本书基于作者多年来的课程教学经验和利用Python进行数据分析的工程经验编写而成,面向数据分析的初学者,使其具备利用Python开展数据分析工作、解决各专业问题的思维和能力。高校计算机、大数据、人工智能及其他相关专业均可使用本书作为数据分析课程教材。

前言 第1章 基础知识1 1.1 数据分析简介1 1.2 Python编程基础4 1.2.1 Anaconda环境的安装和配置5 1.2.2 Jupyter Notebook的使用7 1.2.3 内置数据类型11 1.2.4 程序的控制结构12 1.2.5 模块化13 1.2.6 面向对象14 1.2.7 文件操作16 1.2.8 异常处理17 1.3 包/模块使用示例18 1.3.1 CSV文件操作18 1.3.2 排序时间测试20 1.4 本章小结24 1.5 习题25 第2章 科学计算基础工具包NumPy27 2.1 ndarray类27 2.1.1 为什么使用ndarray28 2.1.2 ndarray类对象的常用属性30 2.1.3 创建ndarray类对象32 2.2 示例数据35 2.3 索引和切片38 2.4 数据拷贝40 2.5 数据处理43 2.5.1 基础运算43 2.5.2 广播机制47 2.5.3 通用函数48 2.5.4 常用函数和方法51 2.6 **索引58 2.7 本章小结62 2.8 习题63 第3章 数据分析工具库Pandas66 3.1 Series类66 3.1.1 Series对象的常用属性66 3.1.2 创建Series对象67 3.2 DataFrame对象69 3.2.1 DataFrame对象的常用属性70 3.2.2 创建DataFrame对象72 3.3 Index对象74 3.3.1 Index对象的常用属性74 3.3.2 创建Index对象74 3.4 元素访问方式75 3.4.1 属性运算符访问76 3.4.2 索引运算符访问77 3.4.3 loc访问方法81 3.4.4 iloc访问方法83 3.4.5 at和iat索引方法86 3.4.6 head和tail方法87 3.5 数据清洗88 3.5.1 处理缺失数据88 3.5.2 删除重复数据92 3.6 数据合并94 3.6.1 merge方法94 3.6.2 join方法97 3.6.3 concat方法100 3.7 数据重塑103 3.7.1 pivot方法103 3.7.2 melt方法104 3.8 Pandas数据处理实例106 3.8.1 药品销售数据处理实例106 3.8.2 流感与人口数据处理实例110 3.9 本章小结113 3.10 习题114 第4章 数据统计分析119 4.1 基本统计分析119 4.2 分组分析121 4.2.1 定性分组121 4.2.2 定量分组123 4.3 分布分析124 4.4 交叉分析125 4.5 结构分析127 4.6 相关分析128 4.7 应用实例131 4.8 本章小结133 4.9 习题133 第5章 时间序列分析135 5.1 Datetime模块135 5.2 时间序列基础137 5.3 日期时间处理140 5.4 频率转换与重采样143 5.4.1 频率转换143 5.4.2 重采样145 5.5 本章小结151 5.6 习题151 第6章 数据可视化153 6.1 Matplotlib153 6.1.1 线形图153 6.1.2 条形图155 6.1.3 饼图156 6.1.4 散点图158 6.1.5 直方图159 6.2 Seaborn160 6.2.1 关系图161 6.2.2 分布图163 6.2.3 分类图167 6.2.4 回归图170 6.2.5 热力图172 6.3 Pyecharts173 6.3.1 Pyecharts图表类173 6.3.2 Pyecharts图表配置174 6.4 应用实例177 6.5 本章小结182 6.6 习题183 第7章 网络爬虫187 7.1 网络数据获取187 7.2 数据文件操作196 7.3 应用实例203 7.4 本章小结208 7.5 习题208 第8章 MySQL数据库操作210 8.1 MySQL简介210 8.2 MySQL的安装211 8.3 连接、读取和存储214 8.3.1 创建数据库和数据表214 8.3.2 Python连接数据库217 8.3.3 Python读取数据库218 8.3.4 Python存储数据库219 8.4 数据操作222 8.4.1 查询操作222 8.4.2 插入操作223 8.4.3 更新操作225 8.4.4 删除操作226 8.5 应用实例227 8.6 本章小结233 8.7 习题233 附录 NumPy通用函数235 参考文献238