目录

第1章数据分析与可视化概述

1.1数据分析

1.2数据可视化

1.3数据分析与可视化常用工具

1.4为何选用Python进行数据分析与可视化

1.5Python数据分析与可视化常用类库

1.6Jupyter Notebook的安装和使用

1.6.1Jupyter Notebook的安装

1.6.2Jupyter Notebook的使用

1.7本章小结

1.8本章习题

第2章Python编程基础

2.1Python语言基本语法

2.1.1基础数据类型

2.1.2变量和赋值

2.1.3运算符和表达式

2.1.4字符串

2.1.5流程控制

2.2内置数据类型

2.2.1列表

2.2.2元组

2.2.3字典

2.2.4集合

2.3函数

2.3.1函数的定义

2.3.2lambda函数

2.4文件操作

2.4.1文件处理过程

2.4.2数据的读取方法

2.4.3读取CSV文件

2.4.4文件写入与关闭

2.5本章小结

2.6本章习题

2.7本章实训

第3章NumPy数值计算基础

3.1NumPy多维数组

3.1.1创建数组对象

3.1.2ndarray对象属性和数据转换

3.1.3生成随机数

3.1.4数组变换

3.2数组的索引和切片

3.2.1一维数组的索引

3.2.2多维数组的索引

3.3数组的运算

3.3.1数组和标量间的运算

3.3.2ufunc函数

3.3.3条件逻辑运算

3.3.4数组的集合运算

3.4数组读/写

3.4.1读/写二进制文件

3.4.2读/写文本文件

3.4.3读取CSV文件

3.5NumPy中的数据统计与分析

3.5.1排序

3.5.2重复数据与去重

3.5.3常用统计函数

3.6本章小结

3.7本章习题

3.8本章实训

第4章Pandas统计分析基础

4.1Pandas中的数据结构

4.1.1Series

4.1.2DataFrame

4.1.3索引对象

4.1.4查看DataFrame的常用属性

4.2Pandas索引操作

4.2.1重建索引

4.2.2更换索引

4.3DataFrame数据的查询与编辑

4.3.1DataFrame数据的查询

4.3.2DataFrame数据的编辑

4.4Pandas数据运算

4.4.1算术运算

4.4.2函数应用和映射

4.4.3排序

4.4.4汇总与统计

4.5数据分组与聚合

4.5.1数据分组

4.5.2数据聚合

4.5.3分组运算

4.6数据透视表

4.6.1透视表

4.6.2交叉表

4.7Pandas可视化

4.7.1线形图

4.7.2柱状图

4.7.3直方图和密度图

4.7.4散点图

4.8本章小结

4.9本章习题

4.10本章实训

第5章Pandas数据载入与预处理

5.1数据载入

5.1.1读/写文本文件

5.1.2读/写Excel文件

5.1.3JSON数据的读取与存储

5.1.4读取数据库文件

5.2合并数据

5.2.1merge数据合并

5.2.2concat数据连接

5.2.3combine_first合并数据

5.3数据清洗

5.3.1检测与处理缺失值

5.3.2检测与处理重复值

5.3.3检测与处理异常值

5.3.4数据转换

5.4数据标准化

5.4.1离差标准化数据

5.4.2标准差标准化数据

5.5数据变换与数据离散化

5.5.1类别型数据的哑变量处理

5.5.2连续型变量的离散化

5.6本章小结

5.7本章习题

5.8本章实训

第6章Matplotlib数据可视化基础

6.1Matplotlib简介

6.2Matplotlib绘图基础

6.2.1创建画布与子图

6.2.2添加画布内容

6.2.3绘图的保存与显示

6.3设置Pyplot的动态rc参数

6.3.1全局参数定制

6.3.2rc参数设置

6.3.3绘图的填充

6.3.4在绘图中显示公式

6.3.5文本注解

6.4Pyplot中的常用绘图

6.4.1折线图

6.4.2散点图

6.4.3柱状图

6.4.4饼图

6.4.5箱线图

6.4.6概率图

6.4.7雷达图

6.4.8流向图

6.4.9绘图中的表格设置

6.4.10极坐标图

6.5词云

6.5.1安装相关的包

6.5.2词云生成过程

6.5.3词云生成示例

6.6本章小结

6.7本章习题

6.8本章实训

第7章Seaborn数据可视化

7.1Seaborn简介

7.2风格设置

7.2.1Seaborn绘图设置

7.2.2Seaborn 主题设置

7.2.3设置绘图元素比例

7.3Seaborn中的常用绘图

7.3.1直方图和密度曲线图

7.3.2散点图

7.3.3箱线图

7.3.4散点图矩阵

7.3.5小提琴图

7.3.6柱状图

7.3.7多变量图

7.3.8回归图

7.3.9关系类图

7.3.10热力图

7.4本章小结

7.5本章习题

7.6本章实训

第8章pyecharts数据可视化

8.1pyecharts简介

8.2pyecharts的使用方法

8.3pyecharts常用图表

8.3.1柱状图

8.3.2饼图

8.3.3漏斗图

8.3.4散点图

8.3.5K线图

8.3.6仪表盘

8.3.7词云

8.3.8组合图表

8.3.9桑基图

8.3.10平行坐标图

8.3.11图

8.3.12地图

8.4本章小结

8.5本章习题

8.6本章实训

第9章SciPy科学计算

9.1SciPy中的常数与特殊函数

9.1.1SciPy的constants模块

9.1.2SciPy的special模块

9.2SciPy中的线性代数基本运算 

9.2.1基本的矩阵运算

9.2.2线性方程组求解

9.2.3行列式的计算

9.2.4范数

9.2.5特征值分解

9.2.6奇异值分解 

9.3SciPy中的优化

9.3.1方程求解及求极值

9.3.2数据拟合

9.4SciPy中的稀疏矩阵处理

9.4.1稀疏矩阵的存储

9.4.2稀疏矩阵的运算

9.5SciPy中的图像处理

9.5.1图像平滑

9.5.2图像旋转和锐化

9.6信号处理

9.6.1数据重采样

9.6.2信号的卷积

9.6.3信号的时频分析

9.7本章小结

9.8本章习题

9.9本章实训

第10章统计与机器学习

10.1Scikitlearn的主要功能

10.2回归分析

10.2.1一元线性回归方法

10.2.2多元线性回归

10.2.3多项式回归

10.2.4其他回归

10.3分类

10.3.1逻辑回归

10.3.2决策树规约

10.3.3KNN算法

10.3.4支持向量机

10.3.5朴素贝叶斯分类

10.4聚类

10.4.1KMeans聚类

10.4.2层次聚类

10.4.3基于密度的聚类

10.5主成分分析

10.6本章小结

10.7本章习题

10.8本章实训

第11章时间序列数据分析

11.1日期和时间数据类型

11.1.1datetime构造

11.1.2数据转换

11.2时间序列基础

11.2.1时间序列的构造

11.2.2索引与切片

11.3日期范围、频率和移位

11.3.1日期范围

11.3.2频率和移位

11.4时期

11.4.1时期基础

11.4.2频率转换

11.4.3时期数据转换

11.5重采样、降采样和升采样

11.5.1重采样

11.5.2降采样

11.5.3升采样

11.6时间序列的平稳性检验

11.6.1时序图检验

11.6.2自相关图检验

11.6.3构造统计量检验

11.7时间序列的拟合与预测

11.7.1ARMA模型

11.7.2ARIMA模型

11.7.3SARIMA模型

11.8本章小结

11.9本章习题

11.10本章实训

第12章文本数据分析

12.1文本数据挖掘的过程与任务

12.2文本分析的主要方法

12.3文本分类

12.4文本聚类

12.5文本可视化

12.6本章小结

12.7本章习题

第13章图像数据分析

13.1OpenCV简介与导入

13.1.1OpenCV简介

13.1.2Python中OpenCV的安装与导入

13.2cv2图像处理基础

13.2.1cv2的基本方法与属性

13.2.2cv2图像处理基本方法

13.3图像特征提取

13.3.1尺度不变特征SIFT提取

13.3.2局部二值模式LBP特征提取

13.3.3ORB特征点

13.4本章小结

13.5本章习题

13.6本章实训

第14章综合案例

14.1体检数据分析

14.2全球气温异常数据分析

14.3红酒数据分析