Python數(shù)據(jù)分析基礎(chǔ)

目　　錄
第 1 章　Python 語(yǔ)言概述
1.1　Python 語(yǔ)言發(fā)展歷程及特點(diǎn)
1.1.1　Python 語(yǔ)言的發(fā)展歷程
1.1.2　Python 語(yǔ)言的特點(diǎn)
1.1.3　Python 語(yǔ)言的應(yīng)用 
1.2　Python 開(kāi)發(fā)環(huán)境配置
1.2.1　Python 開(kāi)發(fā)環(huán)境 
1.2.2　Python 安裝 
1.2.3　環(huán)境變量設(shè)置 
1.2.4　用戶模塊文件管理 
1.3　Python 的使用方式 
1.3.1　命令行方式
1.3.2　IDLE 方式 
1.3.3　Spyder 方式 
1.4　本章小結(jié) 
1.5　思考和練習(xí) 
第 2 章　Python 語(yǔ)言基礎(chǔ) 
2.1　Python 基礎(chǔ)語(yǔ)法 
2.1.1　Python 程序基本框架
2.1.2　Python 編碼
2.1.3　Python 注釋 
2.1.4　行與縮進(jìn) 
2.1.5　常用的幾個(gè)函數(shù)或命令
2.1.6　Python 關(guān)鍵字
2.1.7　Python 標(biāo)識(shí)符 
2.2　變量與數(shù)據(jù)類型 
2.2.1　變量 
2.2.2　數(shù)據(jù)類型概況 
2.2.3　 可變類型和不可變類型的內(nèi)存分配區(qū)別
2.2.4　數(shù)據(jù)類型轉(zhuǎn)換 
2.3　運(yùn)算符和表達(dá)式 
2.3.1　算術(shù)運(yùn)算符和算術(shù)表達(dá)式 
2.3.2　關(guān)系運(yùn)算符與關(guān)系表達(dá)式 
2.3.3　邏輯運(yùn)算符與邏輯表達(dá)式 
2.3.4　賦值運(yùn)算符與賦值表達(dá)式 
2.3.5　位運(yùn)算符 
2.3.6　成員運(yùn)算符 
2.3.7　身份運(yùn)算符 
2.3.8　運(yùn)算符優(yōu)先級(jí) 
2.4　條件控制與循環(huán)語(yǔ)句
2.4.1　條件控制語(yǔ)句
2.4.2　循環(huán)語(yǔ)句 
2.4.3　跳轉(zhuǎn)語(yǔ)句 
2.5　綜合應(yīng)用 
2.6　本章小結(jié)
2.7　思考和練習(xí)
第 3 章　函數(shù)與模塊 
3.1　函數(shù) 
3.1.1　函數(shù)定義和調(diào)用 
3.1.2　函數(shù)參數(shù)說(shuō)明
3.1.3　變量作用域 
3.1.4　三個(gè)典型函數(shù) 
3.1.5　函數(shù)遞歸 
3.1.6　常用函數(shù) 
3.2　模塊 
3.2.1　Python 模塊概述 
3.2.2　自定義模塊 
3.2.3　Python 常用模塊
3.3　本章小結(jié)
3.4　思考和練習(xí)
第 4 章　常見(jiàn)數(shù)據(jù)結(jié)構(gòu) 
4.1　字符串（str）
4.1.1　字符串概述 
4.1.2　字符串常見(jiàn)函數(shù)及方法 
4.1.3　字符串應(yīng)用 
4.2　元組（tuple）
4.2.1　元組概述
4.2.2　元組常用方法 
4.2.3　元組應(yīng)用舉例 
4.3　列表（list） 
4.3.1　列表概述 
4.3.2　列表常用函數(shù)和方法
4.3.3　列表應(yīng)用舉例 
4.4　集合（set）
4.4.1　集合概述 
4.4.2　集合常用函數(shù)和方法
4.4.3　集合應(yīng)用舉例 
4.5　字典（dictionary）
4.5.1　字典概述 
4.5.2　字典常用函數(shù)和方法 
4.5.3　字典應(yīng)用舉例 
4.6　棧和隊(duì)列 
4.6.1　棧和隊(duì)列概述
4.6.2　deque 常用函數(shù)
4.6.3　應(yīng)用舉例 
4.7　本章小結(jié)
4.8　思考和練習(xí) 
第 5 章　迭代器與生成器 
5.1　迭代器 
5.1.1　迭代器概述 
5.1.2　迭代器應(yīng)用 
5.2　生成器 
5.2.1　生成器概述 
5.2.2　生成器的函數(shù)或方法 
5.2.3　生成器應(yīng)用舉例 
5.3　本章小結(jié) 
5.4　思考和練習(xí) 
第 6 章　NumPy 模塊及應(yīng)用 
6.1　NumPy 概述 
6.1.1　NumPy 模塊的安裝和引入
6.1.2　NumPy 數(shù)據(jù)類型 
6.1.3　ndarray 數(shù)組 
6.2　ndarray 數(shù)組的創(chuàng)建 
6.2.1　使用 array() 方法創(chuàng)建數(shù)組 
6.2.2　 使用 NumPy 內(nèi)置方法創(chuàng)建數(shù)組
6.2.3　從已知數(shù)據(jù)創(chuàng)建
6.3　NumPy 數(shù)組常用的基本操作
6.3.1　重設(shè)形狀
6.3.2　數(shù)組展開(kāi) 
6.3.3　數(shù)組轉(zhuǎn)置 
6.3.4　數(shù)組連接 
6.3.5　拆分 
6.3.6　刪除 
6.3.7　數(shù)組插入 
6.3.8　追加 
6.4　NumPy 數(shù)組索引和切片 
6.4.1　數(shù)組索引 
6.4.2　數(shù)組切片 
6.4.3　高級(jí)索引 
6.5　排序、搜索、計(jì)數(shù) 
6.5.1　排序 
6.5.2　搜索和計(jì)數(shù) 
6.6　常用函數(shù) 
6.6.1　三角函數(shù)
6.6.2　雙曲函數(shù)
6.6.3　數(shù)值修約
6.6.4　求和、求積、差分
6.6.5　指數(shù)和對(duì)數(shù)
6.6.6　算術(shù)運(yùn)算 
6.6.7　矩陣和向量積 
6.6.8　隨機(jī)函數(shù) 
6.6.9　代數(shù)運(yùn)算
6.6.10　其他
6.6.11　應(yīng)用舉例 
6.7　本章小結(jié) 
6.8　思考和練習(xí) 
第 7 章　Pandas 模塊及應(yīng)用 
7.1　Pandas 概述
7.2　Series 數(shù)據(jù)結(jié)構(gòu)
7.2.1　Series 簡(jiǎn)介 
7.2.2　Series 對(duì)象的創(chuàng)建
7.2.3　Series 對(duì)象的主要操作 
7.2.4　Series 應(yīng)用舉例 
7.3　DataFrame 數(shù)據(jù)結(jié)構(gòu) 
7.3.1　DataFrame 概述 
7.3.2　DataFrame 的創(chuàng)建 
7.3.3　DataFrame 的主要操作
7.3.4　DataFrame 應(yīng)用舉例 
7.4　數(shù)據(jù)處理 ·
7.4.1　數(shù)據(jù)清洗 
7.4.2　數(shù)據(jù)抽取 
7.4.3　排序和排名 
7.4.4　重新索引 
7.4.5　數(shù)據(jù)合并 
7.4.6　數(shù)據(jù)分箱 
7.4.7　數(shù)據(jù)查看 
7.4.8　數(shù)據(jù)修改 
7.4.9　映射
7.5　數(shù)據(jù)分析
7.5.1　基本統(tǒng)計(jì) 
7.5.2　分組分析
7.5.3　分布分析
7.5.4　交叉分析
7.5.5　相關(guān)分析 
7.5.6　結(jié)構(gòu)分析 
7.6　本章小結(jié) 
7.7　思考和練習(xí) 
第 8 章　Matplotlib 模塊及應(yīng)用
8.1　Matplotlib 概述 
8.1.1　 Matplotlib 模塊的安裝和引入 
8.1.2　繪圖基礎(chǔ)
8.1.3　支持中文
8.1.4　設(shè)置 Matplotlib 參數(shù) 
8.1.5　多個(gè)子圖的不同形式
8.2　常見(jiàn)圖形繪制 
8.2.1　餅圖
8.2.2　散點(diǎn)圖 
8.2.3　折線圖
8.2.4　柱形圖 
8.2.5　直方圖 
8.3　本章小結(jié) 
8.4　思考和練習(xí)
參考文獻(xiàn)