Python數據分析：零基礎入門到實戰開發（簡體書）

本書講解主要以Python數據分析相關內容為主，還涉及數據分析背後的數學思維。全書內容主要分為三部分。第一部分為Python數據分析相關技能，包括NumPy、pandas等重要的第三方庫的使用技巧；第二部分為數據分析相關統計學知識，主要包含構建模型的流程、思路，以及數學原理的解析；第三部分為實戰，主要是結合Python數據分析工具與統計學知識的實踐操作。
對於那些想要進入數據分析領域的初學者非常適合閱讀本書，即使你沒有紮實的Python編程基礎，沒有深厚的數理統計功底，依然可以通過本書的學習對數據分析技術產生濃厚的興趣，以及對數據分析的原理與應用有更加整體的認識和理解。

張玉皓，畢業於中國科學院大學計算機應用技術專業，在國際ROBOmaster人工智能挑戰大賽上與中科院自動化所、伯克利大學、哥倫比亞大學同台競技，榮獲第八名。
映客直播實習期間，參與直播間文本分析，計算直播間受歡迎指標的項目。京東實習期間，參與京東商城全品類評論短文本聚類項目，將短文本智能聚類，積累短對話語料庫。畢業斬獲瓜子二手車、映客、馬蜂窩、百度、京東等大廠offer，最後就職於京東零售，從事NLP算法領域智能客服的優化工作。

系統：立體化、全方位解讀數據分析行業技能掌握路線細緻：沿著需求->代碼實現的思路，介紹上百個數分小技巧，適合各類讀者閱讀深入：18個統計學知識點，建立數據分析背後的數學思維案例：列舉了多個數據分析案例，趁熱打鐵，理論與實踐相結合

目 錄
第1章 什麼是數據分析
1.1 Python開發環境 1
1.2 數據分析的前世今生 2
1.2.1 數據分析歷史 2
1.2.2 數據分析的現實應用 2
1.2.3 數據分析的技能需求 3
1.3 數據分析流程 4
1.3.1 數據導入、清洗 5
1.3.2 單變量分析 6
1.3.3 多變量分析 6
1.3.4 選擇模型 6
1.3.5 估計與假設檢驗 7
1.3.6 可視化 8
1.4 數據分析經典案例 8
1.4.1 犯罪率的下降與法律條文的生成 8
1.4.2 利用數據觀察校園作弊行為 9
1.4.3 靠統計學致富的數學家 11
1.5 數據分析的第一個實戰 12
1.5.1 單變量探索 12
1.5.2 多變量分析 16
1.5.3 選擇模型 21
1.5.4 假設檢驗 25
第2章 Python知識進階
2.1 Python語言 28
2.1.1 Python的歷史 29
2.1.2 Python的特色 29
2.2 Python技巧與進階 31
2.2.1 數據類型方面的技巧 31
2.2.2 數字方面的使用技巧 32
2.2.3 枚舉 34
2.2.4 匿名函數的應用 35
2.2.5 裝飾器：語法糖 37
2.2.6 列表生成式 39
2.2.7 迭代器與生成器 39
2.3 Python編程的易錯點 41
2.3.1 全域變量與局部變量 42
2.3.2 閉包 43
2.3.3 函數傳參 44
2.3.4 列表和數組的區別 45
2.3.5 變量和按引用傳遞 45
2.3.6 None：一個獨特的類型 47
2.4 小結 48
第3章 NumPy的入門與進階
3.1 ndarray數組 49
3.1.1 ndarray數組的創建 49
3.1.2 C和Fortran順序 51
3.2 索引 51
3.2.1 基本索引 51
3.2.2 高維數組的索引 52
3.2.3 高階索引 54
3.3 廣播機制 56
3.4 NumPy數組的運算 58
3.4.1 NumPy的數值計算 58
3.4.2 比較與排序 59
3.4.3 NumPy的數組計算 60
3.4.4 ufunc高級應用 61
3.4.5 NumPy初等函數與math內置初等函數的區別 63
3.4.6 NumPy中的多項式函數 64
3.4.7 其他功能函數 65
第4章 pandas的入門與進階
4.1 pandas的數據結構 66
4.1.1 Series的創建 67
4.1.2 Series的數值計算 68
4.1.3 DataFrame的創建 69
4.1.4 DataFrame的基本屬性 70
4.2 pandas數據結構的基本操作 72
4.2.1 轉置 72
4.2.2 索引 73
4.2.3 DataFrame的關系型操作 75
4.2.4 DataFrame的畫圖操作 76
4.2.5 查看數據 80
4.3 pandas數據結構的進階操作 81
4.3.1 數據導入導出 81
4.3.2 表格合併 83
4.3.3 讀寫文件中的編碼問題 90
4.3.4 刪除與替換數據 92
4.3.5 表格整體性分析 96
4.3.6 GroupBy分組運算 98
4.3.7 綜合練習 103
第5章 SciPy入門與進階
5.1 SciPy中的常數與函數 106
5.1.1 SciPy中的常數 106
5.1.2 SciPy中的special模塊 107
5.2 SciPy中的科學計算工具 108
5.2.1 求解多元方程組 108
5.2.2 擬合方程 110
5.2.3 最優化算法 113
5.2.4 統計分佈 116
5.2.5 積分 120
5.2.6 插值 121
第6章 可視化
6.1 可視化的魅力 124
6.1.1 別出心裁的可視化 124
6.1.2 可視化的基本理論 126
6.1.3 可視化實例 127
6.2 matplotlib第三方庫的基本功能 131
6.2.1 matplotlib繪圖的基礎組件 131
6.2.2 餅圖 134
6.2.3 條形圖 139
6.2.4 散點圖 142
6.2.5 折線圖 145
6.2.6 箱線圖 146
6.2.7 小提琴圖 148
6.2.8 Basemap簡單介紹 150
6.3 交互式繪圖 151
6.3.1 matplotlib的簡單交互式繪圖 151
6.3.2 pyecharts可視化庫 154
第7章 時間序列
7.1 datetime庫的簡單介紹 160
7.1.1 時間坐標的構造 160
7.1.2 時間和字符串的轉換 161
7.2 時間序列中pandas的應用 162
7.2.1 DatetimeIndex 162
7.2.2 pandas中時間坐標的構造 163
7.2.3 PeriodIndex(時間索引類型) 164
7.2.4 採樣 166
7.2.5 超前或滯後 167
7.2.6 移動窗口函數 168
7.3 時間序列的時區轉換 169
第8章 數據分析中的統計學
8.1 有趣的選擇 171
8.2 數據分析回答ofo多久才能退押金 172
8.3 統計學在數據分析中扮演的角色 178
8.4 數據預處理 178
8.4.1 數據清洗 178
8.4.2 數據集成 180
8.4.3 數據變換 181
8.5 特徵工程 182
8.5.1 過濾法 183
8.5.2 包裝法 186
8.5.3 嵌入式方法 190
8.5.4 正則化 193
8.6 模型訓練 194
8.7 模型評估 199
8.8 數據分析中的其他問題 201
8.8.1 數據洩露 201
8.8.2 大數據下的數據分析 202
8.8.3 辛普森悖論 204
8.8.4 數據集的劃分 205
8.8.5 優化調參 206
第9章 豆瓣電影TOP 250數據分析
9.1 項目介紹 210
9.1.1 爬蟲的簡單介紹 210
9.1.2 網頁的構成 210
9.1.3 實戰中的爬蟲技術介紹 211
9.1.4 實戰中數據存儲與讀取 215
9.1.5 實戰中的界面設計 216
9.1.6 實戰中的數據可視化 219
9.2 數據庫操作 224
9.2.1 數據庫的安裝與配置 225
9.2.2 數據存儲到數據庫 227
9.3 數據庫標準語言 228
9.3.1 創建數據庫、表 229
9.3.2 表的刪除與更新 229
9.3.3 查詢 230
9.3.4 聚合與排序 230
9.3.5 數據更新 231
9.3.6 表的集合運算 232
9.3.7 Python和數據庫語言的關係 234
第10章 Python豐富的可視化案例
10.1 turtle庫的簡單使用 236
10.2 北上廣深租房分析可視化案例 238
10.2.1 數據爬取 238
10.2.2 讀取數據 240
10.2.3 數據分析 241
第11章 Python預測應用――SVM預測股票漲跌
11.1 SVM介紹 246
11.1.1 SVM原理 246
11.1.2 核函數 247
11.2 SVM實戰 249
11.2.1 數據預處理 249
11.2.2 訓練模型 251
11.2.3 遺傳算法 252
第12章 文本分析《三國演義》：挖掘人物圖譜
12.1 項目簡單說明 262
12.1.1 代碼分塊介紹 262
12.1.2 效果圖展示 265
12.2 工程具體實現 265
12.2.1 設計思想 266
12.2.2 代碼詳解 266
12.2.3 可視化 267

目 錄
第1章 什麼是數據分析
1.1 Python開發環境 1
1.2 數據分析的前世今生 2
1.2.1 數據分析歷史 2
1.2.2 數據分析的現實應用 2
1.2.3 數據分析的技能需求 3
1.3 數據分析流程 4
1.3.1 數據導入、清洗 5
1.3.2 單變量分析 6
1.3.3 多變量分析 6
1.3.4 選擇模型 6
1.3.5 估計與假設檢驗 7
1.3.6 可視化 8
1.4 數據分析經典案例 8
1.4.1 犯罪率的下降與法律條文的生成 8
1.4.2 利用數據觀察校園作弊行為 9
1.4.3 靠統計學致富的數學家 11
1.5 數據分析的第一個實戰 12
1.5.1 單變量探索 12
1.5.2 多變量分析 16
1.5.3 選擇模型 21
1.5.4 假設檢驗 25
第2章 Python知識進階
2.1 Python語言 28
2.1.1 Python的歷史 29
2.1.2 Python的特色 29
2.2 Python技巧與進階 31
2.2.1 數據類型方面的技巧 31
2.2.2 數字方面的使用技巧 32
2.2.3 枚舉 34
2.2.4 匿名函數的應用 35
2.2.5 裝飾器：語法糖 37
2.2.6 列表生成式 39
2.2.7 迭代器與生成器 39
2.3 Python編程的易錯點 41
2.3.1 全域變量與局部變量 42
2.3.2 閉包 43
2.3.3 函數傳參 44
2.3.4 列表和數組的區別 45
2.3.5 變量和按引用傳遞 45
2.3.6 None：一個獨特的類型 47
2.4 小結 48
第3章 NumPy的入門與進階
3.1 ndarray數組 49
3.1.1 ndarray數組的創建 49
3.1.2 C和Fortran順序 51
3.2 索引 51
3.2.1 基本索引 51
3.2.2 高維數組的索引 52
3.2.3 高階索引 54
3.3 廣播機制 56
3.4 NumPy數組的運算 58
3.4.1 NumPy的數值計算 58
3.4.2 比較與排序 59
3.4.3 NumPy的數組計算 60
3.4.4 ufunc高級應用 61
3.4.5 NumPy初等函數與math內置初等函數的區別 63
3.4.6 NumPy中的多項式函數 64
3.4.7 其他功能函數 65
第4章 pandas的入門與進階
4.1 pandas的數據結構 66
4.1.1 Series的創建 67
4.1.2 Series的數值計算 68
4.1.3 DataFrame的創建 69
4.1.4 DataFrame的基本屬性 70
4.2 pandas數據結構的基本操作 72
4.2.1 轉置 72
4.2.2 索引 73
4.2.3 DataFrame的關系型操作 75
4.2.4 DataFrame的畫圖操作 76
4.2.5 查看數據 80
4.3 pandas數據結構的進階操作 81
4.3.1 數據導入導出 81
4.3.2 表格合併 83
4.3.3 讀寫文件中的編碼問題 90
4.3.4 刪除與替換數據 92
4.3.5 表格整體性分析 96
4.3.6 GroupBy分組運算 98
4.3.7 綜合練習 103
第5章 SciPy入門與進階
5.1 SciPy中的常數與函數 106
5.1.1 SciPy中的常數 106
5.1.2 SciPy中的special模塊 107
5.2 SciPy中的科學計算工具 108
5.2.1 求解多元方程組 108
5.2.2 擬合方程 110
5.2.3 最優化算法 113
5.2.4 統計分佈 116
5.2.5 積分 120
5.2.6 插值 121
第6章 可視化
6.1 可視化的魅力 124
6.1.1 別出心裁的可視化 124
6.1.2 可視化的基本理論 126
6.1.3 可視化實例 127
6.2 matplotlib第三方庫的基本功能 131
6.2.1 matplotlib繪圖的基礎組件 131
6.2.2 餅圖 134
6.2.3 條形圖 139
6.2.4 散點圖 142
6.2.5 折線圖 145
6.2.6 箱線圖 146
6.2.7 小提琴圖 148
6.2.8 Basemap簡單介紹 150
6.3 交互式繪圖 151
6.3.1 matplotlib的簡單交互式繪圖 151
6.3.2 pyecharts可視化庫 154
第7章 時間序列
7.1 datetime庫的簡單介紹 160
7.1.1 時間坐標的構造 160
7.1.2 時間和字符串的轉換 161
7.2 時間序列中pandas的應用 162
7.2.1 DatetimeIndex 162
7.2.2 pandas中時間坐標的構造 163
7.2.3 PeriodIndex(時間索引類型) 164
7.2.4 採樣 166
7.2.5 超前或滯後 167
7.2.6 移動窗口函數 168
7.3 時間序列的時區轉換 169
第8章 數據分析中的統計學
8.1 有趣的選擇 171
8.2 數據分析回答ofo多久才能退押金 172
8.3 統計學在數據分析中扮演的角色 178
8.4 數據預處理 178
8.4.1 數據清洗 178
8.4.2 數據集成 180
8.4.3 數據變換 181
8.5 特徵工程 182
8.5.1 過濾法 183
8.5.2 包裝法 186
8.5.3 嵌入式方法 190
8.5.4 正則化 193
8.6 模型訓練 194
8.7 模型評估 199
8.8 數據分析中的其他問題 201
8.8.1 數據洩露 201
8.8.2 大數據下的數據分析 202
8.8.3 辛普森悖論 204
8.8.4 數據集的劃分 205
8.8.5 優化調參 206
第9章 豆瓣電影TOP 250數據分析
9.1 項目介紹 210
9.1.1 爬蟲的簡單介紹 210
9.1.2 網頁的構成 210
9.1.3 實戰中的爬蟲技術介紹 211
9.1.4 實戰中數據存儲與讀取 215
9.1.5 實戰中的界面設計 216
9.1.6 實戰中的數據可視化 219
9.2 數據庫操作 224
9.2.1 數據庫的安裝與配置 225
9.2.2 數據存儲到數據庫 227
9.3 數據庫標準語言 228
9.3.1 創建數據庫、表 229
9.3.2 表的刪除與更新 229
9.3.3 查詢 230
9.3.4 聚合與排序 230
9.3.5 數據更新 231
9.3.6 表的集合運算 232
9.3.7 Python和數據庫語言的關係 234
第10章 Python豐富的可視化案例
10.1 turtle庫的簡單使用 236
10.2 北上廣深租房分析可視化案例 238
10.2.1 數據爬取 238
10.2.2 讀取數據 240
10.2.3 數據分析 241
第11章 Python預測應用――SVM預測股票漲跌
11.1 SVM介紹 246
11.1.1 SVM原理 246
11.1.2 核函數 247
11.2 SVM實戰 249
11.2.1 數據預處理 249
11.2.2 訓練模型 251
11.2.3 遺傳算法 252
第12章 文本分析《三國演義》：挖掘人物圖譜
12.1 項目簡單說明 262
12.1.1 代碼分塊介紹 262
12.1.2 效果圖展示 265
12.2 工程具體實現 265
12.2.1 設計思想 266
12.2.2 代碼詳解 266
12.2.3 可視化 267