Python數據分析與可視化(第2版)(微課視頻版)（簡體書）

《Python數據分析與可視化（第2版）-微課視頻版/大數據與人工智能技術叢書》從Python數據分析的基礎知識人手，結合大量的數據分析示例，系統地介紹數據分析與可視化方法，帶領讀者逐步掌握Python數據分析的相關知識，提高解決實際問題的能力。《Python數據分析與可視化（第2版）-微課視頻版/大數據與人工智能技術叢書》共13章，主要內容包括數據分析與可視化概述、Python編程基礎、NumPy數值計算基礎、Pandas統計分析基礎、Pandas數據載人與預處理、Matplotlib數據可視化基礎、Seaborn可視化、pyecharts可視化、時間序列數據分析、SciPy科學計算、統計與機器學習、圖像數據分析和綜合案例實戰等。《Python數據分析與可視化（第2版）-微課視頻版/大數據與人工智能技術叢書》可作為高等院校數據科學與大數據、軟件工程和計算機科學與技術等專業的教材，也可作為Python數據分析初學者和愛好者的參考書。

前言

隨著互聯網的飛速發展，人們在互聯網上的行為產生了海量數據，對這些數據的存儲、處理與分析帶動了大數據技術的發展。其中，數據分析與可視化技術可以幫助人們在龐大的數據之間進行相關分析，找到有價值的信息和規律，使得人們對世界的認識更快、更便捷。在數據科學領域，Python語言由於簡單易用、第三方庫強大的特點，深受數據分析人員的青睞。

因此，本書從Python數據分析的基礎知識入手，結合大量的數據分析示例，系統地介紹了數據分析和可視化的原理與方法，帶領讀者逐步掌握Python數據分析的相關知識，提高解決實際問題的能力。

本書特色

（1） 內容全面，講解系統。

（2） 給出了數據分析環境的安裝和配置步驟。

（3） 詳細介紹了利用Python進行數據分析與可視化的方法。

（4） 提供了多個有較高應用價值的項目案例，有很強的實用性。

（5） 配套資源豐富，方便教學和學習。

本書內容

第1章數據分析與可視化概述，主要介紹數據分析與可視化的基本內容、數據分析與數據挖掘的關係、數據分析與可視化常用的工具、Python數據分析與可視化的主要庫、Jupyter Notebook的安裝以及基本使用方法。

第2章Python編程基礎，主要介紹Python語言的基本語法、內置數據類型、函數以及文件操作。

第3章NumPy數值計算基礎，主要介紹數組及其索引、數組運算、數組讀寫及常用的統計與分析方法。

第4章Pandas統計分析基礎，主要介紹Pandas中的數據結構、索引操作、數據查詢與編輯、分組匯總聚合、透視表以及Pandas的簡單繪圖。

第5章Pandas數據載入與預處理，主要針對數據預處理階段的需求，介紹使用Pandas載入數據、合並數據、數據清洗、數據標準化及數據轉換的典型方法。

第6章Matplotlib數據可視化基礎，主要介紹Pyplot繪圖的基本語法、常用參數設置和各類常用圖形的繪制。

第7章Seaborn可視化，主要介紹Seaborn可視化中的風格與主題設置及常見繪圖的基本用法。

第8章pyecharts可視化，主要介紹pyecharts的安裝與導入，繪圖的主要過程以及柱狀圖、餅圖、K線圖、儀表盤、詞云、平行坐標圖、桑基圖、地圖及組合圖表的繪制方法。

第9章時間序列數據分析，主要介紹時間序列數據分析的基本方法，包括Pandas中日期型數據，日期的範圍、頻率，時期的操作以及平穩序列的基本檢驗方法。

第10章SciPy科學計算，主要介紹SciPy中的常數和特殊函數、線性代數運算、優化、稀疏矩陣處理、簡單的圖像處理及信號處理等內容。

第11章統計與機器學習，主要介紹Scikitlearn庫的主要功能、典型的回歸分析、分類、聚類算法以及主成分分析方法。

第12章圖像數據分析，主要介紹OpenCV的導入、圖像的基本操作、SIFT和SURF特征點的提取及圖像的降噪。

第13章綜合案例，介紹了三個綜合案例，針對職業人群體檢數據、股票數據和紅酒數據，結合前面章節介紹的數據分析和數據可視化技術，進行數據分析。

與第1版相比，第2版有如下調整：

 對數據分析與可視化內容強化了理論講解與系統性說明；

 補充了Jupyter Notebook的安裝、Pandas數據查詢、Pandas數據庫文件和JSON數據讀取、時間序列的平穩性檢驗、SciPy中的信號處理以及回歸分析等內容；

 優化了部分示例代碼，補充了雷達圖、流向圖、平行坐標圖、極坐標圖、關係類圖、熱力圖和地圖等繪圖方法；

 增加了數據分析案例與各章習題。

本書配套資源

 教學大綱、教學課件、電子教案、程序源碼、在線教程、教學進度表。

 600分鐘的視頻講解。

資源下載提示

課件等資源： 掃描封底的“課件下載”二維碼，在公眾號“書圈”下載。

素材（源碼）等資源： 掃描目錄上方的二維碼下載。

在線作業： 掃描封底作業系統二維碼，登錄網站在線做題及查看答案。

視頻等資源： 掃描封底刮刮卡中的二維碼，再掃描書中相應章節中的二維碼，可以在線學習。

本書由魏偉一、李曉紅和高志玲共同編寫。

由於作者水平有限，書中難免存在疏漏和不足之處，敬請讀者批評指正。

編者2021年3月

源碼下載

目錄

第1章數據分析與可視化概述

1．1數據分析

1．2數據可視化

1．3數據分析與可視化常用工具

1．4為何選用Python進行數據分析與可視化

1．5Python數據分析與可視化常用類庫

1．6Jupyter Notebook的安裝和使用

1.6.1Jupyter Notebook的安裝

1.6.2Jupyter Notebook的使用

1．7本章小結

1.8本章習題

第2章Python編程基礎

2．1Python語言基本語法

2．1．1基礎數據類型

2．1．2變量和賦值

2．1．3運算符和表達式

2．1．4字符串

2．1．5流程控制

2．2內置數據類型

2．2．1列表

2．2．2元組

2．2．3字典

2．2．4集合

2．3函數

2．3．1函數的定義

2．3．2lambda函數

2．4文件操作

2．4．1文件處理過程

2．4．2數據的讀取方法

2．4．3讀取CSV文件

2．4．4文件寫入與關閉

2．5本章小結

2.6本章習題

2.7本章實訓

第3章NumPy數值計算基礎

3．1NumPy多維數組

3．1．1創建數組物件

3．1．2ndarray物件屬性和數據轉換

3．1．3生成隨機數

3．1．4數組變換

3．2數組的索引和切片

3．2．1一維數組的索引

3．2．2多維數組的索引

3．3數組的運算

3．3．1數組和標量間的運算

3．3．2ufunc函數

3．3．3條件邏輯運算

3．4數組讀/寫

3．4．1讀/寫二進制文件

3．4．2讀/寫文本文件

3．4．3讀取CSV文件

3．5NumPy中的數據統計與分析

3．5．1排序

3．5．2重復數據與去重

3．5．3常用統計函數

3．6本章小結

3.7本章習題

3.8本章實訓

第4章Pandas統計分析基礎

4.1Pandas中的數據結構

4.1.1Series

4.1.2DataFrame

4.1.3索引物件

4.1.4查看DataFrame的常用屬性

4.2Pandas索引操作

4.2.1重建索引

4.2.2更換索引

4.3DataFrame數據的查詢與編輯

4.3.1DataFrame數據的查詢

4.3.2DataFrame數據的編輯

4.4Pandas數據運算

4.4.1算術運算

4.4.2函數應用和映射

4.4.3排序

4.4.4匯總與統計

4.5數據分組與聚合

4.5.1數據分組

4.5.2數據聚合

4.5.3分組運算

4.6數據透視表

4.6.1透視表

4.6.2交叉表

4.7Pandas可視化

4.7.1線形圖

4.7.2柱狀圖

4.7.3直方圖和密度圖

4.7.4散點圖

4.8本章小結

4.9本章習題

4.10本章實訓

第5章Pandas數據載入與預處理

5.1數據載入

5.1.1讀/寫文本文件

5.1.2讀/寫Excel文件

5.1.3JSON數據的讀取與存儲

5.1.4讀取數據庫文件

5.2合並數據

5.2.1merge數據合並

5.2.2concat數據連接

5.2.3combine_first合並數據

5.3數據清洗

5.3.1檢測與處理缺失值

5.3.2檢測與處理重復值

5.3.3檢測與處理異常值

5.3.4數據轉換

5.4數據標準化

5.4.1離差標準化數據

5.4.2標準差標準化數據

5.5數據變換與數據離散化

5.5.1類別型數據的啞變量處理

5.5.2連續型變量的離散化

5.6本章小結

5.7本章習題

5.8本章實訓

第6章Matplotlib數據可視化基礎

6.1Matplotlib簡介

6.2Matplotlib繪圖基礎

6.2.1創建畫布與子圖

6.2.2添加畫布內容

6.2.3繪圖的保存與顯示

6.3設置Pyplot的動態rc參數

6.3.1全局參數定制

6.3.2rc參數設置

6.3.3繪圖的填充

6.3.4在繪圖中顯示公式

6.3.5文本注解

6.4Pyplot中的常用繪圖

6.4.1折線圖

6.4.2散點圖

6.4.3直方圖

6.4.4餅圖

6.4.5箱線圖

6.4.6概率圖

6.4.7雷達圖

6.4.8流向圖

6.4.9繪圖中的表格設置

6.4.10極坐標圖

6.5詞云

6.5.1安裝相關的包

6.5.2詞云生成過程

6.5.3詞云生成示例

6.6本章小結

6.7本章習題

6.8本章實訓

第7章Seaborn可視化

7.1Seaborn簡介

7.2風格設置

7.2.1Seaborn繪圖設置

7.2.2Seaborn 主題設置

7.2.3設置繪圖元素比例

7.3Seaborn中的常用繪圖

7.3.1直方圖和密度曲線圖

7.3.2散點圖

7.3.3箱線圖

7.3.4散點圖矩陣

7.3.5小提琴圖

7.3.6柱狀圖

7.3.7多變量圖

7.3.8回歸圖

7.3.9關係類圖

7.3.10熱力圖

7.4本章小結

7.5本章習題

7.6本章實訓

第8章pyecharts可視化

8.1pyecharts簡介

8.2pyecharts的使用方法

8.3pyecharts常用圖表

8.3.1柱狀圖

8.3.2餅圖

8.3.3漏斗圖

8.3.4散點圖

8.3.5K線圖

8.3.6儀表盤

8.3.7詞云

8.3.8組合圖表

8.3.9桑基圖

8.3.10平行坐標圖

8.3.11圖

8.3.12地圖

8.4本章小結

8.5本章習題

8.6本章實訓

第9章時間序列數據分析

9.1日期和時間數據類型

9.1.1datetime構造

9.1.2數據轉換

9.2時間序列基礎

9.2.1時間序列構造

9.2.2索引與切片

9.3日期範圍、頻率和移位

9.3.1日期範圍

9.3.2頻率和移位

9.4時期

9.4.1時期基礎

9.4.2頻率轉換

9.4.3時期數據轉換

9.5重采樣、降采樣和升采樣

9.5.1重采樣

9.5.2降采樣

9.5.3升采樣

9.6時間序列的平穩性檢驗

9.6.1時序圖檢驗

9.6.2自相關圖檢驗

9.6.3構造統計量檢驗

9.7本章小結

9.8本章習題

9.9本章實訓

第10章SciPy科學計算

10.1SciPy中的常數與特殊函數

10.1.1SciPy的constants模塊

10.1.2SciPy的special模塊

10.2SciPy中的線性代數基本運算

10.2.1基本的矩陣運算

10.2.2線性方程組求解

10.2.3行列式的計算

10.2.4範數

10.2.5特征值分解

10.2.6奇異值分解

10.3SciPy中的優化

10.3.1方程求解及求極值

10.3.2數據擬合

10.4SciPy中的稀疏矩陣處理

10.4.1稀疏矩陣的存儲

10.4.2稀疏矩陣的運算

10.5SciPy中的圖像處理

10.5.1圖像平滑

10.5.2圖像旋轉和銳化

10.6信號處理

10.6.1數據重采樣

10.6.2信號的卷積

10.6.3信號的時頻分析

10.7本章小結

10.8本章習題

10.9本章實訓

第11章統計與機器學習

11.1Scikitlearn的主要功能

11.2回歸分析

11.2.1一元線性回歸方法

11.2.2邏輯回歸

11.3分類

11.3.1決策樹規約

11.3.2KNN算法

11.3.3支持向量機

11.3.4樸素貝葉斯分類

11.4聚類

11.4.1KMeans聚類

11.4.2層次聚類

11.4.3基於密度的聚類

11.5主成分分析

11.6本章小結

11.7本章習題

11.8本章實訓

第12章圖像數據分析

12.1OpenCV簡介與導入

12.1.1OpenCV簡介

12.1.2Python中OpenCV的安裝與導入

12.2cv2圖像處理基礎

12.2.1cv2的基本方法與屬性

12.2.2cv2圖像處理示例

12.3應用尺度不變特征變換

12.4使用加速魯棒特征檢測

12.5圖像降噪

12.6本章小結

12.7本章習題

12.8本章實訓

第13章綜合案例

13.1職業人群體檢數據分析

13.2股票數據分析

13.3紅酒數據分析