Python数据分析与可视化应用

本书结合作者多年工程和实践经验，从Python基础编程语法入手，系统介绍了基于Python语言进行数据处理、分析与可视化展示所需的各项知识和技术。读者无须特别的数学或统计方面的理论知识，只需理解数据分析的思路，就可以参考示例学会针对实际问题进行有效数据分析的步骤和方法。本书分4篇共20章，主要内容涉及Python基本语法、程序控制结构、函数、面向对象基础、文件操作、标准库、正则表达式、numpy库、pandas库、数据预处理、matplotlib可视化图表、seaborn可视化图表、pyecharts可视化图表、SciPy科学计算、共享自行车案例及在线销售案例。

第一篇Python基础
第1章Python概述2
1.1Python简介2
1.1.1Python的起源2
1.1.2Python的发展2
1.2Python解释器3
1.2.1安装Python解释器3
1.2.2交互运行模式4
1.2.3命令行运行模式4
1.3集成开发环境PyCharm5
1.3.1安装PyCharm5
1.3.2创建项目7
1.3.3创建并运行Python文件8
第2章Python编程基础10
2.1常量和变量10
2.1.1常量和变量的定义10
2.1.2变量命名规则10
2.2简单数据类型11
2.2.1数值类型11
2.2.2字符串12
2.2.3None13
2.2.4布尔类型14
2.2.5数据类型转换14
2.3算术运算15
2.4赋值运算符16
2.5字符串相关运算17
2.5.1字符串连接运算17
2.5.2字符串截取18
2.6输出18
2.6.1print函数的基本用法19
2.6.2print函数格式化输出20
2.7输入23
2.8程序注释23
第3章程序控制结构25
3.1选择结构25
3.1.1条件表达式25
3.1.2单分支结构if语句27
3.1.3二分支结构if-else语句27
3.1.4多分支结构if-elif-else语句29
3.2循环结构31
3.2.1for语句实现遍历循环31
3.2.2while语句实现条件循环33
3.2.3循环结构中的else语句35
3.2.4break语句和continue语句36
第4章组合数据类型39
4.1列表39
4.1.1列表的表示与访问列表元素39
4.1.2遍历列表40
4.1.3添加列表元素42
4.1.4删除列表元素44
4.1.5列表排序45
4.2元组46
4.3字典47
4.3.1创建字典48
4.3.2添加和删除键值对49
4.3.4遍历字典49
4.3.5字典嵌套50
第5章函数52
5.1函数的定义和调用52
5.2函数参数传递54
5.3列表作为函数参数57
5.3.1简单数据类型参数传递值57
5.3.2组合数据类型参数公用存储空间57
5.3.3组合数据类型的数据作为函数参数的应用58
5.4模块59
5.4.1创建模块59
5.4.2导入模块60
第6章类和对象63
6.1类和对象的概念63
6.2定义只具有方法的类和对象64
6.2.1定义类64
6.2.2实例化对象65
6.3对象初始化方法及属性66
6.3.1对象初始化方法_init_()66
6.3.2定义类的属性66
6.3.3访问对象属性67
6.3.4输出对象的描述信息68
6.3.5封装性69
6.4类和对象应用实例69
6.5类的继承70
6.5.1继承的定义70
6.5.2_init_()方法的继承72
6.5.3重写父类方法73
第7章文件操作74
7.1基本操作74
7.2打开文件75
7.2.1文件指针75
7.2.2打开方式76
7.3读取文件77
7.4写入文件78
7.4.1使用write()方法向文件中写入内容78
7.4.2使用write()方法向文件中追加内容79
7.5读写CSV文件80
7.5.1读取数据80
7.5.2写入数据81
第8章常用Python标准库83
8.1datetime模块83
8.1.1date类83
8.1.2time类86
8.1.3datetime类86
8.1.4timedelta类87
8.1.5时间转化88
8.1.6设置日期时间格式88
8.2math模块89
8.3random模块90
8.4os模块92
第二篇数据分析
第9章正则表达式98
9.1正则表达式中的元字符98
9.1.1主要元字符98
9.1.2对字符进行转义99
9.1.3标记开始与结束99
9.2匹配一组字符100
9.2.1定义一组字符100
9.2.2对一组字符取反100
9.2.3使用区间简化一组字符的定义100
9.3使用量词进行多次匹配101
9.3.1常用量词101
9.3.2贪婪和非贪婪匹配101
9.3.3分组102
9.4使用re模块处理正则表达式102
9.4.1Python正则表达式的语法102
9.4.2匹配字符串102
9.4.3替换字符串106
9.4.4分割字符串107
第10章使用numpy进行数值计算108
10.1使用numpy生成数组108
10.1.1常用数组生成函数108
10.1.2ndarray对象属性109
10.1.3数组变换110
10.1.4numpy的随机数函数112
10.2数组的索引和切片112
10.2.1数组的索引112
10.2.2数组的切片113
10.3数组的运算114
10.3.1数组和标量间的运算114
10.3.2通用函数114
10.3.3统计运算115
10.4数组的存储与读取116
10.4.1数组的存储116
10.4.2数组的读取116
第11章pandas数据分析模块118
11.1pandas数据结构118
11.1.1创建Series数据118
11.1.2创建DataFrame数据120
11.2添加、修改和删除数据121
11.2.1添加数据122
11.2.2修改数据123
11.2.3删除数据124
11.3索引操作126
11.3.1重设索引126
11.3.2将已有列设置为索引126
11.3.3重新命名索引127
11.3.4层次化索引128
11.4选取数据130
11.4.1Series数据的选取130
11.4.2DataFrame数据的选取131
11.5数据运算133
11.5.1算术运算133
11.5.2函数应用和映射134
11.5.3汇总与统计135
11.5.4唯一值和值计数138
第12章使用pandas获取和写入数据140
12.1文本数据的读取与存储140
12.1.1CSV文件的读取140
12.1.2TXT文件的读取142
12.1.3文本数据的存储143
12.2Excel与JSON数据143
12.2.1Excel数据143
12.2.2JSON数据144
12.3数据库的读取与写入145
12.3.1SQLAlchemy包的安装和数据库的链接145
12.3.2SQLite数据库写入和读取数据145
第13章数据预处理147
13.1数据清洗147
13.1.1处理缺失值147
13.1.2删除重复数据150
13.1.3替换值151
13.1.4利用函数或映射进行数据转换152
13.2对数据进行排序和排名153
13.2.1数据排序153
13.2.2数据排名155
13.3数据合并和重塑156
13.3.1数据合并156
13.3.2数据连接157
13.3.3数据转置159
13.4字符串处理159
13.4.1字符串方法159
13.4.2使用正则表达式160
14.1数据分组161
14.1.1认识GroupBy161
第14章数据的分组与聚合161
14.1.2按照列名进行分组162
14.1.3按照Series数据进行
分组163
14.2数据聚合164
14.2.1聚合函数164
14.2.2使用aggregate()方法
进行数据聚合165
14.3长表变宽表166
14.3.1什么是长表和宽表166
14.3.2使用pivot函数将长表变为宽表167
14.3.3使用pivot_table函数进行数据透视分析167
第三篇数据可视化
第15章使用matplotlib可视化数据170
15.1创建图表的基本方法170
15.1.1图表的基本组成元素170
15.1.2建立画布和坐标系171
15.1.3设置坐标轴175
15.1.4设置网格线177
15.1.5设置图例178
15.1.6设置图表标题179
15.1.7设置数据标签180
15.1.8设置数据表181
15.1.9绘制常用几何图形182
15.2常用图表的创建186
15.2.1折线图186
15.2.2柱形图188
15.2.3饼图和圆环图191
15.2.4散点图和气泡图191
15.2.5直方图193
15.2.6箱形图194
15.2.7等高线图196
15.2.8阶梯图196
第16章使用seaborn可视化数据198
16.1seaborn的样式198
16.1.1基本样式198
16.1.2自定义样式199
16.2绘制分布图200
16.2.1单变量分布图200
16.2.2多变量分布图202
16.3绘制分类图204
16.3.1分类散点图204
16.3.2箱形图与琴形图204
16.3.3回归图205
第17章使用pyecharts动态可视化数据207
17.1pyecharts的版本与特点207
17.2pyechats可视化的流程及选项设置207
17.2.1pyecharts可视化的一般流程207
17.2.2pyecharts选项设置209
17.2.3pyecharts常用的图表设置方法211
17.3使用pyecharts创建图表214
17.3.1饼图和圆环图214
17.3.2折线图和面积图216
17.3.3散点图和气泡图218
17.3.4直方图和箱形图219
17.3.5词云图221
17.3.6数据地图222
17.3.7雷达图224
17.3.8仪表盘和水球图225
第18章使用SciPy进行科学计算和统计分析227
18.1使用SciPy进行科学计算227
18.1.1获取基本科学常量227
18.1.2线性代数和微积分228
18.1.3插值与拟合229
18.2使用SciPy进行统计分析230
18.2.1正态分布有关计算230
18.2.2通过样本推断总体参数231
18.2.3检验均值232
18.2.4检验均值差233
18.2.5卡方检验234
18.2.6回归分析235
第四篇实例应用
第19章共享自行车大数据分析239
19.1数据预处理239
19.1.1读取数据239
19.1.2数据清洗与转换240
19.2探索数据规律241
19.2.1年份数据比较241
19.2.2月份趋势比较241
19.2.3每日高峰时段分析243
19.2.4不同季度差异分析244
19.2.5周末和工作日差异分析245
第20章在线销售数据分析与建模246
20.1获取和清洗数据246
20.1.1获取数据246
20.1.2了解数据的基本特征247
20.1.3清洗与整理数据248
20.2分析与可视化销售数据249
20.2.1查看销量的描述统计结果249
20.2.2按产品对销量进行汇总249
20.2.3按城市汇总产品250
20.2.4对产品和城市进行交叉分析251
20.3销量趋势分析251
20.3.1日期格式转换252
20.3.2时间和季节趋势分析252
20.3.3比较不同城市季节趋势的差异253