Python數據分析與可視化

《Python數據分析與可視化》2020年3月清華大學出版社出版的圖書，作者是魏偉一、李曉紅。

基本介紹

• 書名：Python數據分析與可視化
• 作者：魏偉一、李曉紅
• ISBN：9787302546665
• 定價：49元
• 出版社：清華大學出版社
• 出版時間：2020.03

內容簡介

隨著網際網路的飛速發展，人們在網際網路上的行為產生了海量數據，對這些數據存儲、處理與分析帶動了大數據技術的發展。其中，數據挖掘和分析技術可以幫助人們對龐大的數據進行相關分析，找到有價值的信息和規律，使得人們對世界的認識更快、更便捷。在數據分析領域，Python語言簡單易用，第三方庫強大，並提供了完整的數據分析框架，因此深受數據分析人員的青睞，Python已經當仁不讓地成為數據分析人員的一把利器。

因此，本書從Python數據分析的基礎知識入手，結合束霸愚大量的數據分析示例，系統地介紹數據分析和可視化繪圖的方法，帶領讀者一步步掌握Python數據分析的相關知識，提高讀者解決實際問題的能照朵迎力。

目錄

第1章數據分析與可視化概述

1．章道熱1數據分析

1．2數據可視化

1．3數據分析與可視化常用工具

1．4為何選用Python進行數據分析與可視化

1．5Python數據分析與可視化常用類庫

1．6Jupyter Notebook的使用

1．7本章小結

第2章Python編程基礎

2．1Python語言基本語法

2．1．1基礎數據類型

2．1．2變數和賦值

2．1．3運算符和表達式

2．1．4字元串

2．1．5流程控制

2．2內置數據類型

2．2．1列表

2．2．2元組

2．2．3字典

2．2．4集合

2．3函式

2．3．1函式的定義

2．3．2lambda函式

2．4檔案操作

2．4．1檔案處理過程

2．4．2數據的讀取方法

2．4．3讀取CSV檔案

2．4．4檔案寫入與關閉

2．5本章小結

本章實訓

第3章NumPy數值計算基礎

3．1NumPy多維數組

3．1．1創建數組對象

3．1．2ndarray對象屬性和數據轉換

3．1．3生成隨機數

3．1．4數組變換

3．2數組的索引和切片

3．2．1一維數組的索引

3．2．2多維數組的索引

3．3數組的運算

3．3．1數組和標量間的運算

3．3．2ufunc函式

3．3．3條件邏輯運算

3．4數組讀/寫

3．4．1讀/寫二進制檔案

3．4．2讀/寫文本檔案

3．4．3讀取CSV文灑驗全汗件

3．5NumPy中的數據統計與分析

3．5．1排序

3．5．2重複數據與祖舟放去重

3．5．3常用統計函式

3．6本章小結

本章實訓

第4章Pandas統計分析基礎

4.1Pandas中的數據結構

4.1.1Series

4.1.2DataFrame

4.1.3索引對象

4.1.4查看DataFrame的常用屬性

4.2Pandas索引操作

4.2.1重建索引

4.2.2更換索引

4.3DataFrame數據的查詢與編輯

4.3.1DataFrame數據的查詢

4.3.2DataFrame數據的編輯

4.4Pandas數據運算

4.4.1算術運算

4.4.2函式套用和映射

4.4.3排序

4.4.4匯總與統計

4.5數據分組與聚合

4.5.1數據分組

4.5.2數據聚合

4.5.3分組運算

4.6數據透視表

4.6.1透視表

4.6.2交叉表

4.7Pandas可視化

4.7.1線形圖

4.7.2柱狀圖

4.7.3直方圖和密度圖

4.7.4散點圖

4.8本章小結

本章實訓

第5章Pandas數據載入與預處理

5.1數據載入

5.1.1讀/寫文本檔案

5.1.2讀/寫Excel檔案

5.2合併數據

5.2.1merge數據合併

5.2.2concat數據連線

5.2.3combine_first合併數據

5.3數據清洗

5.3.1檢測與處理缺失值

5.3.2檢測與處理重複值

5.3.3檢測與處理異常值

5.3.4數據轉換

5.4數據標準化

5.4.1離差標準化數據

5.4.2標準差標準化數據

5.5數據轉換

5.5.1類別型危戶承仔數據記碑的啞變數處理

5.5.2連續型變數的離散化

5.6本章小結

本章實訓

第6章Matplotlib數據可視化基礎

6.1Matplotlib簡介

6.2Matplotlib繪圖基礎

6.2.1創建畫布與子圖

6.2.2添加畫布內容

6.2.3繪圖的保存與顯示

6.3設定Pyplot的動態rc參數

6.3.1全局參數定製

6.3.2rc參數設定

6.3.3繪圖的填充

6.3.4文本註解

6.4Pyplot中的常用繪圖

6.4.1折線圖

6.4.2散點圖

6.4.3直方圖

6.4.4餅圖

6.4.5箱線圖

6.4.6機率圖

6.5詞雲

6.5.1安裝相關的包

6.5.2詞雲生成過程

6.5.3詞雲生成示例

6.6本章小結

本章實訓

第7章Seaborn可視化

7.1Seaborn簡介

7.2風格設定

7.2.1Seaborn繪圖設定

7.2.2Seaborn 主題設定

7.2.3設定繪圖元素比例

7.3Seaborn中的常用繪圖

7.3.1直方圖和密度曲線圖

7.3.2散點圖

7.3.3箱線圖

7.3.4散點圖矩陣

7.3.5小提琴圖

7.3.6柱狀圖

7.3.7多變數圖

7.3.8回歸圖

7.4本章小結

本章實訓

第8章pyecharts可視化

8.1pyecharts簡介

8.2pyecharts的使用方法

8.3pyecharts常用圖表

8.3.1柱狀圖

8.3.2餅圖

8.3.3漏斗圖

8.3.4散點圖

8.3.5K線圖

8.3.6儀錶盤

8.3.7詞雲

8.3.8組合圖表

8.4本章小結

本章實訓

第9章時間序列數據分析

9.1日期和時間數據類型

9.1.1datetime構造

9.1.2數據轉換

9.2時間序列基礎

9.2.1時間序列構造

9.2.2索引與切片

9.3日期範圍、頻率和移位

9.3.1日期範圍

9.3.2頻率和移位

9.4時期

9.4.1時期基礎

9.4.2頻率轉換

9.4.3時期數據轉換

9.5重採樣、降採樣和升採樣

9.5.1重採樣

9.5.2降採樣

9.5.3升採樣

9.6本章小結

本章實訓

第10章SciPy科學計算

10.1SciPy中的常數與特殊函式

10.1.1SciPy的constants模組

10.1.2SciPy的special模組

10.2SciPy中的線性代數基本運算

10.2.1基本的矩陣運算

10.2.2線性方程組求解

10.2.3行列式的計算

10.2.4範數

10.2.5特徵值分解

10.2.6奇異值分解

10.3SciPy中的最佳化

10.3.1方程求解及求極值

10.3.2數據擬合

10.4SciPy中的稀疏矩陣處理

10.4.1稀疏矩陣的存儲

10.4.2稀疏矩陣的運算

10.5SciPy中的圖像處理

10.5.1圖像平滑

10.5.2圖像旋轉和銳化

10.6本章小結

本章實訓

第11章統計與機器學習

11.1Scikitlearn的主要功能

11.2分類

11.2.1決策樹規約

11.2.2KNN算法

11.2.3支持向量機

11.2.4樸素貝葉斯分類

11.3聚類

11.3.1KMeans聚類

11.3.2層次聚類

11.3.3基於密度的聚類

11.4主成分分析

11.5本章小結

本章實訓

第12章圖像數據分析

12.1OpenCV簡介與導入

12.1.1OpenCV簡介

12.1.2Python中OpenCV的安裝與導入

12.2cv2圖像處理基礎

12.2.1cv2的基本方法與屬性

12.2.2cv2圖像處理示例

12.3套用尺度不變特徵變換

12.4使用加速魯棒特徵檢測

12.5圖像降噪

12.6本章小結

本章實訓

第13章綜合案例

13.1職業人群體檢數據分析

13.2股票數據分析"

本章實訓

第4章Pandas統計分析基礎

4.1Pandas中的數據結構

4.1.1Series

4.1.2DataFrame

4.1.3索引對象

4.1.4查看DataFrame的常用屬性

4.2Pandas索引操作

4.2.1重建索引

4.2.2更換索引

4.3DataFrame數據的查詢與編輯

4.3.1DataFrame數據的查詢

4.3.2DataFrame數據的編輯

4.4Pandas數據運算

4.4.1算術運算

4.4.2函式套用和映射

4.4.3排序

4.4.4匯總與統計

4.5數據分組與聚合

4.5.1數據分組

4.5.2數據聚合

4.5.3分組運算

4.6數據透視表

4.6.1透視表

4.6.2交叉表

4.7Pandas可視化

4.7.1線形圖

4.7.2柱狀圖

4.7.3直方圖和密度圖

4.7.4散點圖

4.8本章小結

本章實訓

第5章Pandas數據載入與預處理

5.1數據載入

5.1.1讀/寫文本檔案

5.1.2讀/寫Excel檔案

5.2合併數據

5.2.1merge數據合併

5.2.2concat數據連線

5.2.3combine_first合併數據

5.3數據清洗

5.3.1檢測與處理缺失值

5.3.2檢測與處理重複值

5.3.3檢測與處理異常值

5.3.4數據轉換

5.4數據標準化

5.4.1離差標準化數據

5.4.2標準差標準化數據

5.5數據轉換

5.5.1類別型數據的啞變數處理

5.5.2連續型變數的離散化

5.6本章小結

本章實訓

第6章Matplotlib數據可視化基礎

6.1Matplotlib簡介

6.2Matplotlib繪圖基礎

6.2.1創建畫布與子圖

6.2.2添加畫布內容

6.2.3繪圖的保存與顯示

6.3設定Pyplot的動態rc參數

6.3.1全局參數定製

6.3.2rc參數設定

6.3.3繪圖的填充

6.3.4文本註解

6.4Pyplot中的常用繪圖

6.4.1折線圖

6.4.2散點圖

6.4.3直方圖

6.4.4餅圖

6.4.5箱線圖

6.4.6機率圖

6.5詞雲

6.5.1安裝相關的包

6.5.2詞雲生成過程

6.5.3詞雲生成示例

6.6本章小結

本章實訓

第7章Seaborn可視化

7.1Seaborn簡介

7.2風格設定

7.2.1Seaborn繪圖設定

7.2.2Seaborn 主題設定

7.2.3設定繪圖元素比例

7.3Seaborn中的常用繪圖

7.3.1直方圖和密度曲線圖

7.3.2散點圖

7.3.3箱線圖

7.3.4散點圖矩陣

7.3.5小提琴圖

7.3.6柱狀圖

7.3.7多變數圖

7.3.8回歸圖

7.4本章小結

本章實訓

第8章pyecharts可視化

8.1pyecharts簡介

8.2pyecharts的使用方法

8.3pyecharts常用圖表

8.3.1柱狀圖

8.3.2餅圖

8.3.3漏斗圖

8.3.4散點圖

8.3.5K線圖

8.3.6儀錶盤

8.3.7詞雲

8.3.8組合圖表

8.4本章小結

本章實訓

第9章時間序列數據分析

9.1日期和時間數據類型

9.1.1datetime構造

9.1.2數據轉換

9.2時間序列基礎

9.2.1時間序列構造

9.2.2索引與切片

9.3日期範圍、頻率和移位

9.3.1日期範圍

9.3.2頻率和移位

9.4時期

9.4.1時期基礎

9.4.2頻率轉換

9.4.3時期數據轉換

9.5重採樣、降採樣和升採樣

9.5.1重採樣

9.5.2降採樣

9.5.3升採樣

9.6本章小結

本章實訓

第10章SciPy科學計算

10.1SciPy中的常數與特殊函式

10.1.1SciPy的constants模組

10.1.2SciPy的special模組

10.2SciPy中的線性代數基本運算

10.2.1基本的矩陣運算

10.2.2線性方程組求解

10.2.3行列式的計算

10.2.4範數

10.2.5特徵值分解

10.2.6奇異值分解

10.3SciPy中的最佳化

10.3.1方程求解及求極值

10.3.2數據擬合

10.4SciPy中的稀疏矩陣處理

10.4.1稀疏矩陣的存儲

10.4.2稀疏矩陣的運算

10.5SciPy中的圖像處理

10.5.1圖像平滑

10.5.2圖像旋轉和銳化

10.6本章小結

本章實訓

第11章統計與機器學習

11.1Scikitlearn的主要功能

11.2分類

11.2.1決策樹規約

11.2.2KNN算法

11.2.3支持向量機

11.2.4樸素貝葉斯分類

11.3聚類

11.3.1KMeans聚類

11.3.2層次聚類

11.3.3基於密度的聚類

11.4主成分分析

11.5本章小結

本章實訓

第12章圖像數據分析

12.1OpenCV簡介與導入

12.1.1OpenCV簡介

12.1.2Python中OpenCV的安裝與導入

12.2cv2圖像處理基礎

12.2.1cv2的基本方法與屬性

12.2.2cv2圖像處理示例

12.3套用尺度不變特徵變換

12.4使用加速魯棒特徵檢測

12.5圖像降噪

12.6本章小結

本章實訓

第13章綜合案例

13.1職業人群體檢數據分析

13.2股票數據分析"