Python数据分析与数据挖掘

本书分为10章。第1章介绍Python语言的起源和特性，以及安装Python及其开发环境的方法；第2章介绍Python语言的基础知识；第3章介绍Python数据组织结构，作为学习后续数据操作的基础；第4~7章介绍为了能够有效进行数据分析和数据挖掘所必须对数据进行的多种处理方法；第8章介绍使用不同的Python扩展库，以不同的可视化方法和形式对数据进行探索和分析；第9章介绍数据分析方法；第10章介绍数据挖掘的关联、分类和聚类算法。 本书配套以下教学资源：教学PPT、习题答案、数据分析支撑文件、程序代码等，请选用本书作教材的教师登录www.cmpedu.com注册后下载，或发邮件至jinacmp@163.com索取（注明学校名+姓名）。 本书可作为普通高校计算机、大数据、人工智能、金融管理等专业的教材，也可供广大从事数据分析、人工智能、机器学习等应用系统开发的技术人员参考。 本书配有电子课件和程序代码，书中的程序代码均在Python 3.8、Anaconda 3上调试通过，有些需要安装第三方库。选用本书作教材的老师请登录www.cmpedu.com注册下载课件等教学资源，或发邮件至jinacmp@163.com索取。

目录 前言 第1章Python介绍及安装1 1.1Python出现1 1.2Python的特性2 1.3安装和使用Python3 单元练习13 第2章Python语言基础14 2.1Python语句14 2.2基本数据类型17 2.3标识符与变量18 2.4运算及运算符20 2.5程序结构24 2.6面向对象28 2.7常用标准库函数29 2.8自定义函数45 单元练习47 第3章Python数据组织 结构493.1字符串49 3.2列表54 3.3元组60 3.4集合61 3.5映射（字典）64 3.6数组67 3.7矩阵74 3.8系列78 3.9数据框架81 单元练习93 第4章数据生成和采集96 4.1数据生成和载入96 4.2数据文件访问114 4.3数据库访问134 4.4网络数据采集136 单元练习151 第5章数据整理153 5.1数据类型及精度转换153 5.2数据抽样154 5.3缺失值处理157 5.4重复值处理160 5.5异常值处理161 5.6排序162 5.7标准化163 5.8离散化165 5.9数值编码167 5.10拟合与插值171 单元练习175 第6章数据变换177 6.1线性空间变换177 6.2域变换183 单元练习185 第7章数据规约186 7.1主成分分析186 7.2因子分析187 7.3独立成分分析189 7.4多维标度分析190 7.5线性判别分析191 7.6T睸NE193 7.7特征选择194 单元练习197 第8章数据可视化分析198 8.1Matplotlib绘图198 8.2Pandas绘图229 8.3Seaborn绘图241 8.4Networkx绘图255 8.5Graphviz绘图256 单元练习257 第9章数据分析261 9.1统计分析261 9.2回归分析280 9.3时间序列分析288 单元练习301 第10章数据挖掘304 10.1关联分析304 10.2分类归纳308 10.3聚类分析326 单元练习336 参考文献338