Python數據分析、挖掘與可視化（慕課版 第2版）

董付國，副教授，2門山東省一流本科課程、1門山東省智慧課程、1門智慧樹精品課程負責人，3本山東省普通高等教育一流教材、1本全國高等學校計算機教育研究會“十四五”規劃教材作者，第六屆中國計算機教育大會教學案例評選特等獎，智慧樹教學名師，華為獨立顧問，人郵教師學院、阿裏雲天池實訓平臺、水滴實驗營、青椒課堂合作夥伴，人民郵電出版社“優秀作譯者”，出版的Python系列教材被國內近千所學校選用，累計印刷超過240次，其中1本在臺灣發行繁體版。長期維護微信公眾號“Python小屋”並免費分享超過1400篇原創Python技術文章和超過700節微課視頻，應邀為國內高校、企業作報告和培訓超過160次，多次應邀出席全國教學研討會做Python專題報告。

第 1章　Python開發環境的搭建與編碼規範 1

1.1　Python開發環境的搭建與使用　1

1.1.1　IDLE　2

1.1.2　Anaconda3　3

1.1.3　安裝擴展庫　4

1.2　Python編碼規範　5

1.3　標準庫、擴展庫對象的

導入與使用　7

1.3.1　import模塊名[ as 別名]　7

1.3.2　from模塊名import

對象名[　as 別名]　7

1.3.3　from模塊名import *　8

本章知識要點　8

本章習題　9

第　2章 數據類型、運算符與內置函數　10

2.1　常用內置數據類型　10

2.1.1　整數、浮點數、復數　11

2.1.2　列表、元組、字典、集合　12

2.1.3　字符串　13

2.2　運算符與表達式　14

2.2.1　算術運算符　15

2.2.2　關系運算符　17

2.2.3　成員測試運算符　18

2.2.4　集合運算符　18

2.2.5　邏輯運算符　18

2.3　常用內置函數　19

2.3.1　類型轉換　21

2.3.2　最大值、最小值　22

2.3.3　元素數量、求和　23

2.3.4　排序、逆序　24

2.3.5　基本輸入/輸出　25

2.3.6　range()　26

2.3.7　zip()　26

2.3.8　map()、reduce()、filter()　27

2.4　綜合應用與例題解析　28

本章知識要點　29

本章習題　30

第3章　列表、元組、字典、集合與

字符串　31

3.1　列表與列表推導式　31

3.1.1　創建列表　31

3.1.2　使用下標訪問列表中的

元素　32

3.1.3　列表常用方法　33

3.1.4　列表推導式　34

3.1.5　切片操作　35

3.2　元組與生成器表達式　36

3.2.1　元組與列表的區別　36

3.2.2　生成器表達式　36

3.2.3　序列解包　37

3.3　字典　37

3.3.1　字典元素的訪問　38

3.3.2　字典元素的修改、

添加與刪除　39

3.4　集合　39

3.4.1　集合概述　39

3.4.2　集合常用方法　40

3.5　字符串常用方法　40

3.5.1　encode()　41

3.5.2　format()　41

3.5.3　index()、rindex()、count()　42

3.5.4　replace()、maketrans()、

translate()　42

3.5.5　ljust()、rjust()、center()　43

3.5.6　split()、rsplit()、join()　43

3.5.7　lower()、upper()、capitalize()、

title()、swapcase()　44

3.5.8　startswith()、endswith()　44

3.5.9　strip()、rstrip()、lstrip()　44

3.6　綜合應用與例題解析　45

本章知識要點　47

本章習題　47

第4章　選擇結構、循環結構、

函數定義與使用　49

4.1　選擇結構　49

4.1.1　條件表達式　49

4.1.2　單分支選擇結構　50

4.1.3　雙分支選擇結構　50

4.1.4　嵌套的分支結構　50

4.2　循環結構　51

4.2.1　for循環　51

4.2.2　while循環　51

4.2.3　break與continue語句　52

4.3　函數定義與使用　52

4.3.1　函數定義基本語法　52

4.3.2　lambda表達式　52

4.3.3　遞歸函數　53

4.3.4　生成器函數　53

4.3.5　位置參數、默認值參數、關鍵

參數、可變長度參數　54

4.3.6　變量作用域　55

4.4　綜合應用與例題解析　56

本章知識要點　57

本章習題　58

第5章　文件操作　59

5.1　文件操作基礎　59

5.1.1　內置函數open()　59

5.1.2　文件對象常用方法　60

5.1.3　上下文管理語句with　61

5.2　JSON文件操作　61

5.3　CSV文件操作　62

5.4　Word、Excel、PowerPoint

文件操作實戰　63

本章知識要點　65

本章習題　65

第6章　numpy數組與矩陣運算　67

6.1　numpy數組及其運算　67

6.1.1　創建數組　67

6.1.2　測試兩個數組的對應元素

是否足夠接近　69

6.1.3　修改數組中的元素值　70

6.1.4　數組與標量的運算　71

6.1.5　數組與數組的運算　71

6.1.6　數組排序　72

6.1.7　數組的內積運算　73

6.1.8　訪問數組中的元素　73

6.1.9　數組對函數運算的支持　74

6.1.10　改變數組形狀　75

6.1.11　數組布爾運算　76

6.1.12　分段函數　77

6.1.13　數組堆疊與合並　78

6.2　矩陣生成與常用操作　79

6.2.1　矩陣生成　79

6.2.2　矩陣轉置　79

6.2.3　查看矩陣特征　80

6.2.4　矩陣乘法　81

6.2.5　計算相關系數矩陣　81

6.2.6　計算方差、協方差、標準差　82

6.3　計算特征值與特征向量　82

6.4　計算逆矩陣　83

6.5　求解線性方程組　84

6.6　計算向量和矩陣的範數　85

6.7　奇異值分解　86

6.8　函數向量化　87

本章知識要點　88

本章習題　88

第7章　pandas數據分析實戰　91

7.1　pandas常用數據類型　91

7.1.1　一維數組與常用操作　92

7.1.2　時間序列與常用操作　96

7.1.3　二維數組DataFrame　99

7.2　DataFrame數據處理與分析實戰　101

7.2.1　讀取Excel文件中的數據　101

7.2.2　篩選符合特定條件的數據　103

7.2.3　查看數據特征和統計信息　106

7.2.4　按不同標準對數據排序　108

7.2.5　使用分組與聚合對員工

業績進行匯總　110

7.2.6　處理超市交易數據中的

異常值　114

7.2.7　處理超市交易數據中的

缺失值　115

7.2.8　處理超市交易數據中的

重復值　117

7.2.9　使用數據差分查看員工

業績波動情況　118

7.2.10　使用透視表與交叉表查看

　業績匯總數據　119

7.2.11　使用重采樣技術按時間段

　查看員工業績　123

7.2.12　多索引相關技術與操作　125

7.2.13　使用標準差與協方差分析

　員工業績　127

7.2.14　使用pandas的屬性接口實現

　高級功能　130

7.2.15　繪制各員工在不同櫃臺

　業績平均值的柱狀圖　132

7.2.16　查看DataFrame的內存

　占用情況　134

7.2.17　數據拆分與合並　135

本章知識要點　139

本章習題　140

第8章　sklearn機器學習實戰　141

8.1　機器學習基本概念　141

8.2　機器學習庫sklearn簡介　147

8.2.1　擴展庫sklearn常用

模塊與對象　147

8.2.2　選擇合適的模型和算法　149

8.3　線性回歸算法的原理與應用　149

8.3.1　線性回歸模型的原理　149

8.3.2　sklearn中線性回歸模型的

簡單應用　150

8.3.3　嶺回歸的基本原理與

sklearn實現　151

8.3.4　套索回歸Lasso的基本

原理與sklearn實現　152

8.3.5　彈性網絡ElasticNet的基本

原理與sklearn實現　153

8.3.6　使用線性回歸模型預測

兒童身高　153

8.4　邏輯回歸算法的原理與應用　155

8.4.1　邏輯回歸算法的原理與

sklearn實現　155

8.4.2　使用邏輯回歸算法預測

考試能否及格　157

8.5　樸素貝葉斯算法的原理與應用　158

8.5.1　基本概念　158

8.5.2　樸素貝葉斯算法分類的原理與

sklearn實現　160

8.5.3　使用樸素貝葉斯算法對中文

郵件進行分類　161

8.6　決策樹與隨機森林算法的應用　163

8.6.1　基本概念　163

8.6.2　決策樹算法原理與

sklearn實現　163

8.6.3　隨機森林算法原理與

sklearn實現　166

8.6.4　使用決策樹算法判斷學員的

Python水平　168

8.7　支持向量機算法原理與應用　170

8.7.1　支持向量機算法基本原理與

sklearn實現　170

8.7.2　使用支持向量機對手寫數字

圖像進行分類　172

8.8　KNN算法原理與應用　175

8.8.1　KNN算法的基本原理與

sklearn實現　175

8.8.2　使用KNN算法判斷交通

工具類型　177

8.9　KMeans聚類算法原理與應用　178

8.9.1　KMeans聚類算法的基本原理

與sklearn實現　178

8.9.2　使用KMeans聚類算法壓縮

圖像顏色　181

8.10　分層聚類算法原理與應用　182

8.11　DBSCAN算法原理與應用　184

8.12　使用協同過濾算法進行

　電影推薦　187

8.13　關聯規則分析原理與應用　189

8.13.1　關聯規則分析原理與

　基本概念　189

8.13.2　使用關聯規則分析

　演員關系　190

8.14　數據降維　192

8.15　交叉驗證與網格搜索　195

8.15.1　使用交叉驗證評估模型

　泛化能力　195

8.15.2　使用網格搜索確定模型

　最佳參數　197

本章知識要點　199

本章習題　200

第9章　matplotlib數據可視化實戰　201

9.1　數據可視化庫matplotlib基礎　201

9.2　繪制折線圖實戰　202

9.3　繪制散點圖實戰　205

9.4　繪制柱狀圖實戰　208

9.5　繪制餅狀圖實戰　212

9.6　繪制雷達圖實戰　215

9.7　繪制三維圖形實戰　218

9.8　繪圖區域切分實戰　224

9.9　設置圖例樣式實戰　225

9.10　事件響應與處理實戰　229

9.11　填充圖形　244

9.12　保存繪圖結果　246

本章知識要點　247

本章習題　247

部分習題答案　248

第　1章 Python開發環境的搭建與

編碼規範　248

第　2章 數據類型、運算符與

內置函數　248

第3章　列表、元組、字典、集合與

字符串　249

第4章　選擇結構、循環結構、函數

定義與使用　251

第5章　文件操作　253

第6章　numpy數組與矩陣運算　254

第7章　pandas數據分析實戰　255

附錄A　運算符、內置函數對常用內置

對象的支持情況表　257

附錄B　Python關鍵字清單　258

附錄C　常用標準庫對象速查表　260

附錄D　常用Python擴展庫清單　263

參考文獻　264