封面
版权信息
内容提要
前言
第一部分 Python基础知识
第1章 初识Python
1.1 Python简介
1.2 Python开发环境
1.3 Python解释器
1.3.1 安装Python
1.3.2 测试Python是否安装成功
1.4 编写Python源代码
本章习题
实训
第2章 Python开发工具
2.1 安装VS Code编辑器
2.1.1 什么是VS Code
2.1.2 下载VS Code
2.1.3 安装VS Code
2.2 配置VS Code环境
2.2.1 安装Python插件
2.2.2 配置中文环境
2.2.3 利用VS Code开发Python程序
2.2.4 使用Jupyter Notebook
本章习题
实训
第3章 Python编程基础
3.1 Python基础语法
3.1.1 Python标识符
3.1.2 Python关键字
3.1.3 缩进
3.1.4 多行语句
3.1.5 Python引号
3.1.6 Python注释
3.1.7 Python空格和空行
3.1.8 Print输出
3.2 Python变量与数据类型
3.2.1 变量
3.2.2 数据类型
3.3 Python运算符
3.3.1 算术运算符
3.3.2 一元运算符
3.3.3 关系（比较）运算符
3.3.4 赋值运算符
3.3.5 逻辑运算符
3.3.6 成员运算符
3.3.7 身份运算符
3.3.8 位运算符
3.3.9 运算符优先级
3.4 Python数据结构
3.4.1 列表
3.4.2 元组
3.4.3 字典
3.4.4 集合
3.5 Python选择结构
3.5.1 if语句
3.5.2 多分支选择结构
3.5.3 短路计算和强制类型转换
3.5.4 try...except...语句
3.6 Python循环结构
3.6.1 for循环
3.6.2 while循环
3.6.3 生成式
3.6.4 高阶函数
3.6.5 向量化
3.6.6 循环控制
3.7 Python函数
3.7.1 定义函数
3.7.2 向函数传递信息
3.7.3 形参和实参
3.7.4 传递实参
3.7.5 返回值
3.7.6 递归函数
3.7.7 匿名函数
3.7.8 闭包函数
3.7.9 将函数存储在模块中
3.8 Python模块和包
3.8.1 导入模块
3.8.2 定义模块
3.8.3 定义包
3.8.4 安装第三方模块
本章习题
实训
第二部分 数据分析基础知识
第4章 NumPy数据分析
4.1 NumPy库简介
4.2 NumPy库安装与使用
4.3 创建数组对象
4.4 数组数据类型
4.4.1 数据类型
4.4.2 创建数组时指定数据类型
4.4.3 查询数据类型
4.4.4 修改数据类型
4.5 多维数组结构
4.5.1 数组维度查询
4.5.2 数组形状查询
4.5.3 数组元素个数及大小
4.6 数组索引
4.6.1 下标索引
4.6.2 切片索引
4.6.3 花式索引
4.6.4 布尔索引
4.7 数组元素值的替换
4.7.1 利用索引替换
4.7.2 利用条件索引替换
4.7.3 利用where()函数替换
4.8 数组的广播机制
4.8.1 数组的广播原则
4.8.2 数组与数字运算
4.8.3 数组与数组运算
4.9 数组形状的操作
4.9.1 数组形状的改变
4.9.2 数组的叠加
4.9.3 数组的切割
4.9.4 矩阵的转置
4.10 数组的轴
4.10.1 轴的应用
4.10.2 三维数组
本章习题
实训
第5章 Pandas数据分析
5.1 Pandas简介
5.2 Pandas库安装与使用
5.3 Pandas数据结构
5.3.1 Series
5.3.2 DataFrame
5.4 Pandas数据分析基础
5.4.1 数据读取与保存
5.4.2 数据的信息
5.4.3 数据选择
5.4.4 位置计算
5.4.5 统计计算
5.5 Pandas常用操作
5.5.1 apply()函数
5.5.2 applymap()函数
5.5.3 排序
5.5.4 逻辑运算
5.6 Pandas高级操作
5.6.1 替换操作
5.6.2 映射操作
5.6.3 运算工具
5.6.4 基于排序实现随机抽样
5.6.5 数据库数据读取
5.7 Pandas缺失值处理
5.7.1 默认的缺失值
5.7.2 缺失值的判断
5.7.3 缺失值的填充
5.7.4 缺失值的删除
5.8 Pandas数据分组
5.8.1 单类分组
5.8.2 多类分组
5.8.3 时间分组
5.9 Pandas数据合并
5.9.1 数据准备
5.9.2 concat()函数
5.9.3 merge()函数
5.9.4 append()函数
5.9.5 join()函数
5.9.6 combine()函数
5.10 Pandas时间序列
5.10.1 时间戳
5.10.2 时期
5.10.3 时间间隔
5.10.4 重采样
5.10.5 移动、滑动与扩展窗口
5.11 Pandas透视表与交叉表
5.11.1 透视表
5.11.2 交叉表
本章习题
实训
第6章 Matplotlib数据绘图
6.1 Matplotlib简介
6.1.1 Matplotlib中的对象
6.1.2 Matplotlib中图形的构成
6.1.3 Matplotlib库安装与使用
6.2 matplotlib.pyplot的常用绘图方法
6.2.1 绘图方法
6.2.2 pyplot.figure()
6.2.3 pyplot.subplot()
6.2.4 pyplot.subplots()
6.2.5 pyplot.subplot2grid()
6.3 图形的基本设置
6.3.1 常用的颜色、线型和标记
6.3.2 中文显示及负数显示
6.4 Matplotlib绘图实战
6.4.1 折线图
6.4.2 散点图
6.4.3 柱状图
6.4.4 饼图
6.4.5 直方图
6.4.6 箱线图
6.4.7 热力图
6.4.8 雷达图
本章习题
实训
第7章 Seaborn数据绘图
7.1 Seaborn简介
7.2 Seaborn库安装与使用
7.3 Seaborn绘图流程
7.3.1 导入绘图模块
7.3.2 导入数据
7.3.3 设置画布大小
7.3.4 输出图形
7.3.5 保存图形
7.4 Seaborn绘图实战
7.4.1 数据准备
7.4.2 导入相关库
7.4.3 直方图
7.4.4 散点图
7.4.5 热力图
7.4.6 回归图
7.4.7 小提琴图
本章习题
实训
第三部分 综合案例
第8章 咖啡销售情况分析
8.1 准备数据
8.2 数据清洗
8.2.1 缺失值查询
8.2.2 重复值处理
8.3 数据分析
8.3.1 查看数据集维度
8.3.2 描述性分析
8.3.3 排序分析
8.3.4 数据分组
8.3.5 数据查询
8.3.6 复杂条件查询
8.3.7 新增数据列
8.4 数据可视化
8.4.1 产品类别利润额可视化
8.4.2 产品利润额分布区间可视化
本章习题
实训
第9章 员工离职风险预测
9.1 Scikit-Learn简介
9.2 安装Scikit-Learn库
9.3 分类和回归预测步骤
9.4 读取数据集
9.5 类别特征转换为二进制特征
9.6 数据集划分为训练集和测试集
9.7 Min-Max归一化预处理
9.8 构建和训练逻辑回归模型
9.9 预测和评估
本章习题
实训
第10章 航班乘客数预测
10.1 PyTorch简介
10.2 安装PyTorch库
10.3 导入相关库
10.4 PyTorch基础知识
10.4.1 张量
10.4.2 自动微分
10.4.3 神经网络
10.4.4 数据加载
10.4.5 GPU加速
10.5 读取数据
10.6 数据预处理
10.7 定义神经网络模型
10.8 定义优化器和损失函数
10.9 训练模型
10.10 测试模型
本章习题
实训
更新时间：2024-08-06 10:39:19
完结共263章
倒序