Python數據分析實戰

主要內容包括Python語法基礎、Python程序結構、Python基本數據類型、函數與異常處理、常見標準庫操作、文件操作、數據庫操作、Numpy庫、Pandas庫、數據可視化等內容。本書內容充實、材料新穎、案例豐富、條理清晰，既可作為大學教材，又可供軟件從業者作為數據分析的快速入門參考書。主要內容包括Python語法基礎、Python程序結構、Python基本數據類型、函數與異常處理、常見標準庫操作、文件操作、數據庫操作、Numpy庫、Pandas庫、數據可視化等內容。本書內容充實、材料新穎、案例豐富、條理清晰，既可作為大學教材，又可供軟件從業者作為數據分析的快速入門參考書。

朱文強，江西財經大學講師，工學博士，參編教材《Android編程》和《移動電子商務》，參與國家自然科學基金等課題多項，出版學術專著1部，在國內外重要期刊發表論文十多篇，長期從事計算機教學與科研工作。

配套資源基礎篇

第1章Python簡介與環境搭建<<<1
1.1Python簡介2
1.2Python開發環境搭建3
1.2.1Python下載3
1.2.2Python安裝4
1.2.3命令行式運行Python代碼6
1.3第一個Python程序7
1.4集成開發工具9
1.5本章小結12
課後練習12

第2章語法基礎<<<13
2.1輸入輸出函數14
2.1.1input()函數14
2.1.2print()函數14
2.2變量和註釋15
2.2.1變量15
2.2.2註釋18
2.3數據類型19
2.3.1整型19
2.3.2浮點型21
2.3.3布爾型22
2.3.4字符串類型23
2.4運算符26
2.4.1算術運算符26
2.4.2關係運算符27
2.4.3邏輯運算符29
2.4.4位運算符(進階)31
2.4.5複合賦值運算符33
2.4.6成員運算符33
2.4.7身份運算符34
2.4.8運算符優先級35
2.5本章小結36
課後練習36

第3章流程控制<<<38
3.1條件結構39
3.1.1單向if語句39
3.1.2雙向ifelse語句40
3.1.3多分支ifelifelse語句41
3.1.4簡化版if語句43
3.2循環結構44
3.2.1while循環45
3.2.2for循環45
3.2.3循環嵌套48
3.3循環控制語句49
3.3.1循環控制語句50
3.3.2循環中的else語句50
3.4綜合案例52
3.5本章小結53
課後練習54
Python數據分析實戰目錄

第4章常用數據結構<<<57
4.1列表58
4.1.1列表的定義、創建和刪除58
4.1.2列表元素的訪問59
4.1.3列表的切片操作60
4.1.4列表內容的修改操作61
4.1.5列表的常見方法62
4.1.6列表的常見操作67
4.1.7列表推導式69
4.2元組70
4.2.1元組的定義、創建和刪除70
4.2.2元組和列表的聯繫與區別71
4.2.3生成器推導式(進階)72
4.3字符串73
4.3.1字符串的定義和創建73
4.3.2字符串的常用方法74
4.3.3字符串應用舉例76
4.3.4字符串的格式化輸出78
4.4集合79
4.4.1集合的定義、創建和刪除80
4.4.2集合的常見方法80
4.4.3集合運算83
4.4.4集合推導式86
4.5字典87
4.5.1字典的定義和創建87
4.5.2字典元素的訪問87
4.5.3字典的常見方法88
4.5.4字典推導式91
4.5.5字典排序91
4.6本章小結93
課後練習93

第5章函數<<<95
5.1函數的定義與調用96
5.1.1函數的概念96
5.1.2定義函數97
5.1.3調用函數98
5.2參數類型與參數傳遞99
5.2.1形參和實參99
5.2.2位置參數100
5.2.3關鍵字參數100
5.2.4默認值參數101
5.2.5可變長度參數101
5.2.6序列解包參數(進階)102
5.2.7多種類型參數混用（進階）103
5.2.8函數參數傳遞106
5.3變量作用域與遞歸108
5.3.1變量作用域108
5.3.2函數的遞歸調用110
5.4特殊函數111
5.4.1匿名函數: lambda表達式111
5.4.2map()函數113
5.4.3filter()函數(進階)114
5.5本章小結115
課後練習116

第6章異常處理<<<118
6.1錯誤和異常119
6.1.1錯誤119
6.1.2異常119
6.2異常處理機制120
6.2.1異常處理結構121
6.2.2拋出自定義異常125
6.3本章小結127
課後練習127

第7章常見庫的操作<<<129
7.1模塊130
7.1.1模塊的導入130
7.1.2模塊導入的常見問題131
7.2數學庫math133
7.3隨機數庫random136
7.4時間庫time137
7.5集合庫collection(進階)140
7.6本章小結144
課後練習144

第8章文件操作<<<146
8.1文本文件的讀寫147
8.2文件與文件夾的常見操作154
8.3Excel文件的讀寫157
8.3.1Excel文件讀寫模塊的安裝157
8.3.2Excel文件讀取操作158
8.3.3Excel文件寫入操作160
8.4本章小結164
課後練習164

進階篇

第9章面向對象編程<<<166
9.1類和對象167
9.1.1類的定義167
9.1.2創建類對象168
9.2類的屬性169
9.2.1實例屬性169
9.2.2類屬性170
9.2.3裝飾器(進階)171
9.3類的方法172
9.3.1實例方法173
9.3.2類方法173
9.3.3靜態方法(進階)174
9.3.4構造方法和初始化方法175
9.4類的繼承176
9.4.1類的繼承方式176
9.4.2object類176
9.4.3類方法重寫177
9.4.4多重繼承時的調用順序178
9.4.5對象的複制180
9.5本章小結182
課後練習182

第10章數據庫操作<<<186
10.1數據庫基礎187
10.1.1數據庫管理系統187
10.1.2數據庫類型187
10.1.3關係型數據庫188
10.1.4SQLite 數據庫188
10.2結構化查詢語言SQL189
10.2.1數據庫表的基本語句189
10.2.2數據庫的進階語句192
10.3操作數據庫核心API196
10.3.1Python DBAPI核心類和方法196
10.3.2Python操作數據庫SQLite197
10.4數據庫操作案例198
10.4.1案例一198
10.4.2案例二201
10.5本章小結203
課後練習203

第11章NumPy入門與實踐<<<205
11.1NumPy簡介206
11.2數組對象ndarray206
11.2.1ndarray對象的創建方法207
11.2.2ndarray對象的屬性213
11.2.3ndarray對象的形狀與重構214
11.3索引和切片220
11.3.1ndarray對象的索引220
11.3.2ndarray對象的切片221
11.3.3ndarray對象的索引和切片的實例225
11.3.4ndarray對象的高級索引227
11.4NumPy的通用函數230
11.4.1NumPy的數學函數230
11.4.2NumPy生成隨機數233
11.4.3NumPy的統計方法235
11.4.4NumPy的其他常用方法236
11.5ndarray的數組運算239
11.5.1NumPy的廣播機制239
11.5.2ndarray數組的四則運算240
11.5.3ndarray數組的集合運算242
11.5.4ndarray數組的連接與分割243
11.6本章小結247
課後練習248

第12章數據分析之pandas入門與實踐<<<249
12.1Series和Index介紹250
12.1.1Series的定義和創建250
12.1.2Index對象252
12.2Series的數據訪問和常用方法254
12.2.1Series的數據訪問254
12.2.2Series的常用方法256
12.3DataFrame的創建與數據訪問259
12.3.1DataFrame的創建259
12.3.2DataFrame的數據訪問260
12.4DataFrame中的屬性和方法263
12.4.1DataFrame的常用屬性263
12.4.2DataFrame的常見方法264
12.5DataFrame的數據合併267
12.6pandas加載數據和缺失值處理269
12.6.1pandas加載數據269
12.6.2pandas的缺失值處理273
12.7pandas的分組操作276
12.8pandas的數據合併操作278
12.8.1merge()方法279
12.8.2contact()方法280
12.9pandas綜合案例282
12.10本章小結286
課後練習287

第13章數據可視化之matplotlib<<<289
13.1pyplot繪圖基礎290
13.2繪製線形圖294
13.2.1線形圖示例297
13.2.2繪製正弦曲線、餘弦曲線示例298
13.3繪製直方圖299
13.4繪製條形圖301
13.5繪製餅圖303
13.6繪製散點圖305
13.7生成詞云圖307
13.7.1wordcloud庫307
13.7.2jieba庫309
13.8本章小結311
課後練習311

第14章人工智能之scikitlearn入門與實踐<<<313
14.1機器學習基礎314
14.1.1機器學習概述314
14.1.2機器學習分類及其應用場景315
14.1.3機器學習常見算法316
14.1.4機器學習流程316
14.1.5常見的機器學習庫316
14.2鳶尾花分類318
14.2.1案例概述318
14.2.2數據提取與預處理318
14.2.3簡單數據可視化320
14.2.4K近鄰算法322
14.3波士頓房價預測327
14.3.1案例概述327
14.3.2線性回歸算法329
14.3.3數據分析330
14.4手寫數字識別333
14.4.1案例概述333
14.4.2多層感知機算法334
14.4.3案例實現336
14.5本章小結338
課後練習338