中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
Python數據分析與可視化教程(微課版)(本科教材) 版權信息
- ISBN：9787115626844
- 條形碼：9787115626844 ; 978-7-115-62684-4
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
Python數據分析與可視化教程(微課版)(本科教材) 本書特色
1.本書通過編寫經典、有趣的案例來教授Python數據分析與可視化，并且采用可視化展示效果。通過實例來解釋數據分析的原理和方式。
2.列出完整的案例代碼，對源代碼進行了詳細解說。并且每章都有實訓內容。
3.每款案例均提供詳細的設計思路、關鍵技術分析以及具體的解決步驟方案，讓讀者進入Python數據分析的大門，真正了解數據分析設計的秘密同時掌握相應技巧。
Python數據分析與可視化教程(微課版)(本科教材) 內容簡介
本書以Python 3.9為編程環境，從Python編程基礎到擴展庫，再到數據分析，逐步展開Python數據分析與可視化教學。本書首先簡要介紹數據分析與可視化的相關概念，并介紹Python基礎知識；然后按照數據分析的主要步驟，重點介紹與數據獲取、數據處理、數據分析、數據可視化以及機器學習建模過程相關的擴展庫，包括NumPy、Pandas、BeautifulSoup、sklearn、Matplotlib、seaborn、pyecharts等；*后通過股票數據量化分析和銷售業客戶價值數據分析兩個案例實戰演示Python和相關擴展庫的應用，將Python數據分析和可視化知識與實用案例有機結合。
本書適合作為高等院校本科生“數據分析”等課程的教材，也適合作為數據分析初學者的自學用書，還適合從事數據分析相關工作的工程師和愛好者閱讀。
Python數據分析與可視化教程(微課版)(本科教材) 目錄
1.1 數據與大數據 1
1.2 數據分析 2
1.3 數據可視化 3
1.3.1 數據可視化的目標 3
1.3.2 數據可視化的作用 4
1.3.3 數據可視化的優勢 5
1.4 數據分析流程 5
1.5 Python數據分析與可視化 6
1.5.1 為什么選擇Python做數據分析 6
1.5.2 Python數據分析與可視化常用類庫 7
1.6 Jupyter Notebook的安裝和使用 8
1.6.1 Jupyter Notebook的安裝 8
1.6.2 Jupyter Notebook的使用 9
1.7 PyCharm的安裝和使用 11
習題 13
實驗一 熟悉Python開發環境 13
2.1 Python語言簡介 15
2.2 Python語言基本語法 16
2.2.1 Python基礎數據類型 16
2.2.2 Python數據結構 17
2.2.3 Python控制語句 26
2.2.4 Python函數與模塊 31
2.3 Python面向對象程序設計 36
2.3.1 定義和使用類 36
2.3.2 構造函數 37
2.3.3 析構函數 38
2.3.4 實例屬性和類屬性 38
2.3.5 私有成員與公有成員 39
2.3.6 方法 40
2.3.7 類的繼承 41
2.4 Python圖形用戶界面設計 43
2.4.1 創建Windows窗口 43
2.4.2 幾何布局管理器 44
2.4.3 Tkinter組件 47
2.4.4 Python事件處理 58
2.4.5 圖形用戶界面設計應用案例 62
2.5 操作常用文件 65
2.5.1 操作CSV文件 65
2.5.2 操作Excel文件 67
2.5.3 操作JSON文件 70
2.6 Python的第三方庫 72
習題 73
實驗二 基于Tkinter的GUI程序開發 74
3.1 NumPy數組的使用 81
3.1.1 NumPy數組說明 81
3.1.2 NumPy數組中的元素訪問 85
3.1.3 NumPy數組的運算 86
3.1.4 NumPy數組的形狀操作 89
3.2 NumPy中的矩陣對象 91
3.3 NumPy中的數據統計分析 92
3.3.1 排序 92
3.3.2 數據去重與數據重復 94
習題 96
實驗三 NumPy數據分析應用 97
4.1 Pandas 102
4.1.1 Series 102
4.1.2 DataFrame 105
4.2 Pandas統計 112
4.2.1 基本統計 112
4.2.2 分組統計 113
4.3 Pandas排序和排名 114
4.3.1 Series的排序 114
4.3.2 DataFrame的排序 115
4.3.3 Series和DataFrame的排名 116
4.4 Pandas篩選和過濾 118
4.4.1 篩選 118
4.4.2 按篩選條件進行匯總 120
4.4.3 過濾 121
4.5 Pandas數據透視表和交叉表 122
4.5.1 數據透視表 122
4.5.2 交叉表 125
4.6 Pandas數據導入導出 126
4.6.1 導入CSV文件 126
4.6.2 導入其他格式文件 127
4.6.3 導出Excel文件 127
4.6.4 導出CSV文件 128
4.6.5 讀取和寫入數據庫 128
4.7 Pandas日期處理 129
4.8 Pandas數據運算 133
4.8.1 簡單算術運算 133
4.8.2 應用函數運算 134
4.9 Pandas數據分析應用案例——學生成績統計分析 136
習題 140
實驗四 Pandas數據分析應用 141
5.1 HTTP與網絡爬蟲相關知識 145
5.2 urllib庫 146
5.2.1 urllib庫簡介 146
5.2.2 urllib庫的基本使用 147
5.3 BeautifulSoup庫 155
5.3.1 BeautifulSoup庫概述 155
5.3.2 BeautifulSoup庫的四大對象 156
5.3.3 BeautifulSoup庫解析文檔樹 158
5.4 requests庫 161
5.4.1 requests庫的使用 161
5.4.2 requests庫的應用案例 165
5.5 動態網頁爬蟲 168
5.5.1 AJAX動態網頁爬取 168
5.5.2 動態網頁爬蟲——爬取今日頭條新聞 171
5.6 Selenium實現AJAX動態加載 172
5.6.1 安裝Selenium 172
5.6.2 Selenium詳細用法 174
5.6.3 Selenium應用案例 177
5.6.4 Selenium處理滾動條 179
5.6.5 Selenium動態加載——爬取今日頭條新聞 180
5.7 爬蟲應用案例——Python爬取新浪國內新聞 181
5.8 爬蟲應用案例——Python爬取豆瓣電影TOP 250 184
習題 187
實驗五 Python爬取網頁信息 187
6.1 數據處理 192
6.1.1 數據清理 192
6.1.2 數據集成 195
6.1.3 數據變換與數據離散化 195
6.2 Pandas數據清理 196
6.2.1 處理缺失值 197
6.2.2 處理重復值 201
6.2.3 處理格式錯誤 202
6.2.4 處理錯誤數據 202
6.2.5 處理異常值 203
6.3 Pandas數據集成 204
6.3.1 SQL合并/連接 204
6.3.2 字段合并 206
6.3.3 記錄合并 206
6.4 Pandas數據變換與數據離散化 211
6.4.1 簡單函數變換 211
6.4.2 數據標準化 212
6.4.3 數據離散化 213
6.5 Pandas數據分析 214
6.5.1 描述性分析 214
6.5.2 分布分析 215
6.5.3 相關分析 217
習題 218
實驗六 數據處理與數據分析 218
7.1 機器學習基礎 225
7.1.1 機器學習概念 225
7.1.2 機器學習分類 225
7.1.3 機器學習流程 226
7.1.4 機器學習庫sklearn的安裝 227
7.2 機器學習庫sklearn的應用 228
7.2.1 sklearn常用數據集 229
7.2.2 聚類 230
7.2.3 分類 232
7.2.4 回歸 233
7.2.5 主成分分析 235
7.2.6 鳶尾花相關的分類、預測及降維 236
習題 240
實驗七 sklearn機器學習應用 240
8.1 Matplotlib繪圖可視化 244
8.1.1 Matplotlib.pyplot模塊——快速繪圖 244
8.1.2 繪制直方圖、條形圖、散點圖、餅圖 250
8.1.3 交互式標注 254
8.2 seaborn繪圖可視化 254
8.2.1 seaborn安裝和內置數據集 254
8.2.2 seaborn設置背景與邊框 255
8.2.3 seaborn繪制散點圖 256
8.2.4 seaborn繪制折線圖 258
8.2.5 seaborn繪制直方圖 260
8.2.6 seaborn繪制條形圖 263
8.2.7 seaborn繪制線性回歸模型 263
8.2.8 seaborn繪制箱線圖 264
8.3 pyecharts繪圖可視化 267
8.3.1 安裝pyecharts 267
8.3.2 體驗圖表 268
8.3.3 常用圖表 271
8.4 Pandas數據分析應用案例——天氣數據分析和展示 277
8.4.1 爬取數據 277
8.4.2 Pandas處理分析數據 279
8.4.3 數據可視化展示 279
8.5 數據可視化應用案例——學生成績分布條形圖展示 281
8.5.1 程序設計的思路 282
8.5.2 程序設計的步驟 282
習題 284
實驗八 數據可視化 284
9.1 股票數據量化分析的背景與功能 291
9.2 程序設計的思路 291
9.3 程序設計的步驟 292
10.1 銷售業客戶價值數據分析的意義 305
10.2 程序設計的思路 305
10.3 程序設計的步驟 306
參考文獻 320
1.2 數據分析 2
1.3 數據可視化 3
1.3.1 數據可視化的目標 3
1.3.2 數據可視化的作用 4
1.3.3 數據可視化的優勢 5
1.4 數據分析流程 5
1.5 Python數據分析與可視化 6
1.5.1 為什么選擇Python做數據分析 6
1.5.2 Python數據分析與可視化常用類庫 7
1.6 Jupyter Notebook的安裝和使用 8
1.6.1 Jupyter Notebook的安裝 8
1.6.2 Jupyter Notebook的使用 9
1.7 PyCharm的安裝和使用 11
習題 13
實驗一 熟悉Python開發環境 13
2.1 Python語言簡介 15
2.2 Python語言基本語法 16
2.2.1 Python基礎數據類型 16
2.2.2 Python數據結構 17
2.2.3 Python控制語句 26
2.2.4 Python函數與模塊 31
2.3 Python面向對象程序設計 36
2.3.1 定義和使用類 36
2.3.2 構造函數 37
2.3.3 析構函數 38
2.3.4 實例屬性和類屬性 38
2.3.5 私有成員與公有成員 39
2.3.6 方法 40
2.3.7 類的繼承 41
2.4 Python圖形用戶界面設計 43
2.4.1 創建Windows窗口 43
2.4.2 幾何布局管理器 44
2.4.3 Tkinter組件 47
2.4.4 Python事件處理 58
2.4.5 圖形用戶界面設計應用案例 62
2.5 操作常用文件 65
2.5.1 操作CSV文件 65
2.5.2 操作Excel文件 67
2.5.3 操作JSON文件 70
2.6 Python的第三方庫 72
習題 73
實驗二 基于Tkinter的GUI程序開發 74
3.1 NumPy數組的使用 81
3.1.1 NumPy數組說明 81
3.1.2 NumPy數組中的元素訪問 85
3.1.3 NumPy數組的運算 86
3.1.4 NumPy數組的形狀操作 89
3.2 NumPy中的矩陣對象 91
3.3 NumPy中的數據統計分析 92
3.3.1 排序 92
3.3.2 數據去重與數據重復 94
習題 96
實驗三 NumPy數據分析應用 97
4.1 Pandas 102
4.1.1 Series 102
4.1.2 DataFrame 105
4.2 Pandas統計 112
4.2.1 基本統計 112
4.2.2 分組統計 113
4.3 Pandas排序和排名 114
4.3.1 Series的排序 114
4.3.2 DataFrame的排序 115
4.3.3 Series和DataFrame的排名 116
4.4 Pandas篩選和過濾 118
4.4.1 篩選 118
4.4.2 按篩選條件進行匯總 120
4.4.3 過濾 121
4.5 Pandas數據透視表和交叉表 122
4.5.1 數據透視表 122
4.5.2 交叉表 125
4.6 Pandas數據導入導出 126
4.6.1 導入CSV文件 126
4.6.2 導入其他格式文件 127
4.6.3 導出Excel文件 127
4.6.4 導出CSV文件 128
4.6.5 讀取和寫入數據庫 128
4.7 Pandas日期處理 129
4.8 Pandas數據運算 133
4.8.1 簡單算術運算 133
4.8.2 應用函數運算 134
4.9 Pandas數據分析應用案例——學生成績統計分析 136
習題 140
實驗四 Pandas數據分析應用 141
5.1 HTTP與網絡爬蟲相關知識 145
5.2 urllib庫 146
5.2.1 urllib庫簡介 146
5.2.2 urllib庫的基本使用 147
5.3 BeautifulSoup庫 155
5.3.1 BeautifulSoup庫概述 155
5.3.2 BeautifulSoup庫的四大對象 156
5.3.3 BeautifulSoup庫解析文檔樹 158
5.4 requests庫 161
5.4.1 requests庫的使用 161
5.4.2 requests庫的應用案例 165
5.5 動態網頁爬蟲 168
5.5.1 AJAX動態網頁爬取 168
5.5.2 動態網頁爬蟲——爬取今日頭條新聞 171
5.6 Selenium實現AJAX動態加載 172
5.6.1 安裝Selenium 172
5.6.2 Selenium詳細用法 174
5.6.3 Selenium應用案例 177
5.6.4 Selenium處理滾動條 179
5.6.5 Selenium動態加載——爬取今日頭條新聞 180
5.7 爬蟲應用案例——Python爬取新浪國內新聞 181
5.8 爬蟲應用案例——Python爬取豆瓣電影TOP 250 184
習題 187
實驗五 Python爬取網頁信息 187
6.1 數據處理 192
6.1.1 數據清理 192
6.1.2 數據集成 195
6.1.3 數據變換與數據離散化 195
6.2 Pandas數據清理 196
6.2.1 處理缺失值 197
6.2.2 處理重復值 201
6.2.3 處理格式錯誤 202
6.2.4 處理錯誤數據 202
6.2.5 處理異常值 203
6.3 Pandas數據集成 204
6.3.1 SQL合并/連接 204
6.3.2 字段合并 206
6.3.3 記錄合并 206
6.4 Pandas數據變換與數據離散化 211
6.4.1 簡單函數變換 211
6.4.2 數據標準化 212
6.4.3 數據離散化 213
6.5 Pandas數據分析 214
6.5.1 描述性分析 214
6.5.2 分布分析 215
6.5.3 相關分析 217
習題 218
實驗六 數據處理與數據分析 218
7.1 機器學習基礎 225
7.1.1 機器學習概念 225
7.1.2 機器學習分類 225
7.1.3 機器學習流程 226
7.1.4 機器學習庫sklearn的安裝 227
7.2 機器學習庫sklearn的應用 228
7.2.1 sklearn常用數據集 229
7.2.2 聚類 230
7.2.3 分類 232
7.2.4 回歸 233
7.2.5 主成分分析 235
7.2.6 鳶尾花相關的分類、預測及降維 236
習題 240
實驗七 sklearn機器學習應用 240
8.1 Matplotlib繪圖可視化 244
8.1.1 Matplotlib.pyplot模塊——快速繪圖 244
8.1.2 繪制直方圖、條形圖、散點圖、餅圖 250
8.1.3 交互式標注 254
8.2 seaborn繪圖可視化 254
8.2.1 seaborn安裝和內置數據集 254
8.2.2 seaborn設置背景與邊框 255
8.2.3 seaborn繪制散點圖 256
8.2.4 seaborn繪制折線圖 258
8.2.5 seaborn繪制直方圖 260
8.2.6 seaborn繪制條形圖 263
8.2.7 seaborn繪制線性回歸模型 263
8.2.8 seaborn繪制箱線圖 264
8.3 pyecharts繪圖可視化 267
8.3.1 安裝pyecharts 267
8.3.2 體驗圖表 268
8.3.3 常用圖表 271
8.4 Pandas數據分析應用案例——天氣數據分析和展示 277
8.4.1 爬取數據 277
8.4.2 Pandas處理分析數據 279
8.4.3 數據可視化展示 279
8.5 數據可視化應用案例——學生成績分布條形圖展示 281
8.5.1 程序設計的思路 282
8.5.2 程序設計的步驟 282
習題 284
實驗八 數據可視化 284
9.1 股票數據量化分析的背景與功能 291
9.2 程序設計的思路 291
9.3 程序設計的步驟 292
10.1 銷售業客戶價值數據分析的意義 305
10.2 程序設計的思路 305
10.3 程序設計的步驟 306
參考文獻 320
展開全部
Python數據分析與可視化教程(微課版)(本科教材) 作者簡介
夏敏捷 中原工學院教師，主要研究項目及領域：計算機、可視化、游戲開發等。 個人榮譽：2019年度被評為校級師德標兵，2020年度被評為校級教學名師。 出版圖書： 《Python項目案例開發從入門到實戰》清華大學出版社，2019年, 年銷量8000冊。 《Python程序設計——從基礎開發到數據分析（微課版）》清華大學出版社，2020年，年銷量8000冊。 《Python基礎入門-微課視頻版》清華大學出版社，2021年，年銷量5000。
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
伯納黛特,你要去哪(2021新版)
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
李白與唐代文化
- >
詩經-先民的歌唱
- >
自卑與超越
- >
二體千字文
- >
我從未如此眷戀人間
本類暢銷
