基于Python语言的数据分析(高等院校信息类新专业规划教材)/大数据和人工智能技术丛书

本书从Python语言语法基础入手，旨在培养读者的基于Python语言的数据分析能力。全书共6章：第1章介绍Python的准备工作；第2章主要介绍Python程序基础；第3章介绍Python的科学计算基础模块NumPy；第4章讲解Python的数据分析基础模块Pandas；第5章介绍Python的可视化模块Matplotlib；第6章讲解Python sklearn机器学习模块。本书每章都包含演示案例与作业，通过习题和操作实践，读者可以巩固所学的内容。本书适合对Python感兴趣的读者阅读，还可作为高等院校Python语言相关课程的参考书籍。

第1章 Python开发环境
1.1 Python语言概述
1.1.1 Python的发展历程
1.1.2 Pythhon的应用场景
1.2 搭建编程环境
1.2.1 Python 2和Python 3
1.2.2 Hello World程序
1.3 在不同操作系统中搭建Python编程环境
1.3.1 在Linux系统中搭建Python编程环境
1.3.2 在OS X系统中搭建Python编程环境
1.3.3 在Windows系统中搭建Python编程环境
1.4 从终端运行Python程序
1.4.1 在Linux和0S X系统中从终端运行Python程序
1.4.2 在Windows系统中从终端运行Python程序
1.5 使用开发软件部署Python环境
1.5.1 Anaconda的下载和安装
1.5.2 PyCharm的下载安装及配置
1.6 本章小结
1.7 本章作业
第2章 Python程序基础
2.1 变量
2.1.1 变量的命名和使用
2.1.2 使用变量时避免命名错误
2.2 字符串
2.2.1 修改字符串的大小写
2.2.2 合并(拼接)字符串
2.2.3 Python 2中的print语句
2.3 数字
2.3.1 整数
2.3.2 浮点数
2.3.3 复数
2.4 列表
2.4.1 访问列表元素
2.4.2 列表索引
2.4.3 修改、添加和删除元素
2.4.4 列表排序
2.4.5 列表切片
2.4.6 列表复制
2.5 元组
2.5.1 定义元组
2.5.2 修改元组变量
2.6 字典
2.6.1 字典的创建
2.6.2 字典元素的操作
2.6.3 字典的常用方法
2.6.4 使用字典格式化字符串
2.7 本章小结
2.8 本章作业
第3章 Python NumPy
3.1 NumPy简介
3.1.1 ndarray对象
3.1.2 数据类型
3.1.3 数组属性
3.1.4 数组创建
3.1.5 切片和索引
3.1.6 高级索引
3.1.7 矩阵变形
3.1.8 添加／删除元素
3.1.9 字符串函数
3.1.10 算术函数
3.1.11 统计函数
3.1.12 排序、搜索和计数函数
3.1.13 线性代数
3.2 本章小结
3.3 本章作业
第4章 Python Pandas
4.1 Pandas基础
4.1.1 Pandas模块安装
4.1.2 Pandas数据结构
4.1.3 系列
4.1.4 数据帧
4.1.5 面板
4.1.6 Pandas常见功能
4.1.7 Pandas描述性统计
4.1.8 Pandas排序
4.2 Pandas数据分析
4.2.1 Pandas统计函数
4.2.2 Pandas聚合函数
4.2.3 Pandas分组功能
4.2.4 Pandas数据连接查询
4.3 Pandas数据清洗
4.3.1 缺失值处理
4.3.2 异常值处理
4.3.3 重复值处理
4.4 本章小结
4.5 本章作业
第5章 Matplotlib绘图库
5.1 Matplotlib的基本使用
5.1.1 Matplotlib简介
5.1.2 Matplotlib的基本属性和方法
5.2 Matplotlib多种图形的绘制
5.2.1 散点图绘制
5.2.2 饼图绘制
5.2.3 条形图
5.2.4 直方图
5.2.5 其他图形
5.2.6 多图合并显示
5.3 本章小节
5.4 本章作业
第6章 Python sklearn
6.1 Python sklearn模块功能和特点
6.2 回归算法
6.2.1 线性回归
6.2.2 逻辑回归
6.3 分类算法
6.3.1 K近邻算法
6.3.2 决策树算法
6.3.3 朴素贝叶斯算法
6.3.4 支持向量机算法
6.4 聚类算法
6.5 降维算法
6.5.1 主成分分析
6.5.2 线性判别分析
6.6 本章小结
6.7 本章作业
参考文献