Python數(shù)據(jù)分析：從零基礎入門到案例實戰(zhàn)

定　價：￥89.00

作　者：	余本國著
出版社：	北京理工大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787576311952	出版時間：	2022-04-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書是一本使用 Python 3.8 進行數(shù)據(jù)處理和分析的學習指南。全書分為三部分：基礎入門、實戰(zhàn)案例及拓展與應用。在基礎入門部分，介紹了 Python 的語法基礎，包括數(shù)據(jù)類型、流程控制、函數(shù)，數(shù)據(jù)的導入導出，數(shù)據(jù)處理的 NumPy 和 Pandas 庫，數(shù)據(jù)清洗、數(shù)據(jù)分析、數(shù)據(jù)可視化和圖像處理，以及正則表達式和爬蟲方面的知識點；在實戰(zhàn)案例部分，介紹了中文分詞 jieba 庫，并用三個完整的數(shù)據(jù)分析案例介紹了數(shù)據(jù)的清洗和分析過程；在拓展與應用部分，主要介紹了 Python 對文件系統(tǒng)的操作和格式化字符串的輸出，并對數(shù)據(jù)庫的操作、Python 應用模塊的 DIY 與發(fā)布，以及機器學習入門做了簡單的介紹。本書內(nèi)容豐富、簡單易懂，適合本科生、研究生閱讀，以及對 Python 語言感興趣或者想要使用 Python 語言進行數(shù)據(jù)分析的讀者參考。

作者簡介

　　余本國，博士，副教授，碩士研究生導師。2001年畢業(yè)于石河子大學數(shù)學系，同年到中北大學（原華北工學院）任教，主講線性代數(shù)、高等數(shù)學、微積分、概率統(tǒng)計、數(shù)學實驗、Python語言、大數(shù)據(jù)分析基礎等課程。2012年到加拿大York University做訪問學者?，F(xiàn)工作于海南醫(yī)學院生物醫(yī)學信息與工程學院。出版有個人著作《感受加拿大游學周記》《Python數(shù)據(jù)分析基礎》《基于Python的大數(shù)據(jù)分析基礎及實戰(zhàn)》《Python在機器學習中的應用》《Python 機器學習算法與實戰(zhàn)》《PyTorch深度學習入門與實踐》《Python大數(shù)據(jù)分析與應用實戰(zhàn)》等。

圖書目錄

部分基礎入門
第 1 章　Python 基礎
1.1 安裝 Anaconda
1.2 語法基礎
1.3 程序結(jié)構(gòu)
1.4 函數(shù)
1.5 數(shù)據(jù)類型
1.6 map()、filter() 和 reduce() 函數(shù)
1.7 面向?qū)ο缶幊袒A
1.8 實戰(zhàn)案例：我的個程序（驗證用戶名和密碼）
1.9 本章小結(jié)
第 2 章　NumPy 庫
2.1 數(shù)組的創(chuàng)建
2.2 數(shù)組的操作
2.3　數(shù)組的計算
2.4 統(tǒng)計基礎
2.5 矩陣運算
2.6 實戰(zhàn)案例：股票統(tǒng)計分析
2.7 本章小結(jié)
第 3 章　Pandas 庫
3.1  序列
3.2 數(shù)據(jù)框
3.3　數(shù)據(jù)的導入
3.4 數(shù)據(jù)的導出
3.5　實戰(zhàn)案例：身體質(zhì)量數(shù)據(jù)處理
3.6 本章小結(jié)
第 4 章　數(shù)據(jù)處理
4.1　數(shù)據(jù)清洗
4.2　數(shù)據(jù)抽取
4.3　插入記錄
4.4　修改記錄
4.5 交換行或列
4.6 排名索引
4.7 數(shù)據(jù)合并
4.8 數(shù)據(jù)計算
4.9 數(shù)據(jù)分組
4.10 日期處理
4.11 實戰(zhàn)案例：數(shù)據(jù)處理
4.12 本章小結(jié)
第 5 章　數(shù)據(jù)分析
5.1 描述性統(tǒng)計分析
5.2　分組分析
5.3　分布分析
5.4 交叉分析
5.5 結(jié)構(gòu)分析
5.6 相關分析
5.7 實戰(zhàn)案例：電商數(shù)據(jù)相關分析
5.8 本章小結(jié)
第 6 章　數(shù)據(jù)可視化
6.1　Matplotlib 可視化
6.2 pyecharts 可視化
6.3　networkx 可視化
6.4 Plotly 可視化
6.5 Python 圖像處理基礎
6.6 實戰(zhàn)案例：貨物動態(tài)流向圖
6.7 本章小結(jié)
第 7 章　字符串處理與網(wǎng)絡爬蟲
7.1　字符串處理
7.2 網(wǎng)絡爬蟲
7.3 實戰(zhàn)案例：批量下載圖片
7.4　本章小結(jié)

第二部分實戰(zhàn)案例
第 8 章　分詞與詞云
8.1 詞云的概念
8.2  安裝 jieba 庫
8.3　jieba 庫的用法
8.4 詞云
8.5 背景詞云圖的制作
8.6 本章小結(jié)
第 9 章　航空客戶分類
9.1　情景問題的提出
9.2  K-Means 算法
9.3 情景問題模型的建立
9.4　代碼實現(xiàn)
9.5　分類結(jié)果與分析
9.6 本章小結(jié)
第 10 章　文本分類分析
10.1 讀取數(shù)據(jù)
10.2　數(shù)據(jù)處理
10.3　構(gòu)建文本特征與建模
10.4　本章小結(jié)
第 11 章　貸款風險評估分析
11.1  問題分析
11.2  數(shù)據(jù)的導入與整理
11.3  模型訓練
11.4  模型預測
11.5 本章小結(jié)

第三部分拓展與應用
第 12 章　os 與 glob 模塊
12.1 os 模塊
12.2 glob 模塊
12.3 實戰(zhàn)案例：生成專屬的二維碼
12.4 本章小結(jié)
第 13 章　字符串的格式化輸出
13.1  % 格式化
13.2 format 格式化
13.3  f 格式化
13.4 Template 格式化
13.5 本章小結(jié)
第 14 章　在 Python 中使用數(shù)據(jù)庫
14.1  創(chuàng)建 / 打開數(shù)據(jù)庫
14.2  插入數(shù)據(jù)
14.3  查詢記錄
14.4  修改記錄
14.5  刪除記錄
14.6  增刪改查的異常處理
14.7 實戰(zhàn)案例：我的庫我做主（MySQL）
14.8 本章小結(jié)
第 15 章　DIY 庫的發(fā)布
15.1  分形簡介
15.2  分形的繪制方法
15.3  發(fā)布 fractal 庫
15.4 本章小結(jié)
第 16 章　機器學習入門
16.1 入門案例
16.2 監(jiān)督學習和無監(jiān)督學習
16.3 機器學習中常見的算法
16.4  本章小結(jié)
參考文獻