"本书以Python 3.9为编程环境，从Python基础到扩展库，从编程到数据分析，逐步展开Python数据分析内容。本书首先简要介绍数据分析和可视化相关概念，并讲解Python基础知识； 然后按照数据分析的主要步骤，重点介绍数据获取、数据处理、数据分析、数据可视化及机器学习建模过程相关的扩展库，包括BeautifulSoup4、NumPy、Matplotlib、Pandas、seaborn和sklearn等； 最后通过销售业客户价值数据分析案例演示相关理论和Python应用，将Python数据分析知识和实战案例进行有机结合。

本书可作为高等院校数据分析等课程的教材，也可作为数据分析初学者和感兴趣读者的自学用书，并可作为相关从业人员的参考用书。
"

目录


资源下载



第1章数据分析概述

1.1数据与大数据

1.2数据分析

1.3数据分析流程

1.4Python数据分析与可视化

1.4.1为什么选择Python做数据分析

1.4.2Python数据分析与可视化常用类库

1.4.3Python安装和开发环境

1.5Jupyter Notebook的安装和使用

1.5.1Jupyter Notebook的安装

1.5.2Jupyter Notebook的使用

1.5.3Jupyter Notebook的保存

1.6PyCharm的安装和使用

1.7Python基本输入输出

1.7.1Python基本输入

1.7.2Python基本输出

1.8Python代码规范

实验一熟悉Python开发环境

习题

第2章Python语法基础

2.1Python数据类型

2.1.1数值类型

2.1.2字符串

2.1.3布尔类型

2.1.4空值

2.1.5Python数字类型转换

2.2变量和常量


2.2.1变量

2.2.2常量

2.3运算符与表达式

2.3.1运算符

2.3.2表达式

2.4序列数据结构

2.4.1列表

2.4.2元组

2.4.3字典

2.4.4集合

实验二序列的创建和使用

习题



目录


第3章Python控制语句

3.1选择结构

3.1.1if语句

3.1.2if…else语句

3.1.3if…elif…else语句

3.1.4pass语句

3.2循环结构

3.2.1while 语句

3.2.2for语句

3.2.3continue和break语句

3.2.4循环嵌套

3.2.5列表生成式

3.3应用案例——猜单词游戏

实验三控制语句的使用

习题

第4章Python函数与模块

4.1函数的定义和使用

4.1.1函数的定义

4.1.2函数的使用

4.1.3Lambda表达式

4.1.4函数的返回值

4.2函数参数

4.2.1函数形参和实参的区别

4.2.2参数的传递

4.2.3函数参数的类型

4.2.4变量的作用域

4.3闭包和函数的递归调用

4.3.1闭包

4.3.2函数的递归调用

4.4内置函数

4.4.1数学运算函数

4.4.2集合操作函数

4.4.3字符串函数

4.4.4反射函数

4.4.5IO函数

4.5模块和包

4.5.1import 导入模块

4.5.2定义自己的模块

4.5.3time模块

4.5.4calendar模块

4.5.5random模块

4.5.6math模块和cmath模块

4.5.7包


4.6函数和字典综合应用案例——通讯录程序

实验四函数的定义和使用

习题

第5章Python文件的使用

5.1文件

5.2文件的访问

5.2.1打开(建立)文件

5.2.2读取文本文件

5.2.3写文本文件

5.2.4文件内移动

5.2.5文件的关闭

5.3文件夹的操作

5.3.1当前工作目录

5.3.2目录操作

5.3.3文件操作

5.4常用格式文件操作

5.4.1操作CSV格式文件

5.4.2操作Excel文档

5.4.3操作JSON格式文件

实验五文件操作

习题

第6章面向对象程序设计

6.1面向对象程序设计基础

6.2类和对象

6.2.1定义和使用类

6.2.2构造函数__init__

6.2.3析构函数

6.2.4实例属性和类属性

6.2.5私有成员与公有成员

6.2.6方法

6.3类的继承和多态

6.3.1类的继承

6.3.2类的多继承

6.3.3方法重写

6.3.4多态

6.3.5运算符重载

实验六面向对象程序设计

习题


第7章科学计算NumPy库

7.1NumPy数组的使用

7.1.1NumPy数组创建

7.1.2NumPy数组中的元素访问

7.1.3NumPy数组的算术运算

7.1.4NumPy数组的形状(shape)操作

7.2NumPy中的矩阵对象

7.3NumPy中的数据统计分析

7.3.1排序

7.3.2重复数据与去重

7.3.3常用统计函数

实验七NumPy数据分析应用

习题

第8章Pandas统计分析基础

8.1Python数据分析库(Pandas)

8.1.1Series

8.1.2DataFrame

8.2Pandas统计功能

8.2.1基本统计

8.2.2分组统计

8.3排序和排名

8.3.1Series的排序

8.3.2DataFrame的排序

8.3.3排名

8.4Pandas筛选和过滤功能

8.4.1筛选

8.4.2按筛选条件进行汇总

8.4.3过滤

8.5数据透视表

8.5.1透视表

8.5.2交叉表

8.6Pandas数据导入导出

8.6.1导入CSV文件

8.6.2读取其他格式数据

8.6.3导出Excel文件

8.6.4导出CSV文件

8.6.5Pandas读取和写入数据库

8.7Pandas日期处理

8.8数据运算

8.8.1简单算术运算

8.8.2应用函数运算

8.9Pandas数据分析应用案例——学生成绩统计分析

实验八Pandas数据分析应用案例——学生数据处理

习题


第9章Python爬取网页数据

9.1相关HTTP知识

9.2urllib库

9.2.1urllib库简介

9.2.2urllib库的基本使用

9.3BeautifulSoup库

9.3.1网页信息分析工具BeautifulSoup库概述

9.3.2BeautifulSoup库的四大对象

9.3.3BeautifulSoup库操作解析文档树

9.4requests库

9.4.1requests库的使用

9.4.2requests库的应用案例

9.5爬虫实战案例——Python爬取豆瓣电影TOP250评分

实验九Python爬取网页信息

习题

第10章数据处理与数据分析

10.1数据处理概念

10.1.1数据清理

10.1.2数据集成

10.1.3数据变换与数据离散化

10.2Pandas数据清理

10.2.1处理缺失值

10.2.2处理重复值

10.2.3处理格式错误

10.2.4处理错误数据

10.2.5处理异常值

10.3Pandas数据集成

10.3.1SQL合并/连接

10.3.2字段合并

10.3.3记录合并

10.4Pandas数据变换与离散化

10.4.1简单函数变换

10.4.2数据标准化

10.4.3数据离散化处理

10.5Pandas数据分析

10.5.1描述性分析

10.5.2分布分析

10.5.3相关性分析

实验十数据处理与数据分析

习题


第11章sklearn构造数据分析模型

11.1机器学习基础

11.1.1机器学习概念

11.1.2机器学习的分类

11.1.3机器学习流程

11.1.4机器学习库sklearn的安装

11.2机器学习库sklearn的应用

11.2.1sklearn常用数据集

11.2.2聚类

11.2.3分类

11.2.4回归

11.2.5主成分分析

11.2.6鸢尾花相关的分类、预测及降维

实验十一sklearn机器学习应用

习题

第12章数据可视化

12.1Matplotlib绘图可视化

12.1.1Matplotlib.pyplot模块——快速绘图

12.1.2绘制条形图、饼图、散点图

12.1.3交互式标注

12.2seaborn绘图可视化

12.2.1seaborn安装和内置数据集

12.2.2seaborn背景与边框

12.2.3seaborn绘制散点图

12.2.4seaborn绘制折线图

12.2.5seaborn绘制直方图

12.2.6seaborn绘制条形图

12.2.7seaborn绘制线性回归模型

12.2.8seaborn绘制箱线图

12.3Pandas数据分析应用案例——天气分析和展示

12.3.1爬取数据

12.3.2Pandas处理分析数据

12.3.3数据可视化展示

12.4可视化应用——学生成绩分布柱状图展示

12.4.1程序设计的思路

12.4.2程序设计的步骤

实验十二数据可视化

习题

第13章案例实战——销售业客户价值数据分析

13.1销售业客户价值分析意义

13.2程序设计思路

13.3程序设计的步骤

参考文献