Python数据分析

Python拥有许多强大的程序库，已经成为进行各种数据分析和预测建模任务的流行平台。Python的应用范围很广，拓展性很大。本书介绍了众多的Python模块，例如numpy、pandas、Matplotlib、scikit-learn等。

作为一本学习Python数据分析的入门教程，本书系统地介绍了Python语言基础和使用Python第三方库进行数据分析、数据可视化、科学计算及机器学习等方面的知识。本书共7章：第1章介绍数据分析领域的基本理论和概念；第2章介绍Python语言，包括基本语法、流程控制、组合数据类型及函数等内容；第3章介绍Python科学计算基础库NumPy中各种数组运算和操作；第4章介绍当前数据分析领域最主流的包Pandas；第5章介绍使用Matplotlib和pyecharts进行数据可视化的知识；第6章简单介绍科学计算和机器学习的基本概念和方法；第7章为综合案例。本书内容简明易懂、重点突出、案例丰富。可作为高等院校信息管理与信息系统、数据科学及大数据技术等相关专业的本科生教材，也可作为Python数据分析初学者的参考书。

薛福亮（1978-），男，天津财经大学管理科学与工程学院教师，博士研究生。目前主要从事电子商务推荐，数据挖掘等方面的研究。主持多个省部级科研项目，参与多个重量科研项目，出版专著和教材多部，在国内重要期刊上发表核心论文多篇。

第1章数据分析概述
1．1什么是数据分析
1．1．1数据的类型
1．1．2数据分析的过程
1．1．3与数据分析相关的概念
1．2为何用Python进行数据分析
1．2．1Python语言的特点
1．2．2Python在数据分析方面的优势
1．3重要的Python库
1．3．1NumPy
1．3．2SciPy
1．3．3Pandas
1．3．4Matplotlib
1．3．5pyecharts
1．3．6StatsModels
1．3．7scikit-learn
1．4Anaconda的安装和使用
1．4．1Anaconda的下载
1．4．2Anaconda的安装
1．4．3安装和更新Python包
1．5JupyterNotebook的使用
1．5．1打开JupyterNotebook
1．5．2JupyterNotebook中代码的编辑与运行
1．6本章小结
第2章Python程序设计基础
2．1Python语言基础
2．1．1对象、变量和标识符
2．1．2内置数据类型
2．1．3运算符和表达式
2．1．4Python中的函数和模块
2．2流程控制
2．2．1顺序结构
2．2．2选择结构
2．2．3循环结构
2．3Python组合数据类型
2．3．1列表
2．3．2元组
2．3．3字符串
2．3．4字典
2．4函数
2．4．1函数的定义和调用
2．4．2函数参数和返回值
2．4．3lambda表达式
2．4．4递归函数
2．4．5函数式编程和高阶函数
2．5本章小结
第3章NumPy基础
3．1多维数组对象ndarray
3．1．1ndarray对象的创建
3．1．2ndarray对象的属性
3．1．3随机数数组
3．2数组的基本操作
3．2．1数组的索引和切片
3．2．2数组形状变换
3．2．3数组转置和轴对换
3．2．4数组的合并与拆分
3．3数组的运算
3．3．1数组运算和广播机制
3．3．2数组的排序
3．3．3统计运算
3．3．4线性代数运算
3．4一个有趣的数组应用实例
3．5本章小结
第4章Pandas数据分析
4．1Pandas数据结构及创建
4．1．1Pandas数据结构概述
4．1．2创建Series数据结构
4．1．3创建DataFrame数据结构
4．2DataFrame基本操作
4．2．1基本列操作
4．2．2基本行操作
4．3Pandas检索
4．3．1基本检索
4．3．2多行检索
4．3．3多列检索
4．3．4行列检索
4．3．5条件检索
4．3．6重新检索
4．3．7更换检索
4．4Pandas数据运算
4．4．1算术运算
4．4．2排序
4．4．3函数应用和映射
4．4．4统计方法
4．5Pandas处理缺失值
4．5．1查找缺失值
4．5．2删除缺失值
4．5．3填充缺失值
4．6数据载入与输出
4．6．1读/写文本文件
4．6．2读/写Excel文件
4．7数据聚合与分组
4．7．1merge数据合并
4．7．2concat轴向连接
4．7．3检测与处理重复值
4．7．4数据分组
4．8综合案例
4．8．1背景介绍
4．8．2数据整理目标
4．8．3数据读取与初步探索
4．8．4数据的清洗与整理
4．8．5数据查看
4．8．6数据的分组整理
4．8．7数据保存
4．9本章小结
……
第5章数据可视化
第6章科学计算与机器学习
第7章机器学习综合案例
参考文献