本书共10章，第1章介绍数据分析的概念等相关知识：第2-6章介绍Python数据分析的常用库及其应用，涵盖NumPy数组计算，pandas统计分析，使用pandas进行数据预处理，Matplotlib、seaborm与pyecharts数据可视化，以及使用scikit-learn构建模型，较为全面地阐述Python数据分析方法：第7-9章结合之前所学的数据分析技术，进行企业综合案例数据分析；第10
电子书
内容简介
本书共9章，主要内容包括：Python语法基础、Python数据结构、函数和类、正则表达式与格式化输出、Numpy和Pandas、数据处理与分析、网络爬虫、数据可视化、应用案例分析。
章节目录
- 第1章 Python语法基础
- 1.1 Python概述
- 1.2 Anaconda
- 1.2.1 安装 Anaconda
- 1.2.2 Spyder
- 1.2.3 Jupyter Notebook
- 1.3语法规范
- 1.4程序结构
- 1.4.1 顺序结构
- 1.4.2 判断结构
- 1.4.3 循环结构
- 1.5异常值处理
- 1.6实战体验：一行代码能干啥
- 第2章 Python数据结构
- 2.1字符串
- 2.2列表
- 2.3元组
- 2.4字典
- 2.5集合
- 2.6实战体验：提取特定的字符
- 第3章 函数和类
- 3.1函数
- 3.1.1 函数结构
- 3.1.2 参数结构
- 3.1.3 函数的递归与嵌套
- 3.2特殊函数
- 3.2.1 匿名函数 lambda
- 3.2.2 关键字函数 yield
- 3.2.3 函数 map()、filter()、reduce()
- 3.2.4 函数 eval()
- 3.3类
- 3.4.1 调用函数
- 3.4.2 调用类
- 3.4函数和类的调用
- 3.4.1 调用函数
- 3.4.2 调用类
- 3.5实战体验：编写阶乘函数
- 第4章 正则表达式与格式化输出
- 4.1正则表达式基础
- 4.2 re模块
- 4.2.1 判断匹配
- 4.2.2 切分字符串
- 4.2.3 分组
- 4.3贪婪匹配
- 4.4编译
- 4.5正则函数
- 4.5.1 re.compile() 函数
- 4.5.2 re.match()函数
- 4.5.3 re.search()函数
- 4.5.4 re.findall()函数
- 4.5.5 字符串的替换和修改
- 4.6格式化输出
- 4.6.1 使用%符号进行格式化
- 4.6.2 使用 format()函数进行格式化
- 4.6.3 f方法格式化
- 4.7实战体验：验证信息的正则表达式
- 第5章 Numpy 和 Pandas
- 5.1 Numpy库
- 5.1.1 数组的创建
- 5.1.2 数组的操作
- 5.1.3 数组的计算
- 5.1.4 统计基础
- 5.1.5 矩阵运算
- 5.2 Pandas库
- 5.2.1 数据类型
- 5.2.2 数据结构
- 5.2.3 数据导入
- 5.2.4 数据导出
- 5.3实战体验：输出符合条件的属性内容
- 第6章 数据处理与分析
- 6.1数据处理
- 6.1.1 异常值处理
- 6.1.2 数据抽取
- 6.1.3 插入记录
- 6.1.4 修改记录
- 6.1.5 交换行或列
- 6.1.6 索引排名
- 6.1.7 数据合并与分组
- 6.1.8 数据运算
- 6.1.9 日期处理
- 6.2数据标准化
- 6.2.1 min-max 标准化
- 6.2.2 Z-score 标准化方法
- 6.3数据分析
- 6.3.1 基本统计
- 6.3.2 分组分析
- 6.3.3 分布分析
- 6.3.4 交叉分析
- 6.3.5 结构分析
- 6.3.6 相关分析
- 6.4实战体验：股票统计分析
- 第7章 网络爬虫
- 7.1 urllib库
- 7.2 BeautifulSoap库
- 7.3实战体验：爬取豆瓣网数据
- 第8章 数据可视化
- 8.1使用Matplotlib可视化数据
- 8.1.1 Matplotlib 的设置
- 8.1.2 Matplotlib 绘图示例
- 8.2使用Pyecharts ECharts可视化数据
- 8.2.1 安装及配置
- 8.2.2 基本图表
- 8.2.3 坐标系图表
- 8.2.4 地图与地理坐标绘制
- 8.2.5 3D 图形
- 8.3有向图与无向图
- 8.3.1 模块安装
- 8.3.2 无向图
- 8.3.3 有向图
- 8.4实战体验：标注货物流向图
- 第9章 应用案例分析
- 9.1案例—飞机航班数据分析
- 9.1.1 需求介绍
- 9.1.2 预备知识
- 9.1.3 航班数据处理
- 9.1.4 完整代码
- 9.2案例—豆瓣网络数据分析
- 9.2.1 数据处理
- 9.2.2 计算平均星级
- 9.2.3 计算均价
- 9.2.4 完整代码
- *9.3案例—微信好友数据分析
- 9.3.1 需求介绍
- 9.3.2 依赖库介绍
- 9.3.3 运行环境
- 9.3.4 数据的获取与处理
- 9.3.5 数据的可视化
- 9.3.6 下载图像并合成图像
- 9.3.7 功能模块代码
- 附录
- A．常用函数与注意事项
- B．数据操作与分析函数速查
- C．操作MySQL库
- D．Pyecharts本地挂载js静态文件方法
- 参 考 文 献
展开全部
Python编程与数据分析应用（微课版）是2020年由人民邮电出版社出版,作者余本国。
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编程与数据分析应用（微课版）》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
本书以应用为导向，将理论与实践相结合，深入浅出地介绍了利用Python进行大数据分析与挖掘的基本知识，以及如何将其应用到具体领域的方法。本书分3篇：基础篇、案例篇和提高篇。基础篇(第1章-第6章)主要介绍Python基础知识及应用于科学计算、数据处理、数据可视化、机器学习、深度学习等方面的基础知识；案例篇(第7章-第11章)主要介绍利用Python进行金融、地理信息、交通、文本分析、图像识别等领域
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
本书以JupyterNotebook为主要开发工具，全面地介绍数据预处理的相关知识。全书共分8章，内容分别为初识Python数据预处理、数据获取与存储、数据清洗、数据集成、数据变换、数据规约、综合实战：家用热水器用户行为分析以及两个综合实战项目。每个章节均配置了丰富的示例或案例，通过本书的学习，读者可以充分理解常用数据预处理方法的精髓、掌握具体技术细节，并在实践中提升实际开发能力，为数据分析和机器
电子书
本书的设计和编写目标是培养读者的数据思维能力和数据预处理能力，内容具有典型性和实用性，系统介绍基于Python的数据预处理的流程和技术。全书共8个单元，单元1介绍数据预处理的基础知识，单元2介绍Python数据预处理的库pandas的用法及主要数据对象的用法，单元3～单元7依次介绍数据预处理流程中数据获取、数据合并、数据清洗、数据变换和数据描述等相关知识和技术。为突出培养读者的动手能力，本书单元2
电子书
数据挖掘旨在发现蕴含在数据中的有价值的数据模式、知识或规律，是目前非常热门的研究领域。理解数据挖掘模型的原理、方法并熟练掌握其实现技术是数据挖掘从业者必备的能力。本书从理论模型和技术实战两个角度，全面讲述数据挖掘的基本流程、模型方法、实现技术及案例应用，帮助读者系统地掌握数据挖掘的核心技术，培养读者从事数据挖掘工作的基本能力。全书共12章，主要内容包括数据探索、数据预处理、特征选择、基础分类模型及
电子书
Python是近年来最流行的编程语言之一，其简洁的特点和卓越的可读性使其成为初学者编程入门的优先选择，并且深受编程人员的喜爱。很多职业院校都开设了与Python语言相关的课程，与Python语言相关的教材也应运而生。但纵观目前市场上的Python程序设计教材，始终逃不出传统、枯燥的案例化的束缚：提出要求，撰写代码，输出结果。学习者看到的始终是代码和文字，很容易造成视觉疲劳。本书打破传统教材枯燥的编
电子书
本书以任务为导向，系统介绍Python编程基础及其相关知识的应用，讲解如何利用Python的知识解决部分实际问题。全书共9章，第1章介绍学习Python的准备工作，包括Python的由来、Python环境搭建、编辑器介绍与安装等。第2～8章主要介绍Python的基础知识、数据结构、程序流程控制语句、函数、面向对象编程、文件基础和常用的内置模块等内容。第9章介绍综合案例：学生测试程序设计。除第9章外
