Python數據分析：從零基礎入門到案例實戰（簡體書）

本書是一本使用 Python 3.8 進行數據處理和分析的學習指南。全書分為三部分：基礎入門、實戰案例及拓展與應用。在基礎入門部分，介紹了 Python 的語法基礎，包括數據類型、流程控制、函數，數據的導入導出，數據處理的 NumPy 和 Pandas 庫，數據清洗、數據分析、數據可視化和圖像處理，以及正則表達式和爬蟲方面的知識點；在實戰案例部分，介紹了中文分詞 jieba 庫，並用三個完整的數據分析案例介紹了數據的清洗和分析過程；在拓展與應用部分，主要介紹了 Python 對文件系統的操作和格式化字符串的輸出，並對數據庫的操作、Python 應用模塊的 DIY 與發布，以及機器學習入門做了簡單的介紹。

本書內容豐富、簡單易懂，適合本科生、研究生閱讀，以及對 Python 語言感興趣或者想要使用 Python 語言進行數據分析的讀者參考。

余本國，博士，副教授，碩士研究生導師。

2001年畢業於石河子大學數學系，同年到中北大學（原華北工學院）任教，主講線性代數、高等數學、微積分、概率統計、數學實驗、Python語言、大數據分析基礎等課程。2012年到加拿大York University做訪問學者。現工作於海南醫學院生物醫學信息與工程學院。出版有個人著作《感受加拿大遊學周記》《Python數據分析基礎》《基於Python的大數據分析基礎及實戰》《Python在機器學習中的應用》《Python 機器學習算法與實戰》《PyTorch深度學習入門與實踐》《Python大數據分析與應用實戰》等。

由淺入深 快速入門

附贈格外視頻講解

知識全面 實例豐富

配套資源 輔助學習

在線交流 售後無憂

從基礎入門講解，到實戰案例解析，再到拓展與應用，真正做到零基礎到實戰應用的一本實用教程。在基礎入門部分，介紹了 Python 的語法基礎，包括數據類型、流程控制、函數，數據的導入導出，數據處理的 NumPy 和 Pandas 庫，數據清洗、數據分析、數據可視化和圖像處理，以及正則表達式和爬蟲方面的知識點；在實戰案例部分，介紹了中文分詞 jieba 庫，並用三個完整的數據分析案例介紹了數據的清洗和分析過程；在拓展與應用部分，主要介紹了 Python 對文件系統的操作和格式化字符串的輸出，並對數據庫的操作、 Python 應用模塊的 DIY 與發布，以及機器學習入門做了簡單的介紹。

本書特色：

1、由淺入深，快速入門

本書定位以零基礎為主，充分考慮到初學者的特點，引領讀者快速入門。在知識點上不求面面俱到，但求夠用。學好本書能掌握一般的數據分析工作所需的基礎技術。

2、重點提示，高效學習

在各知識點的關鍵處給出提示說明和注意事項，專業知識和經驗的提煉有助於讀者高效學習，也能更多地體會編程的樂趣。

3、內容全面，實例豐富

本書詳細介紹了 Python 的基本分析工具，內容涵蓋基本語法、數據處理與分析，以及可視化等相關技術，知識點全面、夠用。在介紹知識點時，輔以大量的實例及實戰案例，有助於讀者快速理解並掌握所學知識點。

4、配套資源，輔助學習

從基本語法到拓展，教學資源一應俱全。本書提供了全書的大部分源代碼，但不建議復制、粘貼代碼運行。有效的學習方法就是親自敲代碼，體會代碼的寫法。同時，還附贈了本書以外相關知識點的視頻講解，讓讀者能夠舉一反三，牢固掌握所學知識。

5、在線答疑，售後無憂

掃描下方二維碼，關注公眾號，輸入關鍵詞，即可獲取配套資源下載方式。

如今關於 Python 的圖書浩如煙海，這是一件好事情，說明大家都知道了 Python 的重要性並在學習它。正如語言專家 Bruce Eckel 說的“Life is short, you need Python”，即“人生苦短，我用 Python”，這從另一個方面也說明 Python 語言簡潔易用。當前 Python 圖書云集，良莠不齊，適合“小白”入門學習數據分析的書還真的不多。

Python 發展迅速，更新迭代速度更是驚人，當前最新版為 Python 3.9，Anaconda 中最新穩定版為 Python 3.8。本書所有代碼都基於 Python 3.8 編寫。

本書分為三部分，共 16 章，第 1 章 Python 基礎，內容簡潔明了，將數據分析中常見的知識點精講，除去了繁雜的特例；第 2 ～ 4 章是數據分析的基礎，主要介紹了數據分析工具和對數據框的增刪改查的操作，以及對數據的處理；第 5 章介紹了幾種常用的數據分析方法；第 6 章對數據可視化做了介紹，尤其是對 Matplotlib 和 pyecharts 做了詳細講解；第 7 章對數據的獲取——網絡爬蟲做了介紹；第 8 章介紹了詞云圖的製作；第 9 ～ 11 章利用具體的案例進行數據分析；第 12 ～ 15 章介紹了一些拓展知識，以及如何發布開源項目；第 16 章簡單介紹了機器學習入門知識，為將來機器學習和深度學習做一個鋪墊。

第一部分 基礎入門

第 1 章　Python 基礎

1.1 安裝 Anaconda

1.2 語法基礎

1.3 程序結構

1.4 函數

1.5 數據類型

1.6 map()、filter() 和 reduce() 函數

1.7 面向物件編程基礎

1.8 實戰案例：我的第一個程序（驗證用戶名和密碼）

1.9 本章小結

第 2 章　NumPy 庫

2.1 數組的創建

2.2 數組的操作

2.3　數組的計算

2.4 統計基礎

2.5 矩陣運算

2.6 實戰案例：股票統計分析

2.7 本章小結

第 3 章　Pandas 庫

3.1 序列

3.2 數據框

3.3　數據的導入

3.4 數據的導出

3.5　實戰案例：身體質量數據處理

3.6 本章小結

第 4 章　數據處理

4.1　數據清洗

4.2　數據抽取

4.3　插入記錄

4.4　修改記錄

4.5 交換行或列

4.6 排名索引

4.7 數據合並

4.8 數據計算

4.9 數據分組

4.10 日期處理

4.11 實戰案例：數據處理

4.12 本章小結

第 5 章　數據分析

5.1 描述性統計分析

5.2　分組分析

5.3　分布分析

5.4 交叉分析

5.5 結構分析

5.6 相關分析

5.7 實戰案例：電商數據相關分析

5.8 本章小結

第 6 章　數據可視化

6.1　Matplotlib 可視化

6.2 pyecharts 可視化

6.3　networkx 可視化

6.4 Plotly 可視化

6.5 Python 圖像處理基礎

6.6 實戰案例：貨物動態流向圖

6.7 本章小結

第 7 章　字符串處理與網絡爬蟲

7.1　字符串處理

7.2 網絡爬蟲

7.3 實戰案例：批量下載圖片

7.4　本章小結

第二部分 實戰案例

第 8 章　分詞與詞云

8.1 詞云的概念

8.2 安裝 jieba 庫

8.3　jieba 庫的用法

8.4 詞云

8.5 背景詞云圖的製作

8.6 本章小結

第 9 章　航空客戶分類

9.1　情景問題的提出

9.2 K-Means 算法

9.3 情景問題模型的建立

9.4　代碼實現

9.5　分類結果與分析

9.6 本章小結

第 10 章　文本分類分析

10.1 讀取數據

10.2　數據處理

10.3　構建文本特徵與建模

10.4　本章小結

第 11 章　貸款風險評估分析

11.1 問題分析

11.2 數據的導入與整理

11.3 模型訓練

11.4 模型預測

11.5 本章小結

第三部分 拓展與應用

第 12 章　os 與 glob 模塊

12.1 os 模塊

12.2 glob 模塊

12.3 實戰案例：生成專屬的二維碼

12.4 本章小結

第 13 章　字符串的格式化輸出

13.1 % 格式化

13.2 format 格式化

13.3 f 格式化

13.4 Template 格式化

13.5 本章小結

第 14 章　在 Python 中使用數據庫

14.1 創建 / 打開數據庫

14.2 插入數據

14.3 查詢記錄

14.4 修改記錄

14.5 刪除記錄

14.6 增刪改查的異常處理

14.7 實戰案例：我的庫我做主（MySQL）

14.8 本章小結

第 15 章　DIY 庫的發布

15.1 分形簡介

15.2 分形的繪製方法

15.3 發布 fractal 庫

15.4 本章小結

第 16 章　機器學習入門

16.1 入門案例

16.2 監督學習和無監督學習

16.3 機器學習中常見的算法

16.4 本章小結

參考文獻