Python數(shù)據(jù)分析與可視化（微課視頻版）

目錄
第1章數(shù)據(jù)分析與可視化概述

1．1數(shù)據(jù)分析

1．2數(shù)據(jù)可視化

1．3數(shù)據(jù)分析與可視化常用工具

1．4為何選用Python進(jìn)行數(shù)據(jù)分析與可視化

1．5Python數(shù)據(jù)分析與可視化常用類(lèi)庫(kù)

1．6Jupyter Notebook的使用

1．7本章小結(jié)

第2章Python編程基礎(chǔ)

2．1Python語(yǔ)言基本語(yǔ)法

2．1．1基礎(chǔ)數(shù)據(jù)類(lèi)型

2．1．2變量和賦值

2．1．3運(yùn)算符和表達(dá)式

2．1．4字符串

2．1．5流程控制

2．2內(nèi)置數(shù)據(jù)類(lèi)型

2．2．1列表

2．2．2元組

2．2．3字典

2．2．4集合

2．3函數(shù)

2．3．1函數(shù)的定義

2．3．2lambda函數(shù)

2．4文件操作

2．4．1文件處理過(guò)程

2．4．2數(shù)據(jù)的讀取方法

2．4．3讀取CSV文件

2．4．4文件寫(xiě)入與關(guān)閉

2．5本章小結(jié)

本章實(shí)訓(xùn)

第3章NumPy數(shù)值計(jì)算基礎(chǔ)

3．1NumPy多維數(shù)組

3．1．1創(chuàng)建數(shù)組對(duì)象

3．1．2ndarray對(duì)象屬性和數(shù)據(jù)轉(zhuǎn)換

3．1．3生成隨機(jī)數(shù)

3．1．4數(shù)組變換

3．2數(shù)組的索引和切片

3．2．1一維數(shù)組的索引

3．2．2多維數(shù)組的索引

3．3數(shù)組的運(yùn)算

3．3．1數(shù)組和標(biāo)量間的運(yùn)算

3．3．2ufunc函數(shù)

3．3．3條件邏輯運(yùn)算

3．4數(shù)組讀/寫(xiě)

3．4．1讀/寫(xiě)二進(jìn)制文件

3．4．2讀/寫(xiě)文本文件

3．4．3讀取CSV文件

3．5NumPy中的數(shù)據(jù)統(tǒng)計(jì)與分析

3．5．1排序

3．5．2重復(fù)數(shù)據(jù)與去重

3．5．3常用統(tǒng)計(jì)函數(shù)

3．6本章小結(jié)

本章實(shí)訓(xùn)





第4章Pandas統(tǒng)計(jì)分析基礎(chǔ)

4.1Pandas中的數(shù)據(jù)結(jié)構(gòu)

4.1.1Series

4.1.2DataFrame

4.1.3索引對(duì)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(shù)據(jù)的查詢(xún)與編輯

4.3.1DataFrame數(shù)據(jù)的查詢(xún)

4.3.2DataFrame數(shù)據(jù)的編輯

4.4Pandas數(shù)據(jù)運(yùn)算

4.4.1算術(shù)運(yùn)算

4.4.2函數(shù)應(yīng)用和映射

4.4.3排序

4.4.4匯總與統(tǒng)計(jì)

4.5數(shù)據(jù)分組與聚合

4.5.1數(shù)據(jù)分組

4.5.2數(shù)據(jù)聚合

4.5.3分組運(yùn)算

4.6數(shù)據(jù)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(diǎn)圖

4.8本章小結(jié)

本章實(shí)訓(xùn)

第5章Pandas數(shù)據(jù)載入與預(yù)處理

5.1數(shù)據(jù)載入

5.1.1讀/寫(xiě)文本文件

5.1.2讀/寫(xiě)Excel文件

5.2合并數(shù)據(jù)

5.2.1merge數(shù)據(jù)合并

5.2.2concat數(shù)據(jù)連接

5.2.3combine_first合并數(shù)據(jù)

5.3數(shù)據(jù)清洗

5.3.1檢測(cè)與處理缺失值

5.3.2檢測(cè)與處理重復(fù)值

5.3.3檢測(cè)與處理異常值

5.3.4數(shù)據(jù)轉(zhuǎn)換

5.4數(shù)據(jù)標(biāo)準(zhǔn)化

5.4.1離差標(biāo)準(zhǔn)化數(shù)據(jù)

5.4.2標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化數(shù)據(jù)

5.5數(shù)據(jù)轉(zhuǎn)換

5.5.1類(lèi)別型數(shù)據(jù)的啞變量處理

5.5.2連續(xù)型變量的離散化

5.6本章小結(jié)

本章實(shí)訓(xùn)

第6章Matplotlib數(shù)據(jù)可視化基礎(chǔ)

6.1Matplotlib簡(jiǎn)介

6.2Matplotlib繪圖基礎(chǔ)

6.2.1創(chuàng)建畫(huà)布與子圖

6.2.2添加畫(huà)布內(nèi)容

6.2.3繪圖的保存與顯示

6.3設(shè)置Pyplot的動(dòng)態(tài)rc參數(shù)

6.3.1全局參數(shù)定制

6.3.2rc參數(shù)設(shè)置

6.3.3繪圖的填充

6.3.4文本注解

6.4Pyplot中的常用繪圖

6.4.1折線圖

6.4.2散點(diǎn)圖

6.4.3直方圖

6.4.4餅圖

6.4.5箱線圖

6.4.6概率圖

6.5詞云

6.5.1安裝相關(guān)的包

6.5.2詞云生成過(guò)程

6.5.3詞云生成示例

6.6本章小結(jié)

本章實(shí)訓(xùn)

第7章Seaborn可視化

7.1Seaborn簡(jiǎn)介

7.2風(fēng)格設(shè)置

7.2.1Seaborn繪圖設(shè)置

7.2.2Seaborn 主題設(shè)置

7.2.3設(shè)置繪圖元素比例

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(diǎn)圖

7.3.3箱線圖

7.3.4散點(diǎn)圖矩陣

7.3.5小提琴圖

7.3.6柱狀圖

7.3.7多變量圖

7.3.8回歸圖

7.4本章小結(jié)

本章實(shí)訓(xùn)

第8章pyecharts可視化

8.1pyecharts簡(jiǎn)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(diǎn)圖

8.3.5K線圖

8.3.6儀表盤(pán)

8.3.7詞云


8.3.8組合圖表

8.4本章小結(jié)

本章實(shí)訓(xùn)

第9章時(shí)間序列數(shù)據(jù)分析

9.1日期和時(shí)間數(shù)據(jù)類(lèi)型

9.1.1datetime構(gòu)造

9.1.2數(shù)據(jù)轉(zhuǎn)換

9.2時(shí)間序列基礎(chǔ)

9.2.1時(shí)間序列構(gòu)造

9.2.2索引與切片

9.3日期范圍、頻率和移位

9.3.1日期范圍

9.3.2頻率和移位

9.4時(shí)期

9.4.1時(shí)期基礎(chǔ)

9.4.2頻率轉(zhuǎn)換

9.4.3時(shí)期數(shù)據(jù)轉(zhuǎn)換

9.5重采樣、降采樣和升采樣

9.5.1重采樣

9.5.2降采樣

9.5.3升采樣

9.6本章小結(jié)

本章實(shí)訓(xùn)

第10章SciPy科學(xué)計(jì)算

10.1SciPy中的常數(shù)與特殊函數(shù)

10.1.1SciPy的constants模塊

10.1.2SciPy的special模塊

10.2SciPy中的線性代數(shù)基本運(yùn)算

10.2.1基本的矩陣運(yùn)算

10.2.2線性方程組求解

10.2.3行列式的計(jì)算

10.2.4范數(shù)

10.2.5特征值分解

10.2.6奇異值分解

10.3SciPy中的優(yōu)化

10.3.1方程求解及求極值

10.3.2數(shù)據(jù)擬合

10.4SciPy中的稀疏矩陣處理

10.4.1稀疏矩陣的存儲(chǔ)

10.4.2稀疏矩陣的運(yùn)算

10.5SciPy中的圖像處理

10.5.1圖像平滑

10.5.2圖像旋轉(zhuǎn)和銳化

10.6本章小結(jié)

本章實(shí)訓(xùn)

第11章統(tǒng)計(jì)與機(jī)器學(xué)習(xí)

11.1Scikitlearn的主要功能

11.2分類(lèi)

11.2.1決策樹(shù)規(guī)約

11.2.2KNN算法

11.2.3支持向量機(jī)

11.2.4樸素貝葉斯分類(lèi)

11.3聚類(lèi)

11.3.1KMeans聚類(lèi)

11.3.2層次聚類(lèi)

11.3.3基于密度的聚類(lèi)

11.4主成分分析

11.5本章小結(jié)

本章實(shí)訓(xùn)

第12章圖像數(shù)據(jù)分析

12.1OpenCV簡(jiǎn)介與導(dǎo)入

12.1.1OpenCV簡(jiǎn)介

12.1.2Python中OpenCV的安裝與導(dǎo)入

12.2cv2圖像處理基礎(chǔ)

12.2.1cv2的基本方法與屬性

12.2.2cv2圖像處理示例

12.3應(yīng)用尺度不變特征變換

12.4使用加速魯棒特征檢測(cè)

12.5圖像降噪

12.6本章小結(jié)

本章實(shí)訓(xùn)

第13章綜合案例

13.1職業(yè)人群體檢數(shù)據(jù)分析

13.2股票數(shù)據(jù)分析