Name: Python数据分析与可视化（第2版）-微课视频版（大数据与人工智能技术丛书）
Author: 魏伟一 李晓红 高志玲
ISBN: 9787302577584

微信读书书城Python数据分析与可视化（第2版）-微课视频版（大数据与人工智能技术丛书）

首页我的书架登录

本书已下架

内容不再支持阅读

Python数据分析与可视化（第2版）-微课视频版（大数据与人工智能技术丛书）

魏伟一李晓红高志玲

扉页
源码下载
+书签
目录
数据分析与可视化概述
1．1数据分析
1．2数据可视化
1．3数据分析与可视化常用工具
1．4为何选用Python进行数据分析与可视化
1．5Python数据分析与可视化常用类库
1．6Jupyter Notebook的安装和使用
1.6.1Jupyter Notebook的安装
1.6.2Jupyter Notebook的使用
1．7本章小结
1.8本章习题
Python编程基础
2．1Python语言基本语法
2．1．1基础数据类型
2．1．2变量和赋值
2．1．3运算符和表达式
2．1．4字符串
2．1．5流程控制
2．2内置数据类型
2．2．1列表
2．2．2元组
2．2．3字典
2．2．4集合
2．3函数
2．3．1函数的定义
2．3．2lambda函数
2．4文件操作
2．4．1文件处理过程
2．4．2数据的读取方法
2．4．3读取CSV文件
2．4．4文件写入与关闭
2．5本章小结
2.6本章习题
2.7本章实训
NumPy数值计算基础
3．1NumPy多维数组
3．1．1创建数组对象
3．1．2ndarray对象属性和数据转换
3．1．3生成随机数
3．1．4数组变换
3．2数组的索引和切片
3．2．1一维数组的索引
3．2．2多维数组的索引
3．3数组的运算
3．3．1数组和标量间的运算
3．3．2ufunc函数
3．3．3条件逻辑运算
3．4数组读/写
3．4．1读/写二进制文件
3．4．2读/写文本文件
3．4．3读取CSV文件
3．5NumPy中的数据统计与分析
3．5．1排序
3．5．2重复数据与去重
3．5．3常用统计函数
3．6本章小结
3.7本章习题
3.8本章实训
Pandas统计分析基础
4.1Pandas中的数据结构
4.1.1Series
4.1.2DataFrame
4.1.3索引对象
4.1.4查看DataFrame的常用属性
4.2Pandas索引操作
4.2.1重建索引
4.2.2更换索引
4.3DataFrame数据的查询与编辑
4.3.1DataFrame数据的查询
4.3.2DataFrame数据的编辑
4.4Pandas数据运算
4.4.1算术运算
4.4.2函数应用和映射
4.4.3排序
4.4.4汇总与统计
4.5数据分组与聚合
4.5.1数据分组
4.5.2数据聚合
4.5.3分组运算
4.6数据透视表
4.6.1透视表
4.6.2交叉表
4.7Pandas可视化
4.7.1线形图
4.7.2柱状图
4.7.3直方图和密度图
4.7.4散点图
4.8本章小结
4.9本章习题
4.10本章实训
Pandas数据载入与预处理
5.1数据载入
5.1.1读/写文本文件
5.1.2读/写Excel文件
5.1.3JSON数据的读取与存储
5.1.4读取数据库文件
5.2合并数据
5.2.1merge数据合并
5.2.2concat数据连接
5.2.3combine_first合并数据
5.3数据清洗
5.3.1检测与处理缺失值
5.3.2检测与处理重复值
5.3.3检测与处理异常值
5.3.4数据转换
5.4数据标准化
5.4.1离差标准化数据
5.4.2标准差标准化数据
5.5数据变换与数据离散化
5.5.1类别型数据的哑变量处理
5.5.2连续型变量的离散化
5.6本章小结
5.7本章习题
5.8本章实训
Matplotlib数据可视化基础
6.1Matplotlib简介
6.2Matplotlib绘图基础
6.2.1创建画布与子图
6.2.2添加画布内容
6.2.3绘图的保存与显示
6.3设置Pyplot的动态rc参数
6.3.1全局参数定制
6.3.2rc参数设置
6.3.3绘图的填充
6.3.4在绘图中显示公式
6.3.5文本注解
6.4Pyplot中的常用绘图
6.4.1折线图
6.4.2散点图
6.4.3直方图
6.4.4饼图
6.4.5箱线图
6.4.6概率图
6.4.7雷达图
6.4.8流向图
6.4.9绘图中的表格设置
6.4.10极坐标图
6.5词云
6.5.1安装相关的包
6.5.2词云生成过程
6.5.3词云生成示例
6.6本章小结
6.7本章习题
6.8本章实训
Seaborn可视化
7.1Seaborn简介
7.2风格设置
7.2.1Seaborn绘图设置
7.2.2Seaborn 主题设置
7.2.3设置绘图元素比例
7.3Seaborn中的常用绘图
7.3.1直方图和密度曲线图
7.3.2散点图
7.3.3箱线图
7.3.4散点图矩阵
7.3.5小提琴图
7.3.6柱状图
7.3.7多变量图
7.3.8回归图
7.3.9关系类图
7.3.10热力图
7.4本章小结
7.5本章习题
7.6本章实训
pyecharts可视化
8.1pyecharts简介
8.2pyecharts的使用方法
8.3pyecharts常用图表
8.3.1柱状图
8.3.2饼图
8.3.3漏斗图
8.3.4散点图
8.3.5K线图
8.3.6仪表盘
8.3.7词云
8.3.8组合图表
8.3.9桑基图
8.3.10平行坐标图
8.3.11图
8.3.12地图
8.4本章小结
8.5本章习题
8.6本章实训
时间序列数据分析
9.1日期和时间数据类型
9.1.1datetime构造
9.1.2数据转换
9.2时间序列基础
9.2.1时间序列构造
9.2.2索引与切片
9.3日期范围、频率和移位
9.3.1日期范围
9.3.2频率和移位
9.4时期
9.4.1时期基础
9.4.2频率转换
9.4.3时期数据转换
9.5重采样、降采样和升采样
9.5.1重采样
9.5.2降采样
9.5.3升采样
9.6时间序列的平稳性检验
9.6.1时序图检验
9.6.2自相关图检验
9.6.3构造统计量检验
9.7本章小结
9.8本章习题
9.9本章实训
SciPy科学计算
10.1SciPy中的常数与特殊函数
10.1.1SciPy的constants模块
10.1.2SciPy的special模块
10.2SciPy中的线性代数基本运算
10.2.1基本的矩阵运算
10.2.2线性方程组求解
10.2.3行列式的计算
10.2.4范数
10.2.5特征值分解
10.2.6奇异值分解
10.3SciPy中的优化
10.3.1方程求解及求极值
10.3.2数据拟合
10.4SciPy中的稀疏矩阵处理
10.4.1稀疏矩阵的存储
10.4.2稀疏矩阵的运算
10.5SciPy中的图像处理
10.5.1图像平滑
10.5.2图像旋转和锐化
10.6信号处理
10.6.1数据重采样
10.6.2信号的卷积
10.6.3信号的时频分析
10.7本章小结
10.8本章习题
10.9本章实训
统计与机器学习
11.1Scikitlearn的主要功能
11.2回归分析
11.2.1一元线性回归方法
11.2.2逻辑回归
11.3分类
11.3.1决策树规约
11.3.2KNN算法
11.3.3支持向量机
11.3.4朴素贝叶斯分类
11.4聚类
11.4.1KMeans聚类
11.4.2层次聚类
11.4.3基于密度的聚类
11.5主成分分析
11.6本章小结
11.7本章习题
11.8本章实训
图像数据分析
12.1OpenCV简介与导入
12.1.1OpenCV简介
12.1.2Python中OpenCV的安装与导入
12.2cv2图像处理基础
12.2.1cv2的基本方法与属性
12.2.2cv2图像处理示例
12.3应用尺度不变特征变换
12.4使用加速鲁棒特征检测
12.5图像降噪
12.6本章小结
12.7本章习题
12.8本章实训
综合案例
13.1职业人群体检数据分析
13.2股票数据分析
13.3红酒数据分析