Python编程基础与数据分析

《Python编程基础与数据分析》从Python基础知识开始，由浅入深，逐渐引入以Python为开发工具进行数据分析、图像处理、机器学习等模块，全书共10章，分为两大部分：基础篇和进阶篇。基础篇为第1章至第7章，主要介绍了Python的各种数据结构、控制结构、函数及异常处理；进阶篇为第8章至第10章，主要介绍了多种类型的文件数据处理、图形图像处理及人工智能之机器学习模块，并使用Scikit-learn库介绍了机器学习的一般流程及处理方法。

基础篇
第1章 绪论
1.1 计算机编程语言
1.1.1 程序开发过程
1.1.2 一个简单示例
1.2 Python发展历史
1.3 Python语言特性与编程库
1.3.1 Python语言特性
1.3.2 Python常用编程库
1.4 Python安装方法
1.5 集成开发环境
本章小结
习题
第2章 基本数据类型及运算符
2.1 数据类型
2.1 I 1数值类型
2.1.2 逻辑类型
2.1.3 其他类型
2.2 运算符
2.2.1 算术运算符
2.2.2 赋值运算符
2.2.3 比较（关系）运算符
2.2.4 位运算符
2.2.5 逻辑运算符
2.3 输入输出语句
2.3.1 print函数
2.3.2 input函数
2.4 常用内置函数
2.4.1 数学函数
2.4.2 转换函数
2.4.3 相关操作函数
2.5 相关标准库
2.5.1 math模块
2.5.2 random模块
本章小结
习题
第3章 序列
3.1 概述
3.2 序列的操作
3.2.1 序列的创建
3.2.2 获取长度
3.2.3 索引与切片
3.2.4 关系操作
3.2.5 连接操作
3.2.6 重复操作
3.2.7 常用函数及方法
3.3 字符串
3.3.1 基本操作
3.3.2 常用函数及方法
3.3.3 格式化操作
3.4 列表
3.4.1 基本操作
3.4.2 常用函数及方法
3.5 元组
3.6 相关标准库string模块
本章小结
习题
第4章 字典与集合
4.1 概述
4.2 字典
4.2.1 字典的创建
4.2.2 字典的访问
4.2.3 字典的添加
4.2.4 字典的修改
4.2.5 字典的删除
4.2.6 常用内建方法
4.2.7 字典应用举例
4.3 集合
4.3.1 集合的创建
4.3.2 集合运算及常用内置方法函数
本章小结
习题
第5章 控制结构
5.1 概述
5.2 选择结构
5.2.1 if条件语句
5.2.2 条件表达式
5.3 循环结构
5.3.1 for循环
5.3.2 while循环
5.4 其他循环控制语句
5.4.1 break语句
5.4.2 continue语句
5.4.3 pass语句
5.5 算法实例
本章小结
习题
第6章 错误与异常
6.1 错误类型
6.2 常见异常
6.2.1 语法错误
6.2.2 运行时错误
6.2.3 逻辑错误
6.3 异常处理语句
本章小结
习题
第7章 函数
7.1 概述
7.2 函数的定义及调用
7.2.1 函数定义及调用的一般形式
7.2.2 特殊函数定义形式
7.3 函数的调用过程
7.3.1 函数的调用流程
7.3.2 实参与形参的传递
7.4 匿名函数
7.5 变量的作用域
7.5.1 局部变量
7.5.2 全局变量
7.5.3 同名变量
7.6 递归
7.7 函数示例
本章小结
习题
进阶篇
第8章 文件处理
8.1 文件的打开与关闭
8.1.1 文件的打开
8.1.2 文件的关闭
8.2 文件的读写
8.2.1 文件的读取操作
8.2.2 文件的写操作
8.2.3 文件的定位操作
8.3 相关标准库
8.3.1 os模块
8.3.2 ison模块
8.4 经典三方库jieba模块
8.4.1 jieba常用分词
8.4.2 jieba分词干涉
8.4.3 词性标注posseg
8.4.4 关键词提取analyse
8.5 案例1英文文本分析
8.6 案例2中文文本分析
8.7 案例3 json数据分析
8.8 案例4问卷调查与统计分析
8.8.1 问卷结构调整
8.8.2 问卷调查交互
8.8.3 问卷结果统计
本章小结
习题
第9章 图形图像处理
9.1 概述
9.2 相关标准库turtle模块
9.2.1 画布设置
9.2.2 画笔设置
9.2.3 图形绘制
9.3 经典三方库
9.3.1 PIL与Pillow模块
9.3.2 numpy模块
9.3.3 matplotlib模块
9.4 案例1用Python生成验证码图片
9.5 案例2 MRI图像的显示与分析
本章小结
习题
第10章 人工智能初探
10.1 概述
10.2 sklearn简介
10.2.1 机器学习的一般流程
10.2.2 sklearn数据集
10.3 数据预处理
10.3.1 缺失填补
10.3.2 归一化及标准化
10.3.3 one-hot编码及二值化处理
10.4 模型的选择及训练
10.4.1 回归regression
10.4.2 分类classification
10.5 模型评估
10.5.1 训练集与测试集划分
10.5.2 模型评估
10.6 模型保存及使用
10.6.1 pickle方式
10.6.2 joblib方式
本章小结
习题
参考文献