Python數據分析師修煉之道（簡體書）

本書詳細闡述了與Python數據分析相關的基本解決方案，主要包括Anaconda和Jupyter Notebook、NumPy向量計算、數據分析庫pandas、可視化和數據分析、Python統計計算、預測分析模型等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。
本書既可作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。

目 錄
第1章 Anaconda和Jupyter Notebook 1
1.1 Anaconda 1
1.2 Jupyter Notebook 3
1.2.1 創建自己的Jupyter Notebook 3
1.2.2 Jupyter Notebook用戶界面 4
1.3 使用Jupyter Notebook 5
1.3.1 在代碼單元格中運行代碼 5
1.3.2 在文本單元格中運行markdown語法 6
1.3.3 鍵盤快捷操作 9
1.4 本章小結 10
第2章 NumPy向量計算 11
2.1 NumPy簡介 11
2.2 NumPy數組 13
2.2.1 在NumPy中創建數組 13
2.2.2 數組的屬性 16
2.2.3 數組中的基本數學運算 17
2.2.4 數組的常見操作 19
2.3 使用NumPy進行模擬 23
2.3.1 投擲硬幣 23
2.3.2 模擬股票收益 25
2.4 本章小結 27
第3章 數據分析庫pandas 29
3.1 pandas庫 29
3.1.1 導入pandas中的對象 30
3.1.2 Series 30
3.1.3 創建pandas中的Series 31
3.1.4 DataFrame 34
3.1.5 創建pandas DataFrame 35
3.1.6 剖析DataFrame 36
3.2 pandas操作 37
3.2.1 檢查數據 37
3.2.2 數據的選取、添加和刪除 37
3.2.3 DataFrame切片 40
3.2.4 基於標記的選擇操作 40
3.3 數據集 42
3.3.1 數據集中按部門劃分的員工數量 42
3.3.2 員工的流失率 42
3.3.3 平均時薪 43
3.3.4 平均工作年限 43
3.3.5 任職時間最長的員工 44
3.3.6 員工的整體滿意度 44
3.4 進一步思考 46
3.4.1 低滿意度員工 46
3.4.2 低工作滿意度和低工作參與度的員工 47
3.4.3 員工比較 48
3.5 本章小結 53
第4章 可視化和數據分析 55
4.1 matplotlib簡介 55
4.2 pyplot簡介 58
4.3 面向對象接口 64
4.4 常見的自定義方式 70
4.4.1 顏色 70
4.4.2 限定坐標軸 71
4.4.3 設置刻度和刻度標記 71
4.4.4 圖例 73
4.4.5 標注 74
4.4.6 生成網格、水平線和垂直線 75
4.5 基於seaborn和pandas的EDA 76
4.5.1 seaborn庫 76
4.5.2 執行探索性數據分析 77
4.5.3 核心目標 78
4.5.4 變量類型 78
4.6 單獨分析變量 79
4.6.1 理解主變量 80
4.6.2 數值變量 81
4.6.3 類別變量 83
4.7 變量間的關係 86
4.7.1 散點圖 86
4.7.2 箱形圖 89
4.7.3 複雜的條件圖 92
4.8 本章小結 94
第5章 Python統計計算 95
5.1 SciPy簡介 95
5.1.1 統計子包 95
5.1.2 置信區間 98
5.1.3 概率計算 100
5.2 假設測試 101
5.3 執行統計測試 102
5.4 本章小結 107
第6章 預測分析模型 109
6.1 預測分析和機器學習 109
6.2 理解scikit-learn庫 110
6.3 使用scikit-learn構建回歸模型 113
6.4 利用回歸模型預測房屋價格 118
6.5 本章小結 122