本書(shū)注重零基礎(chǔ)讀者實(shí)現(xiàn)Python從入門(mén)到精通，加強(qiáng)讀者基于數(shù)據(jù)分析而常用的編程基礎(chǔ)，并通過(guò)數(shù)據(jù)分析、機(jī)器學(xué)習(xí)和可視化的內(nèi)容，增強(qiáng)了讀者對(duì)數(shù)據(jù)進(jìn)行分析和挖掘的能力。全書(shū)共8章，主要內(nèi)容包括Python開(kāi)發(fā)環(huán)境搭建與編碼規(guī)范，數(shù)據(jù)類型、運(yùn)算符與內(nèi)置函數(shù)，列表、元組、字典、集合與字符串，選擇結(jié)構(gòu)、循環(huán)結(jié)構(gòu)、函數(shù)定義與使用，文件操作，數(shù)據(jù)分析，機(jī)器學(xué)習(xí)，數(shù)據(jù)可視化。本書(shū)可作為高等院校統(tǒng)計(jì)學(xué)、數(shù)學(xué)、經(jīng)濟(jì)學(xué)、金融學(xué)、管理學(xué)等專業(yè)相關(guān)課程的教材，也可作為從事數(shù)據(jù)咨詢、研究或分析等人士的參考書(shū)。

1.首版累計(jì)銷售55000冊(cè)，暢銷教材最新改版。 2.Python零基礎(chǔ)，輕松學(xué)會(huì)數(shù)據(jù)分析、挖掘與可視化。 3.編碼、分析、挖掘，數(shù)據(jù)分析全流程一次搞定。 4.微課視頻，掃碼即可觀看，重點(diǎn)難點(diǎn)逐個(gè)擊破。 5.最新的思維導(dǎo)圖，賦能教學(xué)實(shí)踐。

董付國(guó) 山東工商學(xué)院計(jì)算機(jī)學(xué)院副教授，擁有多年P(guān)ython教學(xué)和開(kāi)發(fā)經(jīng)驗(yàn)，先后出版《Python程序設(shè)計(jì)》等系列教材，近幾年應(yīng)邀為多個(gè)單位以及高校講授Python編程技術(shù)，長(zhǎng)期維護(hù)微信公眾號(hào)“Python小屋”并免費(fèi)分享340多篇Python技術(shù)文章；多次獲得校級(jí)教學(xué)優(yōu)秀效果一等獎(jiǎng)；發(fā)表科研論文40余篇，近30篇被EI收錄。

第 1章　Python開(kāi)發(fā)環(huán)境的搭建與編碼規(guī)范 1 1.1　Python開(kāi)發(fā)環(huán)境的搭建與使用　1 1.1.1　IDLE　2 1.1.2　Anaconda3　3 1.1.3　安裝擴(kuò)展庫(kù)　4 1.2　Python編碼規(guī)范　5 1.3　標(biāo)準(zhǔn)庫(kù)、擴(kuò)展庫(kù)對(duì)象的 導(dǎo)入與使用　7 1.3.1　import模塊名[ as 別名]　7 1.3.2　from模塊名import 對(duì)象名[　as 別名]　7 1.3.3　from模塊名import *　8 本章知識(shí)要點(diǎn)　8 本章習(xí)題　9 第　2章 數(shù)據(jù)類型、運(yùn)算符與內(nèi)置函數(shù)　10 2.1　常用內(nèi)置數(shù)據(jù)類型　10 2.1.1　整數(shù)、浮點(diǎn)數(shù)、復(fù)數(shù)　11 2.1.2　列表、元組、字典、集合　12 2.1.3　字符串　13 2.2　運(yùn)算符與表達(dá)式　14 2.2.1　算術(shù)運(yùn)算符　15 2.2.2　關(guān)系運(yùn)算符　17 2.2.3　成員測(cè)試運(yùn)算符　18 2.2.4　集合運(yùn)算符　18 2.2.5　邏輯運(yùn)算符　18 2.3　常用內(nèi)置函數(shù)　19 2.3.1　類型轉(zhuǎn)換　21 2.3.2　最大值、最小值　22 2.3.3　元素?cái)?shù)量、求和　23 2.3.4　排序、逆序　24 2.3.5　基本輸入/輸出　25 2.3.6　range()　26 2.3.7　zip()　26 2.3.8　map()、reduce()、filter()　27 2.4　綜合應(yīng)用與例題解析　28 本章知識(shí)要點(diǎn)　29 本章習(xí)題　30 第3章　列表、元組、字典、集合與 字符串　31 3.1　列表與列表推導(dǎo)式　31 3.1.1　創(chuàng)建列表　31 3.1.2　使用下標(biāo)訪問(wèn)列表中的 元素　32 3.1.3　列表常用方法　33 3.1.4　列表推導(dǎo)式　34 3.1.5　切片操作　35 3.2　元組與生成器表達(dá)式　36 3.2.1　元組與列表的區(qū)別　36 3.2.2　生成器表達(dá)式　36 3.2.3　序列解包　37 3.3　字典　37 3.3.1　字典元素的訪問(wèn)　38 3.3.2　字典元素的修改、 添加與刪除　39 3.4　集合　39 3.4.1　集合概述　39 3.4.2　集合常用方法　40 3.5　字符串常用方法　40 3.5.1　encode()　41 3.5.2　format()　41 3.5.3　index()、rindex()、count()　42 3.5.4　replace()、maketrans()、 translate()　42 3.5.5　ljust()、rjust()、center()　43 3.5.6　split()、rsplit()、join()　43 3.5.7　lower()、upper()、capitalize()、 title()、swapcase()　44 3.5.8　startswith()、endswith()　44 3.5.9　strip()、rstrip()、lstrip()　44 3.6　綜合應(yīng)用與例題解析　45 本章知識(shí)要點(diǎn)　47 本章習(xí)題　47 第4章　選擇結(jié)構(gòu)、循環(huán)結(jié)構(gòu)、 函數(shù)定義與使用　49 4.1　選擇結(jié)構(gòu)　49 4.1.1　條件表達(dá)式　49 4.1.2　單分支選擇結(jié)構(gòu)　50 4.1.3　雙分支選擇結(jié)構(gòu)　50 4.1.4　嵌套的分支結(jié)構(gòu)　50 4.2　循環(huán)結(jié)構(gòu)　51 4.2.1　for循環(huán)　51 4.2.2　while循環(huán)　51 4.2.3　break與continue語(yǔ)句　52 4.3　函數(shù)定義與使用　52 4.3.1　函數(shù)定義基本語(yǔ)法　52 4.3.2　lambda表達(dá)式　52 4.3.3　遞歸函數(shù)　53 4.3.4　生成器函數(shù)　53 4.3.5　位置參數(shù)、默認(rèn)值參數(shù)、關(guān)鍵 參數(shù)、可變長(zhǎng)度參數(shù)　54 4.3.6　變量作用域　55 4.4　綜合應(yīng)用與例題解析　56 本章知識(shí)要點(diǎn)　57 本章習(xí)題　58 第5章　文件操作　59 5.1　文件操作基礎(chǔ)　59 5.1.1　內(nèi)置函數(shù)open()　59 5.1.2　文件對(duì)象常用方法　60 5.1.3　上下文管理語(yǔ)句with　61 5.2　JSON文件操作　61 5.3　CSV文件操作　62 5.4　Word、Excel、PowerPoint 文件操作實(shí)戰(zhàn)　63 本章知識(shí)要點(diǎn)　65 本章習(xí)題　65 第6章　numpy數(shù)組與矩陣運(yùn)算　67 6.1　numpy數(shù)組及其運(yùn)算　67 6.1.1　創(chuàng)建數(shù)組　67 6.1.2　測(cè)試兩個(gè)數(shù)組的對(duì)應(yīng)元素 是否足夠接近　69 6.1.3　修改數(shù)組中的元素值　70 6.1.4　數(shù)組與標(biāo)量的運(yùn)算　71 6.1.5　數(shù)組與數(shù)組的運(yùn)算　71 6.1.6　數(shù)組排序　72 6.1.7　數(shù)組的內(nèi)積運(yùn)算　73 6.1.8　訪問(wèn)數(shù)組中的元素　73 6.1.9　數(shù)組對(duì)函數(shù)運(yùn)算的支持　74 6.1.10　改變數(shù)組形狀　75 6.1.11　數(shù)組布爾運(yùn)算　76 6.1.12　分段函數(shù)　77 6.1.13　數(shù)組堆疊與合并　78 6.2　矩陣生成與常用操作　79 6.2.1　矩陣生成　79 6.2.2　矩陣轉(zhuǎn)置　79 6.2.3　查看矩陣特征　80 6.2.4　矩陣乘法　81 6.2.5　計(jì)算相關(guān)系數(shù)矩陣　81 6.2.6　計(jì)算方差、協(xié)方差、標(biāo)準(zhǔn)差　82 6.3　計(jì)算特征值與特征向量　82 6.4　計(jì)算逆矩陣　83 6.5　求解線性方程組　84 6.6　計(jì)算向量和矩陣的范數(shù)　85 6.7　奇異值分解　86 6.8　函數(shù)向量化　87 本章知識(shí)要點(diǎn)　88 本章習(xí)題　88 第7章　pandas數(shù)據(jù)分析實(shí)戰(zhàn)　91 7.1　pandas常用數(shù)據(jù)類型　91 7.1.1　一維數(shù)組與常用操作　92 7.1.2　時(shí)間序列與常用操作　96 7.1.3　二維數(shù)組DataFrame　99 7.2　DataFrame數(shù)據(jù)處理與分析實(shí)戰(zhàn)　101 7.2.1　讀取Excel文件中的數(shù)據(jù)　101 7.2.2　篩選符合特定條件的數(shù)據(jù)　103 7.2.3　查看數(shù)據(jù)特征和統(tǒng)計(jì)信息　106 7.2.4　按不同標(biāo)準(zhǔn)對(duì)數(shù)據(jù)排序　108 7.2.5　使用分組與聚合對(duì)員工 業(yè)績(jī)進(jìn)行匯總　110 7.2.6　處理超市交易數(shù)據(jù)中的 異常值　114 7.2.7　處理超市交易數(shù)據(jù)中的 缺失值　115 7.2.8　處理超市交易數(shù)據(jù)中的 重復(fù)值　117 7.2.9　使用數(shù)據(jù)差分查看員工 業(yè)績(jī)波動(dòng)情況　118 7.2.10　使用透視表與交叉表查看
業(yè)績(jī)匯總數(shù)據(jù)　119 7.2.11　使用重采樣技術(shù)按時(shí)間段
查看員工業(yè)績(jī)　123 7.2.12　多索引相關(guān)技術(shù)與操作　125 7.2.13　使用標(biāo)準(zhǔn)差與協(xié)方差分析
員工業(yè)績(jī)　127 7.2.14　使用pandas的屬性接口實(shí)現(xiàn)
高級(jí)功能　130 7.2.15　繪制各員工在不同柜臺(tái)
業(yè)績(jī)平均值的柱狀圖　132 7.2.16　查看DataFrame的內(nèi)存
占用情況　134 7.2.17　數(shù)據(jù)拆分與合并　135 本章知識(shí)要點(diǎn)　139 本章習(xí)題　140 第8章　sklearn機(jī)器學(xué)習(xí)實(shí)戰(zhàn)　141 8.1　機(jī)器學(xué)習(xí)基本概念　141 8.2　機(jī)器學(xué)習(xí)庫(kù)sklearn簡(jiǎn)介　147 8.2.1　擴(kuò)展庫(kù)sklearn常用 模塊與對(duì)象　147 8.2.2　選擇合適的模型和算法　149 8.3　線性回歸算法的原理與應(yīng)用　149 8.3.1　線性回歸模型的原理　149 8.3.2　sklearn中線性回歸模型的 簡(jiǎn)單應(yīng)用　150 8.3.3　嶺回歸的基本原理與 sklearn實(shí)現(xiàn)　151 8.3.4　套索回歸Lasso的基本 原理與sklearn實(shí)現(xiàn)　152 8.3.5　彈性網(wǎng)絡(luò)ElasticNet的基本 原理與sklearn實(shí)現(xiàn)　153 8.3.6　使用線性回歸模型預(yù)測(cè) 兒童身高　153 8.4　邏輯回歸算法的原理與應(yīng)用　155 8.4.1　邏輯回歸算法的原理與 sklearn實(shí)現(xiàn)　155 8.4.2　使用邏輯回歸算法預(yù)測(cè) 考試能否及格　157 8.5　樸素貝葉斯算法的原理與應(yīng)用　158 8.5.1　基本概念　158 8.5.2　樸素貝葉斯算法分類的原理與 sklearn實(shí)現(xiàn)　160 8.5.3　使用樸素貝葉斯算法對(duì)中文 郵件進(jìn)行分類　161 8.6　決策樹(shù)與隨機(jī)森林算法的應(yīng)用　163 8.6.1　基本概念　163 8.6.2　決策樹(shù)算法原理與 sklearn實(shí)現(xiàn)　163 8.6.3　隨機(jī)森林算法原理與 sklearn實(shí)現(xiàn)　166 8.6.4　使用決策樹(shù)算法判斷學(xué)員的 Python水平　168 8.7　支持向量機(jī)算法原理與應(yīng)用　170 8.7.1　支持向量機(jī)算法基本原理與 sklearn實(shí)現(xiàn)　170 8.7.2　使用支持向量機(jī)對(duì)手寫(xiě)數(shù)字 圖像進(jìn)行分類　172 8.8　KNN算法原理與應(yīng)用　175 8.8.1　KNN算法的基本原理與 sklearn實(shí)現(xiàn)　175 8.8.2　使用KNN算法判斷交通 工具類型　177 8.9　KMeans聚類算法原理與應(yīng)用　178 8.9.1　KMeans聚類算法的基本原理 與sklearn實(shí)現(xiàn)　178 8.9.2　使用KMeans聚類算法壓縮 圖像顏色　181 8.10　分層聚類算法原理與應(yīng)用　182 8.11　DBSCAN算法原理與應(yīng)用　184 8.12　使用協(xié)同過(guò)濾算法進(jìn)行
電影推薦　187 8.13　關(guān)聯(lián)規(guī)則分析原理與應(yīng)用　189 8.13.1　關(guān)聯(lián)規(guī)則分析原理與
基本概念　189 8.13.2　使用關(guān)聯(lián)規(guī)則分析
演員關(guān)系　190 8.14　數(shù)據(jù)降維　192 8.15　交叉驗(yàn)證與網(wǎng)格搜索　195 8.15.1　使用交叉驗(yàn)證評(píng)估模型
泛化能力　195 8.15.2　使用網(wǎng)格搜索確定模型
最佳參數(shù)　197 本章知識(shí)要點(diǎn)　199 本章習(xí)題　200 第9章　matplotlib數(shù)據(jù)可視化實(shí)戰(zhàn)　201 9.1　數(shù)據(jù)可視化庫(kù)matplotlib基礎(chǔ)　201 9.2　繪制折線圖實(shí)戰(zhàn)　202 9.3　繪制散點(diǎn)圖實(shí)戰(zhàn)　205 9.4　繪制柱狀圖實(shí)戰(zhàn)　208 9.5　繪制餅狀圖實(shí)戰(zhàn)　212 9.6　繪制雷達(dá)圖實(shí)戰(zhàn)　215 9.7　繪制三維圖形實(shí)戰(zhàn)　218 9.8　繪圖區(qū)域切分實(shí)戰(zhàn)　224 9.9　設(shè)置圖例樣式實(shí)戰(zhàn)　225 9.10　事件響應(yīng)與處理實(shí)戰(zhàn)　229 9.11　填充圖形　244 9.12　保存繪圖結(jié)果　246 本章知識(shí)要點(diǎn)　247 本章習(xí)題　247 部分習(xí)題答案　248 第　1章 Python開(kāi)發(fā)環(huán)境的搭建與 編碼規(guī)范　248 第　2章 數(shù)據(jù)類型、運(yùn)算符與 內(nèi)置函數(shù)　248 第3章　列表、元組、字典、集合與 字符串　249 第4章　選擇結(jié)構(gòu)、循環(huán)結(jié)構(gòu)、函數(shù) 定義與使用　251 第5章　文件操作　253 第6章　numpy數(shù)組與矩陣運(yùn)算　254 第7章　pandas數(shù)據(jù)分析實(shí)戰(zhàn)　255 附錄A　運(yùn)算符、內(nèi)置函數(shù)對(duì)常用內(nèi)置 對(duì)象的支持情況表　257 附錄B　Python關(guān)鍵字清單　258 附錄C　常用標(biāo)準(zhǔn)庫(kù)對(duì)象速查表　260 附錄D　常用Python擴(kuò)展庫(kù)清單　263 參考文獻(xiàn)　264