Python數據分析與應用：從數據獲取到可視化（簡體書）

本書採用理論與案例相結合的形式，以Anaconda為主要開發工具，系統、全面地介紹了Python數據分析的相關知識。全書共分為9章，第1章介紹了數據分析的基本概念，以及開發工具的安裝和使用；第2～6章介紹了Python數據分析的常用庫及其應用，涵蓋了科學計算庫NumPy、數據分析庫Pandas、數據可視化庫Matplotlib、Seaborn與Bokeh；第7、8章主要介紹了時間序列和文本數據的分析；第9章結合之前所學的技術開發了一個綜合案例，演示如何在項目中運用所學的知識。除了第1章外，其他章節都包含了很多示例和綜合案例，通過動手操作和練習，可以幫助讀者更好地理解和掌握所學的知識。
本書適合作為高等院校計算機相關專業的大數據技術類課程教材，也可以作為大數據技術愛好者入門用書。

江蘇傳智播客教育科技股份有限公司(簡稱傳智播客)是一家專門致力於高素質軟件開發人才培養的高科技公司。“黑馬程序員”是傳智播客旗下高端IT教育品牌。

第1章 數據分析概述 1
1.1 數據分析的背景 1
1.2 什麼是數據分析 2
1.3 數據分析的應用場景 2
1.4 數據分析的流程 3
1.5 為什麼選擇Python做數據分析 4
1.6 創建新的Python環境――Anaconda 5
1.6.1 Anaconda發行版本概述 5
1.6.2 在Windows系統中安裝Anaconda 5
1.6.3 通過Anaconda管理Python包 7
1.7 啟用Jupyter Notebook 9
1.7.1 啟動Anaconda自帶的Jupyter Notebook 9
1.7.2 Jupyter Notebook界面詳解 10
1.7.3 Jupyter Notebook的基本使用 13
1.8 常見的數據分析工具 16
小結 17
習題 17
第２章 科學計算庫NumPy 19
2.1 認識NumPy數組對象 19
2.2 創建NumPy數組 21
2.3 ndarray對象的數據類型 22
2.3.1 查看數據類型 22
2.3.2 轉換數據類型 23
2.4 數組運算 24
2.4.1 矢量化運算 24
2.4.2 數組廣播 25
2.4.3 數組與標量間的運算 25
2.5 ndarray的索引和切片 26
2.5.1 整數索引和切片的基本使用 26
2.5.2 花式(數組)索引的基本使用 28
2.5.3 布爾型索引的基本使用 29
2.6 數組的轉置和軸對稱 30
2.7 NumPy通用函數 32
2.8 利用NumPy數組進行數據處理 34
2.8.1 將條件邏輯轉為數組運算 34
2.8.2 數組統計運算 34
2.8.3 數組排序 35
2.8.4 檢索數組元素 36
2.8.5 唯一化及其他集合邏輯 36
2.9 線性代數模塊 37
2.10 隨機數模塊 38
2.11 案例――酒鬼漫步 39
小結 40
習題 40
第3章 數據分析工具Pandas 42
3.1 Pandas的數據結構分析 42
3.1.1 Series 42
3.1.2 DataFrame 44
3.2 Pandas索引操作及高級索引 46
3.2.1 索引對象 46
3.2.2 重置索引 47
3.2.3 索引操作 49
3.3 算術運算與數據對齊 53
3.4 數據排序 54
3.4.1 按索引排序 54
3.4.2 按值排序 55
3.5 統計計算與描述 56
3.5.1 常用的統計計算 57
3.5.2 統計描述 58
3.6 層次化索引 59
3.6.1 認識層次化索引 59
3.6.2 層次化索引的操作 64
3.7 讀寫數據操作 68
3.7.1 讀寫文本文件 68
3.7.2 讀寫Excel文件 70
3.7.3 讀取HTML表格數據 72
3.7.4 讀寫數據庫 73
3.8 案例――北京高考分數線統計分析 77
2.8.1 案例需求 77
2.8.2 數據準備 77
2.8.3 功能實現 78
小結 81
習題 81
第４章 數據預處理 83
4.1 數據清洗 83
4.1.1 空值和缺失值的處理 83
4.1.2 重複值的處理 88
4.1.3 異常值的處理 90
4.1.4 更改數據類型 94
4.2 數據合併 96
4.2.1 軸向堆疊數據 96
4.2.2 主鍵合併數據 99
4.2.3 根據行索引合併數據 103
4.2.4 合併重疊數據 105
4.3 數據重塑 106
4.3.1 重塑層次化索引 106
4.3.2 軸向旋轉 109
4.4 數據轉換 110
4.4.1 重命名軸索引 110
4.4.2 離散化連續數據 112
4.4.3 啞變量處理類別型數據 113
4.5 案例――預處理部分地區信息 115
4.5.1 案例需求 115
4.5.2 數據準備 115
4.5.3 功能實現 116
小結 123
習題 123
第5章 數據聚合與分組運算 125
5.1 分組與聚合的原理 125
5.2 通過groupby()方法將數據拆分成組 126
5.3 數據聚合 132
5.3.1 使用內置統計方法聚合數據 132
5.3.2 面向列的聚合方法 132
5.4 分組級運算 136
5.4.1 數據轉換 136
5.4.2 數據應用 138
5.5 案例――運動員信息的分組與聚合 141
5.5.1 案例需求 141
5.5.2 數據準備 141
5.5.3 功能實現 142
小結 146
習題 147
第6章 數據可視化 149
6.1 數據可視化概述 149
6.1.1 什麼是數據可視化 149
6.1.2 常見的圖表類型 150
6.1.3 數據可視化的工具 154
6.2 Matplotlib――繪製圖表 155
6.2.1 通過figure()函數創建畫布 155
6.2.2 通過subplot()函數創建單個子圖 157
6.2.3 通過subplots()函數創建多個子圖 158
6.2.4 通過add_subplot()方法添加和選中子圖 160
6.2.5 添加各類標簽 161
6.2.6 繪製常見圖表 162
6.2.7 本地保存圖形 167
6.3 Seaborn――繪製統計圖形 168
6.3.1 可視化數據的分佈 168
6.3.2 用分類數據繪圖 174
6.4 Bokeh――交互式可視化庫 178
6.4.1 認識Bokeh庫 178
6.4.2 通過Plotting繪製圖形 179
6.5 案例――畫圖分析某年旅遊景點數據 180
6.5.1 案例需求 181
6.5.2 數據準備 181
6.5.3 功能實現 181
小結 185
習題 185
第７章 時間序列分析 187
7.1 時間序列的基本操作 187
7.1.1 創建時間序列 187
7.1.2 通過時間戳索引選取子集 189
7.2 固定頻率的時間序列 191
7.2.1 創建固定頻率的時間序列 191
7.2.2 時間序列的頻率、偏移量 193
7.2.3 時間序列的移動 195
7.3 時間週期及計算 196
7.3.1 創建時期對象 196
7.3.2 時期的頻率轉換 198
7.4 重採樣 198
7.4.1 重採樣方法(resample) 199
7.4.2 降採樣 200
7.4.3 升採樣 201
7.5 數據統計――滑動窗口 203
7.6 時序模型――ARIMA 206
7.7 案例――股票收盤價分析 207
7.7.1 案例需求 207
7.7.2 數據準備 207
7.7.3 功能實現 208
小結 213
習題 214
第8章 文本數據分析 216
8.1 文本數據分析工具 216
8.1.1 NLTK與jieba概述 216

8.1.2 安裝NLTK和下載
語料庫 217
8.1.3 jieba庫的安裝 219
8.2 文本預處理 220
8.2.1 預處理的流程 220
8.2.2 分詞 221
8.2.3 詞性標注 223
8.2.4 詞形歸一化 224
8.2.5 刪除停用詞 226
8.3 文本情感分析 227
8.4 文本相似度 229
8.5 文本分類 232
8.6 案例――商品評價分析 235
8.6.1 案例需求 235
8.6.2 數據準備 236
8.6.3 功能實現 236
小結 240
習題 240
第9章 數據分析實戰――北京租房數據統計分析 242
9.1 數據來源 242
9.2 數據讀取 243
9.3 數據預處理 244
9.3.1 重複值和空值處理 244
9.3.2 數據轉換類型 246
9.4 圖表分析 247
9.4.1 房源數量、位置分佈分析 248
9.4.2 戶型數量分析 255
9.4.3 平均租金分析 258
9.4.4 面積區間分析 260
小結 262