Python数据分析(从零基础入门到案例实战)/程序员易读大讲堂

本书是一本使用 Python 3.8 进行数据处理和分析的学习指南。全书分为三部分：基础入门、实战案例及拓展与应用。在基础入门部分，介绍了 Python 的语法基础，包括数据类型、流程控制、函数，数据的导入导出，数据处理的 NumPy 和 Pandas 库，数据清洗、数据分析、数据可视化和图像处理，以及正则表达式和爬虫方面的知识点；在实战案例部分，介绍了中文分词 jieba 库，并用三个完整的数据分析案例介绍了数据的清洗和分析过程；在拓展与应用部分，主要介绍了 Python 对文件系统的操作和格式化字符串的输出，并对数据库的操作、Python 应用模块的 DIY 与发布，以及机器学习入门做了简单的介绍。 本书内容丰富、简单易懂，适合本科生、研究生阅读，以及对 Python 语言感兴趣或者想要使用 Python 语言进行数据分析的读者参考。

余本国,个人主持省级项目5项，参与国家项目3项，在国内外重要学术期刊上发表论文十多篇，出版大数据和人工智能方面个人教材著作6部，主编教材5部，参编著教材1部。多次向本科生和研究生开设“大数据分析基础”课程，两度获得全国高校人工智能与大数据创新联盟评为“学术创新奖”和“教学创新奖”。

第一部分 基础入门 第1章 Python基础 1.1 安装Anaconda 1.2 语法基础 1.3 程序结构 1.3.1 运算符 1.3.2 顺序结构 1.3.3 选择结构 1.3.4 循环结构 1.3.5 异常 1.4 函数 1.4.1 基本函数结构 1.4.2 参数结构 1.4.3 回调函数 1.4.4 递归函数 1.4.5 嵌套函数 1.4.6 闭包 1.4.7 匿名函数lambda 1.4.8 关键字yield 1.5 数据类型 1.5.1 列表（list） 1.5.2 元组（tuple） 1.5.3 集合（set） 1.5.4 字典（dict） 1.5.5 集合与其他类型的操作 1.6 map()、filter()和reduce()函数 1.6.1 map()函数 1.6.2 filter()函数 1.6.3 reduce()函数 1.7 面向对象编程基础 1.7.1 类 1.7.2 类和实例 1.7.3 数据封装 1.7.4 私有变量与私有方法 1.8 实战案例：我的第一个程序（验证用户名和密码） 1.9 本章小结 第2章 NumPy库 2.1 数组的创建 2.2 数组的操作 2.2.1 访问数组 2.2.2 数组元素的类型转换 2.2.3 数组的拼接 2.2.4 数组的切分 2.2.5 缺失值的检测 2.2.6 删除数组的行或列 2.2.7 数组的复制 2.2.8 数组的排序 2.2.9 查找最大值 2.2.10 数据的读取与存储 2.2.11 其他操作