本书共3章。第1章讲述Python基础知识，包括Python语言基本语法、内置数据类型、Python控制语句、函数和文件操作；第2章讲述Python数据分析，包括Numpy数值计算基础、Numpy数学与算术函数、Numpy中的数据统计与分析、pandas统计分析基础、pandas数据运算、pandas数据载入与预处理；第3章讲述数据可视化，包括matplotlib绘图基础、使用pandas和Sea
电子书
内容简介
本书采用理论分析和Python编程实战相结合的形式，按照数据分析与可视化的基本步骤，数据分析与可视化的基本理论知识和相应的Python库进行了详细的介绍，让读者能够在了解基本理论知识的同时快速上手实现数据分析与可视化的程序。
章节目录
- 第1 章数据分析是什么
- 1.1 数据分析与数据挖掘的关系
- 1.2 机器学习与数据分析的关系
- 1.3 数据分析的基本步骤
- 1.4 Python 和数据分析
- 1.5 本章小结
- 第2 章Python——从了解Python 开始
- 2.1 Python 及pandas、scikit-learn、Matplotlib 的安装
- 2.1.1 Windows 操作系统下Python 的安装
- 2.1.2 macOS 下Python 的安装
- 2.1.3 pandas、scikit-learn 和Matplotlib 的安装
- 2.1.4 使用科学计算发行版Python 进行快速安装
- 2.2 Python 基础知识
- 2.2.1 缩进
- 2.2.2 模块化的系统
- 2.2.3 注释
- 2.2.4 语法
- 2.3 重要的Python 库
- 2.3.1 pandas
- 2.3.2 scikit-learn
- 2.3.3 Matplotlib
- 2.3.4 其他
- 2.4 Jupyter
- 2.5 本章小结
- 第3 章数据预处理——不了解数据，一切都是空谈
- 3.1 了解数据
- 3.2 数据质量
- 3.2.1 完整性
- 3.2.2 一致性
- 3.2.3 准确性
- 3.2.4 及时性
- 3.3 数据清洗
- 3.4 特征工程
- 3.4.1 特征选择
- 3.4.2 特征构建
- 3.4.3 特征提取
- 3.5 本章小结
- 第4 章NumPy——数据分析基础工具
- 4.1 多维数组对象：ndarray 对象
- 4.1.1 ndarray 对象的创建
- 4.1.2 ndarray 对象的数据类型
- 4.2 ndarray 对象的索引、切片和迭代
- 4.3 ndarray 对象的shape 操作
- 4.4 ndarray 对象的基础操作
- 4.5 本章小结
- 第5 章pandas——处理结构化数据
- 5.1 基本数据结构
- 5.1.1 Series
- 5.1.2 DataFrame
- 5.2 基于pandas 的Index 对象的访问操作
- 5.2.1 pandas 的Index 对象
- 5.2.2 索引的不同访问方式
- 5.3 数学统计和计算工具
- 5.3.1 统计函数：协方差、相关系数、排序
- 5.3.2 窗口函数
- 5.4 数学聚合和分组运算
- 5.4.1 agg 函数的聚合操作
- 5.4.2 transform 函数的转换操作
- 5.4.3 apply 函数的一般操作
- 5.5 本章小结
- 第6 章数据分析与知识发现——一些常用的方法
- 6.1 分类分析
- 6.1.1 逻辑回归
- 6.1.2 线性判别分析
- 6.1.3 支持向量机
- 6.1.4 决策树
- 6.1.5 k 近邻
- 6.1.6 朴素贝叶斯
- 6.2 关联分析
- 6.2.1 基本概念
- 6.2.2 经典算法
- 6.3 聚类分析
- 6.3.1 k 均值算法
- 6.3.2 DBSCAN
- 6.4 回归分析
- 6.4.1 线性回归分析
- 6.4.2 支持向量回归
- 6.4.3 k 近邻回归
- 6.5 本章小结
- 第7 章scikit-learn——实现数据的分析
- 7.1 分类方法
- 7.1.1 逻辑回归
- 7.1.2 支持向量机
- 7.1.3 最近邻
- 7.1.4 决策树
- 7.1.5 随机梯度下降
- 7.1.6 高斯过程分类
- 7.1.7 多层感知器
- 7.1.8 朴素贝叶斯
- 7.2 回归方法
- 7.2.1 最小二乘法
- 7.2.2 岭回归
- 7.2.3 Lasso 回归
- 7.2.4 贝叶斯岭回归
- 7.2.5 决策树回归
- 7.2.6 高斯过程回归
- 7.2.7 最近邻回归
- 7.3 聚类方法
- 7.3.1 k 均值
- 7.3.2 相似性传播
- 7.3.3 均值漂移
- 7.3.4 谱聚类
- 7.3.5 层次聚类
- 7.3.6 DBSCAN
- 7.3.7 BIRCH
- 7.4 本章小结
- 第8 章Matplotlib——交互式图表绘制
- 8.1 基本布局对象
- 8.2 图表样式的修改以及图表装饰项接口
- 8.3 基础图表绘制
- 8.3.1 直方图
- 8.3.2 散点图
- 8.3.3 饼图
- 8.3.4 柱状图
- 8.3.5 折线图
- 8.3.6 表格
- 8.3.7 不同坐标系下的图像
- 8.4 matplot3D
- 8.5 Matplotlib 与Jupyter 结合
- 8.6 本章小结
- 第9 章实战：影评数据分析与电影推荐
- 9.1 明确目标与数据准备
- 9.1.1 明确目标
- 9.1.2 数据采集与处理
- 9.1.3 工具选择
- 9.2 初步分析
- 9.2.1 用户角度分析
- 9.2.2 电影角度分析
- 9.3 电影推荐
- 9.4 本章小结
- 第10 章实战：汽车贷款违约的数据分析
- 10.1 数据分析常用的Python 库
- 10.2 数据样本分析
- 10.2.1 初步分析样本的所有变量
- 10.2.2 变量类型分析
- 10.2.3 Python 代码实践
- 10.3 数据分析的预处理
- 10.3.1 目标变量探索
- 10.3.2 X 变量初步探索
- 10.3.3 连续变量的缺失值处理
- 10.3.4 分类变量的缺失值处理
- 10.4 数据分析的模型建立与模型评估
- 10.4.1 数据预处理与训练集划分
- 10.4.2 采用回归模型进行数据分析
- 10.4.3 采用决策树模型进行数据分析
- 10.4.4 采用随机森林模型优化决策树模型
- 10.5 本章小结
- 第11 章实战：Python 表格数据分析
- 11.1 背景介绍
- 11.2 前期准备与基本操作
- 11.2.1 基本术语概念说明
- 11.2.2 安装openpyxl 并创建一个工作簿
- 11.2.3 从Excel 工作簿中读取数据
- 11.2.4 迭代访问数据
- 11.2.5 修改与插入数据
- 11.3 进阶内容
- 11.3.1 为Excel 工作簿添加公式
- 11.3.2 为Excel 工作簿添加条件格式
- 11.3.3 为Excel 工作簿添加图表
- 11.4 数据分析实例
- 11.4.1 背景与前期准备
- 11.4.2 使用openpyxl 读取数据并将其转化为Dataframe 对象
- 11.4.3 绘制数值列直方图
- 11.4.4 绘制相关性矩阵
- 11.4.5 绘制散布矩阵
- 11.4.6 将可视化结果插入Excel 工作簿中
- 11.5 本章小结
- 第12 章实战：利用手机的购物评论分析手机特征
- 12.1 项目介绍
- 12.2 从Kaggle 上下载数据
- 12.3 筛选想要的数据
- 12.4 分析数据
- 12.4.1 算法介绍
- 12.4.2 算法应用
- 12.5 本章小结
- 第13 章实战：基于k 近邻模型预测葡萄酒种类的数据分析与可视化
- 13.1 机器学习的模型和数据
- 13.2 k 近邻模型的介绍与初步建立
- 13.2.1 k 近邻模型的初步建立
- 13.2.2 使用专业库建立k 近邻模型
- 13.2.3 使用scikit-learn
- 13.3 数据可视化
- 13.4 本章小结
- 第14 章实战：美国波士顿房价预测
- 14.1 数据清洗
- 14.2 数据分析
- 14.3 分析结果
- 14.4 本章小结
展开全部
Python数据分析与可视化是2021年由人民邮电出版社出版,作者主编。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Python数据分析与可视化》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书主要内容如下：第一部分Python编程基础。第二部分：Python数据分析（Pandas，Numpy等简介、数据收集、数据清洗、数据挖掘、数据分析）。第三部分：Python数据可视化（数据可视化Matplotlib，seaborn等可视化库、财务会计案例、大数据分析案例）。第四部分：Python与自动化控制（简介、正则表达式、文件处理、Python与excel、PythonGUI控制鼠标和键盘
电子书
本书是从实践出发，同时结合一线教师的实践教学经验，以示例为主线，把可视化需要的Python基础语法，Numpy和pandas包中数据结构及读取Excel/CSV文件操作、无效数据处理操作，Matplotlib和pandas包的不同种类图形绘制框架代码等内容都融入到示例中，通过示例，循序渐进、浅显易懂地讲解可视化分析所需要的知识点。 本书适合Python可视化初学者使用，也可作为相关机构的培训用书
电子书
本书共10章，内容包括认识Python、Python语言基础、数据对象的读写、数据清洗和预处理、数据可视化、基本数据统计分析、高级数据建模分析、自然语言处理和文本挖掘、数据分析部署和应用、数据分析与数据化运营等。
电子书
本书共分为9章，第1章介绍数据可视化与matplotlib的入门知识；第2-8章全面地介绍matplotlib的核心知识，包括使用matplotlib绘制简单图表、图表辅助元素的定制、图表样式的美化、子图的绘制及坐标轴共享、坐标轴的定制、绘制3D图表和统计地图、使用matplotlib绘制高级图表；第9章介绍pyecharts的基础知识。
电子书
1.Python零基础，轻松学会数据分析与挖掘2.编码、分析、挖掘，数据分析全流程一次搞定3.微课视频，扫码即可观看，重点难点逐个击破本书适于统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生使用，也能够提高从事数据咨询、研究或分析等人士的专业水平和技能。
电子书
本书以Python3.9为编程环境，从Python编程基础到扩展库，再到数据分析，逐步展开Python数据分析与可视化教学。本书首先简要介绍数据分析与可视化的相关概念，并介绍Python基础知识；然后按照数据分析的主要步骤，重点介绍与数据获取、数据处理、数据分析、数据可视化以及机器学习建模过程相关的扩展库，包括NumPy、Pandas、BeautifulSoup、sklearn、Matplotli
电子书
本书分为4部分：第1部分主要介绍数据的采集，从数据采集的意义和基本概念开始，介绍依次介绍Python工具库、Scrapy第三方框架、如何采集数据，以及如何通过Selenium采集动态页面和手机APP数据采集；第2部主要介绍4种常用的数据分析方法；第3部分主要通过3种可视化工具介绍数据可视化；第4部分介绍一个完整的实战训练项目，帮助读者系统地梳理数据采集、分析、可视化的整体过程，巩固理论知识，增加实
