第 1章 數(shù)據(jù)分析概述　1 1.1　數(shù)據(jù)的性質(zhì)　1 1.1.1　數(shù)據(jù)的概念　1 1.1.2　數(shù)據(jù)的類型　1 1.2　數(shù)據(jù)分析　2 1.2.1　數(shù)據(jù)分析的概念　2 1.2.2　數(shù)據(jù)分析的過程　2 1.2.3　數(shù)據(jù)分析的作用　5 1.2.4　數(shù)據(jù)分析的常用工具　5 本章小結(jié)　5 思考練習　6 第　2章 Python與數(shù)據(jù)分析　7 2.1　Python簡介　7 2.1.1　Python語言的特點　7 2.1.2　Python解釋器　8 2.2　Python與數(shù)據(jù)分析的關(guān)系　8 2.3　Python數(shù)據(jù)分析常用的類庫　8 2.4　Python開發(fā)環(huán)境的搭建　10 2.5　Python集成開發(fā)環(huán)境的搭建　13 2.5.1　PyCharm的安裝與使用　13 2.5.2　Jupyter Notebook的安裝與 使用　19 項目實踐　25 本章小結(jié)　25 思考練習　25 第3章 Python語言基礎(chǔ)　26 3.1　Python基礎(chǔ)語法　26 3.1.1　Python的語法規(guī)則　26 3.1.2　常量、變量與標準數(shù)據(jù)類型　29 3.1.3　第 一個Python程序　30 3.2　Python的數(shù)據(jù)類型　31 3.2.1　數(shù)字　31 3.2.2　字符串　33 3.2.3　Python的數(shù)據(jù)結(jié)構(gòu)組成　36 3.2.4　列表　36 3.2.5　元組　40 3.2.6　字典　43 3.2.7　集合　48 3.3　Python流程控制語句　50 3.3.1　if條件語句　51 3.3.2　while循環(huán)控制語句　52 3.3.3　for循環(huán)控制語句　53 3.3.4　range()函數(shù)的作用　53 3.3.5　break、continue、pass語句　54 3.4　Python的函數(shù)　55 3.4.1　自定義函數(shù)　55 3.4.2　設(shè)置函數(shù)參數(shù)　55 3.4.3　返回函數(shù)值　57 3.4.4　調(diào)用自定義函數(shù)　57 3.4.5　局部變量和全局變量　58 3.4.6　函數(shù)嵌套　59 3.4.7　匿名函數(shù)　60 項目實踐　60 本章小結(jié)　62 思考練習　62 第4章 NumPy數(shù)組與矢量計算　64 4.1　NumPy概述　64 4.1.1　NumPy簡介　64 4.1.2　NumPy的安裝與測試　65 4.1.3　SciPy簡介及其安裝與測試　65 4.1.4　NumPy的簡單應用：一維 數(shù)組相加　66 4.2　NumPy數(shù)組對象　67 4.2.1　創(chuàng)建數(shù)組對象　68 4.2.2　選取數(shù)組元素　68 4.2.3　數(shù)組的屬性　68 4.2.4　創(chuàng)建數(shù)組的其他方法　69 4.2.5　NumPy的數(shù)據(jù)類型　70 4.3　NumPy數(shù)組操作　72 4.3.1　數(shù)組的索引和切片　72 4.3.2　修改數(shù)組形狀　74 4.3.3　數(shù)組的展平　75 4.3.4　數(shù)組轉(zhuǎn)置和軸對換　76 4.3.5　數(shù)組的連接　77 4.3.6　數(shù)組的分割　78 4.3.7　數(shù)組轉(zhuǎn)換　79 4.3.8　添加/刪除數(shù)組元素　79 4.4　NumPy數(shù)組的矢量計算　81 4.4.1　數(shù)組的運算　81 4.4.2　通用函數(shù)（ufunc）　83 4.5　NumPy矩陣創(chuàng)建、計算及 操作　84 4.6　隨機數(shù)的生成　87 項目實踐　89 本章小結(jié)　90 思考練習　90 第5章 用NumPy進行簡單統(tǒng)計 分析　91 5.1　文件讀寫操作　91 5.1.1　使用NumPy讀寫文本文件　91 5.1.2　使用NumPy讀寫二進制格式 文件　93 5.1.3　使用NumPy讀寫多維數(shù)據(jù) 文件　94 5.2　NumPy常用的統(tǒng)計函數(shù)　94 5.3　使用NumPy函數(shù)進行統(tǒng)計 分析　98 5.3.1　NumPy的排序函數(shù)　98 5.3.2　NumPy的去重與重復函數(shù)　100 5.3.3　NumPy的搜索和計數(shù)函數(shù)　102 5.4　簡單的統(tǒng)計分析　103 項目實踐　106 本章小結(jié)　107 思考練習　107 第6章 數(shù)據(jù)可視化—— Matplotlib庫　109 6.1　Matplotlib概述　109 6.1.1　Matplotlib簡介　109 6.1.2　Matplotlib的測試、安裝與 導入　110 6.1.3　IPython及pylab模式　111 6.2　使用pyplot創(chuàng)建圖形　111 6.2.1　創(chuàng)建簡單圖形　111 6.2.2　創(chuàng)建子圖　114 6.3　Matplotlib參數(shù)配置　115 6.3.1　matplotlibrc配置文件　115 6.3.2　設(shè)置動態(tài)rc參數(shù)　116 6.4　分析變量間關(guān)系圖　117 6.4.1　繪制散點圖　117 6.4.2　繪制折線圖　119 6.5　分析變量數(shù)據(jù)分布和分散 狀況　120 6.5.1　繪制直方圖　120 6.5.2　繪制柱狀圖　122 6.5.3　繪制餅圖　123 6.5.4　繪制箱線圖　125 項目實踐　126 本章小結(jié)　127 思考練習　127 第7章 pandas數(shù)據(jù)分析基礎(chǔ)　128 7.1　pandas概述　128 7.1.1　pandas簡介　128 7.1.2　pandas測試、安裝與 導入　129 7.2　pandas的數(shù)據(jù)結(jié)構(gòu)及常用 操作　130 7.2.1　Series對象及常用操作　130 7.2.2　DataFrame對象及常用 操作　134 7.3　pandas的索引　141 7.3.1　Index索引對象　141 7.3.2　Index對象的屬性和方法　141 7.3.3　重新索引　143 7.3.4　層級索引　144 7.4　pandas數(shù)據(jù)結(jié)構(gòu)之間的 運算　148 7.4.1　算術(shù)和數(shù)據(jù)對齊　148 7.4.2　算術(shù)運算方法　149 7.4.3　DataFrame與Series對象 之間的運算　150 7.5　pandas的函數(shù)應用　151 7.5.1　數(shù)據(jù)篩選　151 7.5.2　apply()函數(shù)　151 7.5.3　數(shù)據(jù)統(tǒng)計函數(shù)　153 7.5.4　DataFrame格式化函數(shù)　153 7.5.5　排序和排名　154 7.6　數(shù)據(jù)讀取與寫入　156 7.6.1　讀/寫文本文件　156 7.6.2　讀/寫Excel文件　158 7.6.3　讀/寫數(shù)據(jù)庫文件　159 7.6.4　讀/寫JSON文件　162 7.7　數(shù)據(jù)分析方法　163 7.7.1　基本統(tǒng)計分析　163 7.7.2　分組分析　164 7.7.3　分布分析　165 7.7.4　交叉分析　166 7.7.5　結(jié)構(gòu)分析　168 7.7.6　相關(guān)分析　169 項目實踐　171 本章小結(jié)　171 思考練習　172 第8章 用pandas進行數(shù)據(jù) 預處理　173 8.1　數(shù)據(jù)清洗　173 8.1.1　重復值的處理　173 8.1.2　缺失值的處理　174 8.1.3　異常值的處理　177 8.2　數(shù)據(jù)合并　178 8.2.1　按鍵連接數(shù)據(jù)　179 8.2.2　沿軸連接數(shù)據(jù)　181 8.2.3　合并重疊數(shù)據(jù)　184 8.3　數(shù)據(jù)抽取　185 8.3.1　字段抽取與拆分　185 8.3.2　記錄抽取　186 8.4　重塑層次化索引　187 8.5　映射與數(shù)據(jù)轉(zhuǎn)換　188 8.5.1　用映射替換元素　189 8.5.2　用映射添加元素　190 8.5.3　重命名軸索引　190 8.6　排列與隨機抽樣　191 8.7　日期轉(zhuǎn)換、日期格式化和日期
抽取　192 8.8　字符串處理　194 8.8.1　內(nèi)置的字符串處理方法　194 8.8.2　正則表達式　196 8.8.3　矢量化的字符串函數(shù)　201 項目實踐　203 本章小結(jié)　204 思考練習　204 第9章 機器學習庫scikit-learn 入門　206 9.1　機器學習概述　206 9.2　scikit-learn概述　208 9.2.1　scikit-learn介紹　208 9.2.2　scikit-learn測試、安裝和 導入　209 9.3　第 一個機器學習程序　209 9.4　使用scikit-learn進行機器 學習　210 9.4.1　Seaborn繪圖　210 9.4.2　準備數(shù)據(jù)集　215 9.4.3　選擇模型　220 9.4.4　調(diào)整參數(shù)訓練和測試模型　223 項目實踐　226 本章小結(jié)　228 思考練習　228 第　10章 電影數(shù)據(jù)分析項目　230 10.1　項目描述　230 10.2　準備數(shù)據(jù)　231 10.3　數(shù)據(jù)清洗　231 10.4　數(shù)據(jù)分析與數(shù)據(jù)可視化　232 本章小結(jié)　238 思考練習　238 參考文獻　239