Python快樂編程：數(shù)據(jù)分析與實戰(zhàn)

第1章數(shù)據(jù)分析概述

1.1初步認(rèn)識數(shù)據(jù)分析

1．2數(shù)據(jù)分析的基本流程

1．3Python數(shù)據(jù)分析的工具

1．4Jupyter Notebook的基本使用

1．4．1下載與安裝

1．4．2功能界面

1．4．3工作原理

1．4．4基本使用

1．4．5高級操作

小結(jié)

習(xí)題


第2章IPython的使用

2.1IPython基礎(chǔ)

2．1．1IPython簡介

2．1．2IPython使用技巧

2．1．3IPython魔術(shù)命令

2．2IPython中的開發(fā)工具

2．2．1調(diào)試器

2．2．2性能分析

小結(jié)

習(xí)題


第3章NumPy的使用

3.1數(shù)組的使用

3．1．1數(shù)組的創(chuàng)建

3．1．2數(shù)組的屬性

3．1．3數(shù)組的運算

3．1．4數(shù)組的索引

3．1．5數(shù)組的變換


3．2矩陣的使用

3．2．1矩陣的創(chuàng)建

3．2．2矩陣的合并

3．2．3矩陣的運算

3．2．4矩陣的屬性


3．3NumPy實用技巧

3．3．1通用函數(shù)的使用

3．3．2數(shù)據(jù)的保存和讀取

3．3．3隨機數(shù)生成

3．3．4NumPy與數(shù)據(jù)統(tǒng)計


小結(jié)

習(xí)題








第4章Pandas的使用

4．1Pandas的數(shù)據(jù)結(jié)構(gòu)

4．1．1Series對象的創(chuàng)建

4．1．2Series對象的屬性

4．1．3DataFrame對象的創(chuàng)建

4．1．4DataFrame對象的屬性

4．2Pandas的索引對象

4．2．1Series 索引的基本使用

4．2．2重建索引

4．2．3索引的基本選取和過濾

4．3Pandas的基本計算

4．3．1算術(shù)運算和數(shù)據(jù)對齊

4．3．2自定義函數(shù)

4．3．3排序

4．3．4重復(fù)索引的基本使用

4．4Pandas的統(tǒng)計功能

4．4．1統(tǒng)計使用的基本函數(shù)

4．4．2常用統(tǒng)計方法

4．5Pandas的數(shù)據(jù)缺陷處理

4．5．1dropna處理Series數(shù)據(jù)缺陷

4．5．2dropna處理DataFrame數(shù)據(jù)缺陷

4．5．3fill進行數(shù)據(jù)添加

4．6Pandas的層次化索引

4．6．1基本創(chuàng)建

4．6．2重排分級

4．6．3根據(jù)級別進行匯報

4．6．4DataFrame數(shù)據(jù)列的使用

4．7Pandas的文件讀取

4．7．1讀取/存儲Excel文件

4．7．2讀取/存儲CSV文件

4．7．3讀寫數(shù)據(jù)庫

4．7．4讀取HDF5文件

小結(jié)

習(xí)題




第5章Matplotlib的使用

5．1Matplotlib繪圖流程

5．2Matplotlib基本使用

5．2．1創(chuàng)建畫布

5．2．2添加子圖

5．2．3規(guī)定刻度與標(biāo)簽

5．2．4添加圖例

5．2．5顯示

5．3Matplotlib常用技巧

5．3．1配置文件

5．3．2rc參數(shù)的基本配置

5．3．3中文顯示配置

5．4Matplotlib基本圖形

5．4．1Matplotlib繪制散點圖

5．4．2Matplotlib繪制直方圖

5．4．3Matplotlib繪制餅狀圖

5．4．4Matplotlib繪制折線圖

5．4．5Matplotlib繪制箱型圖

小結(jié)

習(xí)題


第6章時間序列分析

6．1時間對象——Timestamp

6．1．1創(chuàng)建時間戳

6．1．2指定與轉(zhuǎn)換時區(qū)

6．1．3最小時間/最大時間

6．1．4常用屬性

6．2時間對象——Period

6．2．1Period對象的創(chuàng)建

6．2．2Period對象的屬性

6．2．3Period對象的方法

6．3時間對象——Timedelta

6．3．1Timedelta對象的創(chuàng)建

6．3．2Timedelta對象的屬性

6．3．3Timedelta對象的方法

6．3．4時間間隔的基本運算

6．4DateTimeIndex對象

6．4．1DateTimeIndex對象的創(chuàng)建

6．4．2DateTimeIndex對象的屬性

6．4．3DateTimeIndex對象的方法

6．5PeriodIndex對象

6．5．1PeriodIndex對象的創(chuàng)建

6．5．2PeriodIndex對象的屬性

6．5．3PeriodIndex對象的方法

6．6TimedeltaIndex對象

6．6．1TimedeltaIndex對象的創(chuàng)建

6．6．2TimedeltaIndex對象的屬性

6．6．3TimedeltaIndex對象的方法

6．7采樣

6．7．1采樣的基本方法

6．7．2降采樣

6．7．3升采樣

小結(jié)

習(xí)題



第7章數(shù)據(jù)處理的基本手段

7．1合并數(shù)據(jù)集

7．1．1主鍵合并數(shù)據(jù)

7．1．2軸向數(shù)據(jù)合并

7．1．3重疊數(shù)據(jù)的合并

7．1．4索引鍵的合并

7．2數(shù)據(jù)清洗

7．2．1重復(fù)值的處理

7．2．2異常值的處理

7．2．3缺失值的處理

7．3數(shù)據(jù)標(biāo)準(zhǔn)化

7．3．1最小最大標(biāo)準(zhǔn)化

7．3．2Zscore標(biāo)準(zhǔn)化

7．3．3按小數(shù)定標(biāo)標(biāo)準(zhǔn)化

7．4數(shù)據(jù)類型的轉(zhuǎn)換

7．4．1離散化連續(xù)數(shù)據(jù)

7．4．2啞變量處理類型數(shù)據(jù)

小結(jié)

習(xí)題


第8章基于文本的自然語言分析

8．1基于文本的自然語言處理概述

8．2Jieba基本介紹和使用

8．2．1基本介紹

8．2．2安裝

8．2．3基本使用

8．3NLTK的基本介紹和使用

8．3．1NLTK的基本介紹

8．3．2NLTK的安裝

8．3．3NLTK基本使用

8．4文本相似度

8．4．1相似度分析

8．4．2基于NLTK的文本相似度分析

8．4．3基于Gensim的文本相似度分析

8．5情感分析

8．5．1情感分析概述

8．5．2基于樸素貝葉斯的分析

8．5．3基于情感詞典的分析

8．6文本分類

小結(jié)

習(xí)題


第9章ScikitLearn數(shù)據(jù)建模

9．1數(shù)據(jù)建模的基本概述

9．1．1ScikitLearn的基本介紹

9．1．2數(shù)據(jù)建模的基本流程

9．2回歸模型的應(yīng)用與評價

9．2．1回歸模型的應(yīng)用

9．2．2回歸模型的評價

9．2．3回歸模型的可視化

9．3聚類模型的應(yīng)用與評價

9．3．1聚類模型的創(chuàng)建

9．3．2聚類模型的評價

9．3．3聚類模型可視化

9．4分類模型的應(yīng)用與評價

9．4．1創(chuàng)建分類模型

9．4．2分類模型的評價

小結(jié)

習(xí)題



第10章數(shù)據(jù)可視化進階

10．1Seaborn

10．1．1安裝

10．1．2可視化數(shù)據(jù)集

10．1．3分類數(shù)據(jù)集

10．2Bokeh

10．2．1安裝

10．2．2柱狀圖

10．2．3散點圖

10．2．4折線圖

10．2．5時間軸

10．3Pyecharts

10．3．1安裝

10．3．2基本配置

10．3．3儀表圖繪制

10．3．4關(guān)系圖

10．3．5平行坐標(biāo)系

10．3．6餅狀圖

10．3．7詞云圖

10．3．8地理地圖

10．4空間可視化

10．4．1空間散點圖

10．4．2空間柱狀體

小結(jié)

習(xí)題


第11章數(shù)據(jù)分析案例——就業(yè)分析

11．1項目案例分析

11．2數(shù)據(jù)獲取

11．3數(shù)據(jù)處理

11．3．1數(shù)據(jù)類型的轉(zhuǎn)換

11．3．2去除重復(fù)值

11．3．3缺失值處理

11．4數(shù)據(jù)分析

小結(jié)