绍，强调在Python中对应函数的使用方法及其结果的解释说明。内容涵盖数值分析库NumPy，数据处理库pandas，绘图库Matplotlib、Seaborn、Bokeh，机器学习与数据分析建模库scikit-learn。这一部分涉及数据读取、数据预处理、模型构建、模型评价、结果可视化，几乎涵盖了整个数据分析过程，充分而又详细地说明了Python数据分析的常用操作，相信在本书的指导下，读者能够从零开始快速数据入门分析。

李明江　资深大数据专家，贵州省计算机学会常务理事，黔南州大数据专家委员会委员，黔南州计算机学会会长，黔南州教育信息化建设专家库专家，黔南民族师范学院计算机与信息学院院长。主持过多项省厅级科研项目，并在《计算机应用研究》《科技通报》上发表过多篇 大数据分析与数据挖掘相关技术的研究论文，著有《数据挖掘的应用与实践：案例与探析》《计算机网络技术与应用》等。

张良均　资深大数据挖掘与分析专家、模式识别专家、AI技术专家。有10余年大数据挖掘与分析经验，擅长Python、R、Hadoop、Matlab等技术实现的数据挖掘与分析，对机器学习等AI技术驱动的数据分析也有深入研究。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务，实践经验非常丰富。华南师范大学、中南财经政法大学、广东工业大学、西安...

(展开全部)

李明江　资深大数据专家，贵州省计算机学会常务理事，黔南州大数据专家委员会委员，黔南州计算机学会会长，黔南州教育信息化建设专家库专家，黔南民族师范学院计算机与信息学院院长。主持过多项省厅级科研项目，并在《计算机应用研究》《科技通报》上发表过多篇 大数据分析与数据挖掘相关技术的研究论文，著有《数据挖掘的应用与实践：案例与探析》《计算机网络技术与应用》等。

张良均　资深大数据挖掘与分析专家、模式识别专家、AI技术专家。有10余年大数据挖掘与分析经验，擅长Python、R、Hadoop、Matlab等技术实现的数据挖掘与分析，对机器学习等AI技术驱动的数据分析也有深入研究。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务，实践经验非常丰富。华南师范大学、中南财经政法大学、广东工业大学、西安理工大学、广西科技大学、重庆交通大学、桂林电子科技大学等校外硕导。撰写了《Python数据分析与挖掘实战》《R语言数据分析与挖掘实战》《数据挖掘：实用案例分析》《Hadoop大数据分析与挖掘实战》等多部畅销书，累计销量近20万册。

前言
第1章　Python概述 1
1.1　Python语言介绍 1
1.1.1　Python的发展史 1
1.1.2　Python特性 2
1.1.3　Python应用领域 3
· · · · · · (更多)

前言
第1章　Python概述 1
1.1　Python语言介绍 1
1.1.1　Python的发展史 1
1.1.2　Python特性 2
1.1.3　Python应用领域 3
1.1.4　Python机器学习优势 6
1.2　Python环境配置 8
1.2.1　Python 2还是Python 3 8
1.2.2　Anaconda简介 8
1.2.3　安装Anaconda 3 9
1.3　Python的解释器与IDE 12
1.3.1　Python的解释器 13
1.3.2　Python各IDE比较 13
1.3.3　PyCharm的安装与使用 16
1.3.4　Jupyter Notebook的使用 26
小结 32
课后习题 33
第2章　Python基础知识 34
2.1　固定语法 34
2.1.1　声明与注释 34
2.1.2　缩进与多行语句 36
2.1.3　保留字符与赋值 38
2.2　运算符 40
2.2.1　算术运算符 40
2.2.2　赋值运算符 41
2.2.3　比较运算符 43
2.2.4　逻辑运算符 44
2.2.5　按位运算符 44
2.2.6　身份运算符 45
2.2.7　成员运算符 46
2.2.8　运算符优先级 47
2.3　数据类型 48
2.3.1　基础数据类型 48
2.3.2　复合数据类型 55
2.4　Python I/O 63
2.4.1　input与print 64
2.4.2　文件I/O 67
小结 70
课后习题 70
第3章　控制语句 72
3.1　条件语句 72
3.1.1　if、elif与else 73
3.1.2　try、except与else 76
3.2　循环语句 80
3.2.1　for 81
3.2.2　while 83
3.2.3　break、continue与pass 85
3.2.4　列表推导式 89
小结 91
课后习题 91
第4章　函数与对象 94
4.1　函数 94
4.1.1　内置函数 94
4.1.2　自定义函数 101
4.1.3　匿名函数 107
4.2　对象 109
4.2.1　面向对象简介 109
4.2.2　属性与方法 110
4.2.3　装饰器 116
4.2.4　继承和多态 119
4.3　Python常用库安装 126
4.3.1　第三方库安装 126
4.3.2　第三方库导入 130
4.3.3　第三方库创建 131
小结 132
课后习题 133
第5章　NumPy数值计算 135
5.1　ndarray创建与索引 135
5.1.1　创建ndarray对象 135
5.1.2　ndarray的索引与切片 142
5.2　ndarray的基础操作 145
5.2.1　变换ndarray的形态 145
5.2.2　排序与搜索 151
5.2.3　字符串操作 156
5.3　ufunc 159
5.3.1　ufunc的广播机制 159
5.3.2　常用ufunc 160
5.4　matrix与线性代数 169
5.4.1　创建NumPy矩阵 169
5.4.2　矩阵的属性和基本运算 170
5.4.3　线性代数运算 172
5.5　NumPy文件读写 175
5.5.1　二进制文件读写 175
5.5.2　文件列表形式数据读写 178
小结 180
课后习题 180
第6章　pandas基础 182
6.1　pandas常用类 182
6.1.1　Series 182
6.1.2　DataFrame 187
6.1.3　Index 191
6.2　DataFrame基础操作 193
6.2.1　索引 193
6.2.2　排序 201
6.2.3　合并 204
6.3　其他数据类型操作 210
6.3.1　时间操作 210
6.3.2　文本操作 220
6.3.3　category操作 223
小结 227
课后习题 227
第7章　pandas进阶 229
7.1　数据读取与写入 229
7.1.1　CSV 229
7.1.2　Excel 231
7.1.3　数据库 233
7.2　DataFrame进阶 235
7.2.1　统计分析 235
7.2.2　分组运算 242
7.2.3　透视表和交叉表 248
7.3　数据准备 250
7.3.1　缺失值处理 251
7.3.2　重复数据处理 255
7.3.3　连续特征离散化处理 256
7.3.4　哑变量处理 259
小结 260
课后习题 260
第8章　绘图 263
8.1　Matplotlib绘图基础 263
8.1.1　编码风格 263
8.1.2　动态rc参数 267
8.1.3　散点图 273
8.1.4　折线图 276
8.1.5　饼图 278
8.1.6　直方图与条形图 280
8.1.7　箱线图 282
8.2　Seaborn进阶绘图 285
8.2.1　Seaborn基础 285
8.2.2　关系图 301
8.2.3　分类图 311
8.2.4　分布图 329
8.2.5　回归图 334
8.2.6　矩阵图 341
8.2.7　网格图 345
8.3　Bokeh交互式绘图 356
8.3.1　基本构成与语法 356
8.3.2　常见图形绘制 370
8.3.3　导出与嵌入 375
8.3.4　运行Bokeh应用程序 379
小结 381
习题 381
第9章　scikit-learn 383
9.1　数据准备 383
9.1.1　标准化 383
9.1.2　归一化 387
9.1.3　二值化 388
9.1.4　独热编码 389
9.2　降维 391
9.2.1　PCA 392
9.2.2　随机投影 396
9.2.3　字典学习 402
9.2.4　独立成分分析 408
9.2.5　非负矩阵分解 412
9.2.6　线性判别分析 416
9.3　聚类 420
9.3.1　K-Means 421
9.3.2　层次聚类 424
9.3.3　DBSCAN 427
9.3.4　高斯混合模型 430
9.4　分类 434
9.4.1　Logistic回归 435
9.4.2　支持向量机 439
9.4.3　决策树 443
9.4.4　最近邻 447
9.4.5　朴素贝叶斯 450
9.4.6　随机森林 452
9.4.7　多层感知机 456
9.5　回归 460
9.5.1　最小二乘回归 461
9.5.2　岭回归 464
9.5.3　Lasso回归 466
9.5.4　决策树回归 468
9.5.5　随机森林回归 471
9.5.6　多层感知机回归 473
9.6　模型选择 476
9.6.1　数据集划分 476
9.6.2　交叉验证 478
9.6.3　自动调参 479
9.6.4　模型评估 481
小结 486
课后习题 487
· · · · · · (收起)