本書共分3章，第1章講述Python基礎(chǔ)知識，包括Python語言基本語法、內(nèi)置數(shù)據(jù)類型、Python控制語句、函數(shù)和文件操作；第2章講述Python數(shù)據(jù)分析，包括Numpy數(shù)值計算基礎(chǔ)、Numpy數(shù)學與算術(shù)函數(shù)、Numpy中的數(shù)據(jù)統(tǒng)計與分析、pandas統(tǒng)計分析基礎(chǔ)、pandas數(shù)據(jù)運算、pandas數(shù)據(jù)載入與預處理；第3章講述數(shù)據(jù)可視化，包括matplotlib繪圖基礎(chǔ)、使用pandas和Seaborn繪圖。 本書完全面向Python 3x，全部案例代碼使用Python 39編寫，本書可以滿足Python初學者及需要學習數(shù)據(jù)分析與可視化的讀者的需求。
本書共分3章，第1章講述Python基礎(chǔ)知識，包括Python語言基本語法、內(nèi)置數(shù)據(jù)類型、Python控制語句、函數(shù)和文件操作；第2章講述Python數(shù)據(jù)分析，包括Numpy數(shù)值計算基礎(chǔ)、Numpy數(shù)學與算術(shù)函數(shù)、Numpy中的數(shù)據(jù)統(tǒng)計與分析、pandas統(tǒng)計分析基礎(chǔ)、pandas數(shù)據(jù)運算、pandas數(shù)據(jù)載入與預處理；第3章講述數(shù)據(jù)可視化，包括matplotlib繪圖基礎(chǔ)、使用pandas和Seaborn繪圖。 本書完全面向Python 3x，全部案例代碼使用Python 39編寫，本書可以滿足Python初學者及需要學習數(shù)據(jù)分析與可視化的讀者的需求。
由于Python的簡潔性、易學性和可擴展性，使得Python受到了越來越多的關(guān)注，越來越多的計算機專業(yè)和非專業(yè)人員都開始學習Python。尤其是Python數(shù)據(jù)分析領(lǐng)域，在過去20年里得到了長足的發(fā)展，利用Python進行數(shù)據(jù)分析，就一定要介紹Numpy、pandas和matplotlib這三個擴展庫。本書正是基于這樣的初衷，將Python基礎(chǔ)和數(shù)據(jù)分析的三個擴展庫進行了詳細的介紹，供學習Python數(shù)據(jù)分析的人員參考。
全書共分為3章，第1章為Python基礎(chǔ)，包括Python語言基本語法、內(nèi)置數(shù)據(jù)類型、Python控制語句、函數(shù)和文件操作；第2章為Python數(shù)據(jù)分析，包括Numpy數(shù)值計算基礎(chǔ)、Numpy數(shù)學函數(shù)、算術(shù)函數(shù)、隨機函數(shù)、統(tǒng)計函數(shù)、排序函數(shù)、條件篩選函數(shù)、Pandas統(tǒng)計分析基礎(chǔ)、pandas數(shù)據(jù)運算、pandas數(shù)據(jù)載入與預處理；第3章為數(shù)據(jù)可視化，包括matplotlib繪圖基礎(chǔ)、使用pandas和seaborn繪制各種圖形。
本書完全面向Python 3.x，全部案例代碼使用Python 3.9編寫，本書可以滿足Python初學者及需要學習數(shù)據(jù)分析與可視化的讀者的需求。
本書在撰寫過程中，得到了許多老師的幫助，在此表示衷心的感謝。由于學識淺陋，書中難免有疏漏之處，敬請讀者批評指正。
編者2021年7月
第1章Python基礎(chǔ)1
1.1Python語言基本語法3
1.1.1Python的編程方式3
1.1.2Python語句的縮進4
1.1.3Python引號4
1.1.4Python標識符5
1.1.5Python關(guān)鍵字5
1.1.6Python變量5
1.2內(nèi)置數(shù)據(jù)類型7
1.2.1Python數(shù)據(jù)類型7
1.2.2運算符和表達式11
1.2.3Python序列類型14
1.3Python控制語句54
1.3.1Python條件語句54
1.3.2Python循環(huán)語句56
1.3.3break和continue語句59
1.4函數(shù)61
1.4.1值傳遞與引用傳遞63
1.4.2位置參數(shù)64
1.4.3關(guān)鍵字參數(shù)64
1.4.4可變長度參數(shù)65
1.4.5函數(shù)的返回值66
1.4.6變量的作用域67
1.5文件操作69
1.5.1打開文件69
1.5.2讀取文件70
1.5.3寫文件71
1.5.4關(guān)閉文件71
1.5.5文件定位72
第2章Python數(shù)據(jù)分析73
2.1NumPy數(shù)值計算基礎(chǔ)75
2.1.1NumPy創(chuàng)建數(shù)組75
2.1.2NumPy切片和索引83
2.1.3NumPy數(shù)組運算86
2.2NumPy數(shù)學與算術(shù)函數(shù)89
2.2.1數(shù)組函數(shù)89
2.2.2數(shù)學函數(shù)98
2.2.3NumPy算術(shù)函數(shù)100
2.2.4NumPy隨機函數(shù)104
2.3NumPy中的數(shù)據(jù)統(tǒng)計與分析109
2.3.1統(tǒng)計函數(shù)109
2.3.2NumPy排序、條件篩選函數(shù)114
2.4pandas統(tǒng)計分析基礎(chǔ)119
2.4.1Series和DataFrame119
2.4.2pandas的基本操作124
2.4.3pandas基本功能130
2.4.4pandas統(tǒng)計函數(shù)134
2.4.5pandas函數(shù)運算137
2.5pandas數(shù)據(jù)運算140
2.5.1pandas迭代140
2.5.2pandas排序142
2.5.3pandas缺失數(shù)據(jù)處理146
2.5.4pandas日期功能148
2.5.5pandas數(shù)據(jù)離散化150
2.6pandas數(shù)據(jù)載入與預處理152
2.6.1讀取csv文件152
2.6.2讀取Excel文件154
第3章數(shù)據(jù)可視化159
3.1matplotlib繪圖基礎(chǔ)161
3.1.1Pyplot模塊161
3.1.2添加子圖164
3.2使用pandas和Seaborn繪圖169
3.2.1折線圖169
3.2.2柱狀圖170
3.2.3直方圖和密度圖172
3.2.4散點圖174
3.2.5餅圖175
參考文獻177
書單推薦
