Python数据分析与应用

本书基于作者多年来的课程教学经验和利用Python进行数据分析的工程经验编写而成，面向数据分析的初学者，使其具备利用Python开展数据分析工作、解决各专业问题的思维和能力。高校计算机、大数据、人工智能及其他相关专业均可使用本书作为数据分析课程教材。

前言第1章  基础知识11.1  数据分析简介11.2  Python编程基础41.2.1  Anaconda环境的安装和配置51.2.2  Jupyter Notebook的使用71.2.3  内置数据类型111.2.4  程序的控制结构121.2.5  模块化131.2.6  面向对象141.2.7  文件操作161.2.8  异常处理171.3  包/模块使用示例181.3.1  CSV文件操作181.3.2  排序时间测试201.4  本章小结241.5  习题25第2章  科学计算基础工具包NumPy272.1  ndarray类272.1.1  为什么使用ndarray282.1.2  ndarray类对象的常用属性302.1.3  创建ndarray类对象322.2  示例数据352.3  索引和切片382.4  数据拷贝402.5  数据处理432.5.1  基础运算432.5.2  广播机制472.5.3  通用函数482.5.4  常用函数和方法512.6  高级索引582.7  本章小结622.8  习题63第3章  数据分析工具库Pandas663.1  Series类663.1.1  Series对象的常用属性663.1.2  创建Series对象673.2  DataFrame对象693.2.1  DataFrame对象的常用属性703.2.2  创建DataFrame对象723.3  Index对象743.3.1  Index对象的常用属性743.3.2  创建Index对象743.4  元素访问方式753.4.1  属性运算符访问763.4.2  索引运算符访问773.4.3  loc访问方法813.4.4  iloc访问方法833.4.5  at和iat索引方法863.4.6  head和tail方法873.5  数据清洗883.5.1  处理缺失数据883.5.2  删除重复数据923.6  数据合并943.6.1  merge方法943.6.2  join方法973.6.3  concat方法1003.7  数据重塑1033.7.1  pivot方法1033.7.2  melt方法1043.8  Pandas数据处理实例1063.8.1  药品销售数据处理实例1063.8.2  流感与人口数据处理实例1103.9  本章小结1133.10  习题114第4章  数据统计分析1194.1  基本统计分析1194.2  分组分析1214.2.1  定性分组1214.2.2  定量分组1234.3  分布分析1244.4  交叉分析1254.5  结构分析1274.6  相关分析1284.7  应用实例1314.8  本章小结1334.9  习题133第5章  时间序列分析1355.1  Datetime模块1355.2  时间序列基础1375.3  日期时间处理1405.4  频率转换与重采样1435.4.1  频率转换1435.4.2  重采样1455.5  本章小结1515.6  习题151第6章  数据可视化1536.1  Matplotlib1536.1.1  线形图1536.1.2  条形图1556.1.3  饼图1566.1.4  散点图1586.1.5  直方图1596.2  Seaborn1606.2.1  关系图1616.2.2  分布图1636.2.3  分类图1676.2.4  回归图1706.2.5  热力图1726.3  Pyecharts1736.3.1  Pyecharts图表类1736.3.2  Pyecharts图表配置1746.4  应用实例1776.5  本章小结1826.6  习题183第7章  网络爬虫1877.1  网络数据获取1877.2  数据文件操作1967.3  应用实例2037.4  本章小结2087.5  习题208第8章  MySQL数据库操作2108.1  MySQL简介2108.2  MySQL的安装2118.3  连接、读取和存储2148.3.1  创建数据库和数据表2148.3.2  Python连接数据库2178.3.3  Python读取数据库2188.3.4  Python存储数据库2198.4  数据操作2228.4.1  查询操作2228.4.2  插入操作2238.4.3  更新操作2258.4.4  删除操作2268.5  应用实例2278.6  本章小结2338.7  习题233附录  NumPy通用函数235参考文献238