目录

第1章初识Python1

1.1Python是什么1

1.2图解Windows操作系统下安装Python的步骤1

1.2.1下载Python安装程序1

1.2.2安装Python环境1

1.3第一个Python程序6

1.4安装Anaconda8

1.5Anaconda初体验12

1.5.1Anaconda Prompt12

1.5.2集成开发环境Spyder的使用13

1.5.3管理虚拟环境14

习题16

第2章Python基础17

2.1变量、常量、数据类型与运算符17

2.1.1变量与常量17

2.1.2数据类型19

2.1.3运算符23

2.2Python常用的内置函数28

2.2.1数学函数28

2.2.2类型转换函数28

2.2.3字符串函数29

2.3列表30

2.3.1创建列表30

2.3.2添加列表元素30

2.3.3删减列表元素32

2.3.4列表切片33

2.3.5列表之间的运算35

2.3.6列表常用的操作函数36

2.3.7二维列表37

2.4元组38

2.4.1创建元组38

2.4.2删除元组39

2.4.3访问元组40

2.4.4元组常用的操作函数41

2.5字典42

2.5.1创建字典42

2.5.2访问字典里的值43

2.5.3删除字典与删除字典元素44

2.5.4修改字典46

2.6控制流47

2.6.1输出语句47

2.6.2顺序结构49

2.6.3分支结构50

2.6.4循环结构53

习题59

第3章函数与模块65

3.1函数65

3.1.1自定义函数65

3.1.2实参与形参68

3.1.3变量的作用域70

3.1.4lambda表达式70

3.1.5案例精选71

3.2模块73

3.2.1导入模块的方法74

3.2.2常用的几个内置模块76

3.2.3创建自己的模块78

3.3数值计算模块numpy79

3.3.1创建ndarray数组79

3.3.2数组的基本索引和切片82

3.3.3数组的转置84

3.3.4常用的统计方法84

3.3.5数组的去重及集合运算86

3.3.6生成随机数87

3.3.7改变数组形态88

3.3.8数组的组合和分割89

3.3.9创建矩阵92

3.3.10矩阵乘法94

3.3.11矩阵的转置和逆95

3.3.12方阵的迹95

3.3.13计算矩阵的秩96

3.3.14计算矩阵的特征值和特征向量96

3.4类的定义与使用97

习题99

第4章数据处理基础103

4.1获取数据103

4.1.1爬虫简介103

4.1.2数据抓取实践109

4.2pandas模块112

4.2.1Series类型112

4.2.2DataFrame类型113

4.3导入外部数据116

4.3.1导入.csv 文件 116

4.3.2导入.xlsx 文件117

4.3.3导入.txt 文件118

4.3.4利用head 预览前几行120

4.4数据预处理120

4.4.1查看缺失值120

4.4.2删除缺失值121

4.4.3填充缺失值122

4.4.4重复值处理123

4.4.5合并数据124

4.4.6数据统计127

4.4.7保存数据到本地128

4.5sklearn提供的自带数据集129

习题131

第5章Python绘图及数据可视化134

5.1matplotlib库基础 134

5.1.1创建画布134

5.1.2绘制图形函数137

5.1.3保存图形138

5.2plt.plot()绘图138

5.3划分子图144

5.4条形图150

5.4.1简单条形图151

5.4.2多组条形图152

5.4.3叠加条形图153

5.4.4给条形图添加图例154

5.4.5在条形图柱上显示数值155

5.5散点图156

5.6饼图162

5.7直方图165

5.8箱线图166

5.8.1简单箱线图167

5.8.2并列绘制多个箱线图168

5.8.3对数据框中每列绘制箱线图169

5.9小提琴图170

5.10热力图171

5.11词云图177

5.12利用可视化结果分析大数据应用实例182

习题187

第6章Python的聚类分析方法189

6.1机器学习库sklearn简介189

6.2KMeans聚类算法190

6.2.1sklearn.cluster中的KMeans用法190

6.2.2使用make_blobs()方法生成测试数据193

6.2.3使用CalinskiHarabasz指数评价聚类结果194

6.3层次聚类196

6.3.1利用sklearn中的AgglomerativeClustering类实现层次聚类196

6.3.2利用scipy中的hierarchy绘制层次聚类树199

6.4基于密度的聚类方法203

6.5谱聚类算法205

6.6Birch聚类算法207

6.7调参209

6.8使用sklearn构建聚类模型综合实例212

6.8.1划分数据集212

6.8.2数据预处理214

6.8.3数据降维217

6.8.4对预处理后的数据进行聚类分析219

习题222

第7章Python的分类算法223

7.1K最近邻分类器223

7.2支持向量机分类器230

7.2.1SVC230

7.2.2非线性SVM——NuSVC232

7.2.3线性SVM——LinearSVC234

7.3朴素贝叶斯分类器239

7.3.1GaussianNB239

7.3.2MultinomialNB241

7.3.3BernoulliNB242

7.4分类模型评估245

7.5分类器应用实例——文本分类的实现251

习题253

第8章Pyhton的回归算法254

8.1最小二乘线性回归254

8.2Lasso模型260

8.3岭回归266

8.4逻辑回归268

8.5回归模型评估270

习题273

第9章Python决策树与随机森林274

9.1分类决策树276

9.2导出决策树数据并绘制决策树图形278

9.3回归决策树282

9.4随机森林的实现285

9.4.1RandomForestClassifier286

9.4.2特征的重要性评估289

9.4.3RandomForestRegressor291

9.5交叉验证294

9.5.1cross_val_score()评估模型295

9.5.2sklearn.model_selection.KFold302

9.6综合实例303

9.6.1UCI数据库简介303

9.6.2综合实例——糖尿病预测306

习题309

参考文献310