《Python數據分析從入門到精通》是2018年2月電子工業出版社出版的圖書，作者是張嘯宇、李靜。
基本介紹
- 中文名：Python數據分析從入門到精通
- 作者：張嘯宇、李靜
- 出版時間：2018年2月
- 出版社：電子工業出版社
- 頁數：332 頁
- ISBN：9787121336133
- 定價：69 元
- 開本：16 開
編輯推薦,圖書目錄,
編輯推薦
一本書搞定Python數據分析四劍客：IPython、Numpy、Matplotlib、pandas。
基於Python 3.6，兼容Python 3.x等眾多版本。
以多小代碼案例、多動手的。
圖書目錄
目 錄
第1篇 Python數據分析語法入門
第1章 初識Python 1
1.1 Python是什麼 2
1.2 Python有什麼優點 3
1.2.1 Python是自由開源的軟體 3
1.2.2 Python是跨平台的 3
1.2.3 Python功能強大 4
1.2.4 Python是可擴展的 4
1.2.5 Python易學易用 5
1.3 其他程式設計語言中的Python 5
1.3.1 Jython 5
1.3.2 Python for .NET 6
1.3.3 IronPython 6
1.4 快速搭建Python開發環境 7
1.4.1 Python的下載和安裝 7
1.4.2 用Visual Studio編譯Python原始碼 9
1.4.3 Python開發工具：Vim 10
1.4.4 Python開發工具：Emacs 15
1.4.5 Python開發工具：PythonWin 18
1.4.6 其他的Python開發工具 20
1.5 第一個Python程式 22
1.5.1 從“Hello, Python!”開始 22
1.5.2 Python的互動式命令行 24
1.6 本章小結 25
第2章 Python起步必備 27
2.1 Python代碼的組織形式和注釋方式 27
2.1.1 用縮進來分層 28
2.1.2 代碼的兩種注釋方式 29
2.1.3 Python語句的斷行 30
2.2 Python的基本輸入/輸出函式 31
2.2.1 接收輸入的input()函式 31
2.2.2 輸出內容的print()函式 32
2.3 Python對中文的支持 33
2.3.1 Python 3之前的版本如何使用中文 33
2.3.2 更全面的中文支持 36
2.4 簡單實用的Python計算器 37
2.4.1 直接進行算術運算 37
2.4.2 math模組提供豐富的數學函式 38
2.4.3 Python對大整數的支持 39
2.5 本章小結 40
第3章 Python的數據類型與流程控制語句 41
3.1 Python數據類型：數字 42
3.1.1 整型和浮點型 42
3.1.2 運算符 43
3.2 Python數據類型：字元串 45
3.2.1 Python中的字元串 45
3.2.2 字元串中的轉義字元 46
3.2.3 操作字元串 46
3.2.4 字元串的索引和分片 49
3.2.5 格式化字元串 50
3.2.6 字元串、數字類型的轉換 50
3.2.7 原始字元串 51
3.3 Python數據類型：列表和元組 52
3.3.1 創建和操作列表 52
3.3.2 創建和操作元組 53
3.4 Python數據類型：字典 54
3.5 Python數據類型：檔案 55
3.6 Python數據類型：布爾值 56
3.7 Python的流程控制語句 56
3.7.1 分支結構：if語句 57
3.7.2 循環結構：for語句 59
3.7.3 循環結構：while語句 62
3.8 本章小結 63
第4章 可復用的函式與模組 64
4.1 Python自定義函式 65
4.1.1 函式的定義 65
4.1.2 函式調用 66
4.2 參數讓函式更有價值 67
4.2.1 有默認值的參數 67
4.2.2 參數的傳遞方式 69
4.2.3 如何傳遞任意數量的參數 70
4.2.4 用參數返回計算結果 70
4.3 變數的作用域 71
4.4 最簡單的函式：使用lambda表達式定義函式 72
4.5 可重用結構：Python模組 73
4.5.1 Python模組的基本用法 73
4.5.2 Python在哪裡查找模組 75
4.5.3 是否需要編譯模組 77
4.5.4 模組也可獨立運行 78
4.5.5 如何查看模組提供的函式名 79
4.6 用包來管理多個模組 80
4.6.1 包的組成 80
4.6.2 包的內部引用 81
4.7 本章小結 81
第5章 數據結構與算法 82
5.1 表、棧和佇列 82
5.1.1 表 83
5.1.2 棧 84
5.1.3 佇列 86
5.2 樹和圖 88
5.2.1 樹 88
5.2.2 二叉樹 89
5.2.3 圖 93
5.3 查找與排序 95
5.3.1 查找 96
5.3.2 排序 97
5.4 本章小結 100
第6章 面向對象的Python 101
6.1 面向對象編程概述 101
6.1.1 Python中的面向對象思想 102
6.1.2 類和對象 102
6.2 在Python中定義和使用類 103
6.2.1 類的定義 104
6.2.2 類的使用 105
6.3 類的屬性和方法 106
6.3.1 類的屬性 107
6.3.2 類的方法 108
6.4 類的繼承 111
6.4.1 使用繼承 111
6.4.2 Python的多重繼承 112
6.5 在類中重載方法和運算符 114
6.5.1 方法重載 114
6.5.2 運算符重載 115
6.6 在模組中定義類 117
6.7 本章小結 119
第7章 異常處理與程式調試 120
7.1 異常的處理 120
7.1.1 使用try語句捕獲異常 121
7.1.2 常見異常的處理 123
7.1.3 多重異常的捕獲 124
7.2 用代碼引發異常 125
7.2.1 使用raise語句引發異常 126
7.2.2 assert——簡化的raise語句 127
7.2.3 自定義異常類 128
7.3 使用pdb模組調試Python腳本 128
7.3.1 調試語句塊 129
7.3.2 調試表達式 129
7.3.3 調試函式 130
7.3.4 設定斷點 131
7.3.5 pdb調試命令 131
7.4 在PythonWin中調試腳本 134
7.5 本章小結 136
第8章 pip軟體包管理 137
8.1 安裝pip 137
8.2 更新pip 138
8.3 pip常用操作 138
8.3.1 安裝軟體包 138
8.3.2 卸載軟體包 139
8.3.3 更新軟體包 139
8.3.4 顯示本地所有已經安裝的軟體包 139
8.3.5 顯示軟體包的細節 139
8.3.6 搜尋軟體包 140
8.3.7 通過wheel檔案安裝軟體包 141
8.4 本章小結 141
第2篇 Python數據分析工具入門
第9章 IPython科學計算庫 142
9.1 IPython簡介 143
9.2 安裝IPython及其他相關庫 144
9.2.1 使用Anaconda安裝 144
9.2.2 使用pip安裝 145
9.3 IPython殼基礎 146
9.3.1 自動補全 147
9.3.2 檢查 149
9.3.3 %run命令 150
9.3.4 快捷鍵 150
9.3.5 異常和錯誤定位 151
9.3.6 魔法方法 151
9.3.7 和作業系統互動 152
9.3.8 代碼分析：%prun和%run 153
9.3.9 目錄標籤系統 155
9.3.10 嵌入IPython 155
9.4 融合Matplotlib庫和Pylab模型 156
9.5 輸入和輸出變數 157
9.6 互動式調試器 158
9.7 計時功能 159
9.8 重新載入模組 160
9.9 配置IPython 161
9.10 Jupyter 162
9.10.1 基於Qt的控制台 162
9.10.2 Jupyter Notebook 165
9.11 IPython和Jupyter Notebook的關係 170
9.12 本章小結 173
第10章 Numpy科學計算庫 174
10.1 Numpy基礎 174
10.1.1 數組對象介紹 175
10.1.2 生成數組 176
10.1.3 數組對象數據類型 180
10.1.4 列印數組 182
10.2 數組的基本操作 184
10.3 基本的分片和索引操作 186
10.4 高級索引 189
10.4.1 整數索引 189
10.4.2 布爾索引 190
10.4.3 布爾索引的簡單套用 192
10.5 改變數組的形狀 193
10.6 組裝、分割數組 195
10.7 數組的基本函式 196
10.8 複製和指代 198
10.9 線性代數 199
10.10 使用數組來處理數據 201
10.11 Numpy的where()函式和統計函式 203
10.11.1 where()函式 203
10.11.2 統計函式 205
10.12 輸入與輸出 206
10.12.1 二進制檔案 206
10.12.2 文本檔案 207
10.13 生成隨機數 208
10.14 數組的排序和查找 210
10.14.1 排序 210
10.14.2 查找 212
10.15 擴充轉換 213
10.16 本章小結 215
第11章 pandas數據分析處理庫 216
11.1 pandas數據結構介紹 217
11.1.1 序列 217
11.1.2 數據框 221
11.2 索引對象 226
11.3 核心的基本函式 227
11.4 索引和旋轉 229
11.5 算術運算與對齊 232
11.6 處理默認值 233
11.7 多級索引 237
11.8 讀/寫數據 239
11.9 組合數據 243
11.10 數據分組操作 247
11.11 時間序列 249
11.11.1 時間序列介紹 250
11.11.2 使用時間序列作圖 253
11.12 本章小結 259
第12章 Matplotlib數據可視化 260
12.1 Pyplot模組介紹 261
12.1.1 plot()函式 261
12.1.2 繪製子圖 264
12.1.3 添加注釋 266
12.1.4 其他的坐標軸類型 268
12.2 套用Pyplot模組 269
12.3 Artist模組 275
12.3.1 Artist模組概述 275
12.3.2 Artist的屬性 277
12.4 使用pandas繪圖 283
12.5 本章小結 287
第3篇 Python數據分析案例實戰
第13章 案例1：數據挖掘 288
13.1 貝葉斯理論介紹 288
13.2 貝葉斯分類器的實現 290
13.3 協同過濾推薦系統 295
13.3.1 相似度計算 296
13.3.2 協同過濾推薦系統的實現 300
13.4 本章小結 304
第14章 案例2：玩轉大數據 305
14.1 案例概述 306
14.1.1 了解大數據的處理方式 306
14.1.2 處理日誌檔案 307
14.1.3 案例目標 308
14.2 日誌檔案的分割 309
14.3 編寫Map()函式處理小檔案 311
14.4 編寫Reduce()函式 313
14.5 本章小結 315
方式，使讀者在實踐中成長。
