Python數(shù)據(jù)分析與可視化（微課視頻版）

目錄
第1章數(shù)據(jù)分析與可視化概述

1．1數(shù)據(jù)分析

1．2數(shù)據(jù)可視化

1．3數(shù)據(jù)分析與可視化常用工具

1．4為何選用Python進行數(shù)據(jù)分析與可視化

1．5Python數(shù)據(jù)分析與可視化常用類庫

1．6Jupyter Notebook的使用

1．7本章小結

第2章Python編程基礎

2．1Python語言基本語法

2．1．1基礎數(shù)據(jù)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(nèi)置數(shù)據(jù)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(shù)

2．3．1函數(shù)的定義

2．3．2lambda函數(shù)

2．4文件操作

2．4．1文件處理過程

2．4．2數(shù)據(jù)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

本章實訓

第3章NumPy數(shù)值計算基礎

3．1NumPy多維數(shù)組

3．1．1創(chuàng)建數(shù)組對象

3．1．2ndarray對象屬性和數(shù)據(jù)轉(zhuǎn)換

3．1．3生成隨機數(shù)

3．1．4數(shù)組變換

3．2數(shù)組的索引和切片

3．2．1一維數(shù)組的索引

3．2．2多維數(shù)組的索引

3．3數(shù)組的運算

3．3．1數(shù)組和標量間的運算

3．3．2ufunc函數(shù)

3．3．3條件邏輯運算

3．4數(shù)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(shù)據(jù)統(tǒng)計與分析

3．5．1排序

3．5．2重復數(shù)據(jù)與去重

3．5．3常用統(tǒng)計函數(shù)

3．6本章小結

本章實訓





第4章Pandas統(tǒng)計分析基礎

4.1Pandas中的數(shù)據(jù)結構

4.1.1Series

4.1.2DataFrame

4.1.3索引對象

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(shù)據(jù)的查詢與編輯

4.3.1DataFrame數(shù)據(jù)的查詢

4.3.2DataFrame數(shù)據(jù)的編輯

4.4Pandas數(shù)據(jù)運算

4.4.1算術運算

4.4.2函數(shù)應用和映射

4.4.3排序

4.4.4匯總與統(tǒng)計

4.5數(shù)據(jù)分組與聚合

4.5.1數(shù)據(jù)分組

4.5.2數(shù)據(jù)聚合

4.5.3分組運算

4.6數(shù)據(jù)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

本章實訓

第5章Pandas數(shù)據(jù)載入與預處理

5.1數(shù)據(jù)載入

5.1.1讀/寫文本文件

5.1.2讀/寫Excel文件

5.2合并數(shù)據(jù)

5.2.1merge數(shù)據(jù)合并

5.2.2concat數(shù)據(jù)連接

5.2.3combine_first合并數(shù)據(jù)

5.3數(shù)據(jù)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(shù)據(jù)轉(zhuǎn)換

5.4數(shù)據(jù)標準化

5.4.1離差標準化數(shù)據(jù)

5.4.2標準差標準化數(shù)據(jù)

5.5數(shù)據(jù)轉(zhuǎn)換

5.5.1類別型數(shù)據(jù)的啞變量處理

5.5.2連續(xù)型變量的離散化

5.6本章小結

本章實訓

第6章Matplotlib數(shù)據(jù)可視化基礎

6.1Matplotlib簡介

6.2Matplotlib繪圖基礎

6.2.1創(chuàng)建畫布與子圖

6.2.2添加畫布內(nèi)容

6.2.3繪圖的保存與顯示

6.3設置Pyplot的動態(tài)rc參數(shù)

6.3.1全局參數(shù)定制

6.3.2rc參數(shù)設置

6.3.3繪圖的填充

6.3.4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

6.5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

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

7.4本章小結

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

8.4本章小結

本章實訓

第9章時間序列數(shù)據(jù)分析

9.1日期和時間數(shù)據(jù)類型

9.1.1datetime構造

9.1.2數(shù)據(jù)轉(zhuǎn)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日期范圍、頻率和移位

9.3.1日期范圍

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(zhuǎn)換

9.4.3時期數(shù)據(jù)轉(zhuǎn)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本章小結

本章實訓

第10章SciPy科學計算

10.1SciPy中的常數(shù)與特殊函數(shù)

10.1.1SciPy的constants模塊

10.1.2SciPy的special模塊

10.2SciPy中的線性代數(shù)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范數(shù)

10.2.5特征值分解

10.2.6奇異值分解

10.3SciPy中的優(yōu)化

10.3.1方程求解及求極值

10.3.2數(shù)據(jù)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(zhuǎn)和銳化

10.6本章小結

本章實訓

第11章統(tǒng)計與機器學習

11.1Scikitlearn的主要功能

11.2分類

11.2.1決策樹規(guī)約

11.2.2KNN算法

11.2.3支持向量機

11.2.4樸素貝葉斯分類

11.3聚類

11.3.1KMeans聚類

11.3.2層次聚類

11.3.3基于密度的聚類

11.4主成分分析

11.5本章小結

本章實訓

第12章圖像數(shù)據(jù)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

本章實訓

第13章綜合案例

13.1職業(yè)人群體檢數(shù)據(jù)分析

13.2股票數(shù)據(jù)分析