Python爬虫、数据分析与可视化

作品简介

本书根据大多数软件公司对Python数据分析和可视化的需求，面向Python初学者讲述爬虫、数据分析、数据可视化和机器学习等方面的技术和实践案例。全书共13章：第1~4章为基础篇，主要讲述Python基础知识、Python数据结构、面向对象编程思想、Python异常处理和读写文件的技巧；第5~7章为数据分析的工具篇，主要讲述NumPy库、Pandas库和Matplotlib库的基本功能和应用；第8、9章为数据分析高级技能篇，主要通过爬取技术博客案例讲述基于Scrapy爬虫框架的实用技巧，以及数据分析的常用方法；第10～13章为综合案例篇，主要讲述图书分析案例、二手房数据分析案例、股票数据分析案例和基于sklearn库的机器学习相关实践，涉及线性回归分析、岭回归分析、SVM分类、KNN分类和逻辑回归等机器学习算法。本书语言通俗易懂，案例丰富，适合想要入职数据分析岗位的新手、大学生以及欲转行进入大数据分析领域的从业人员使用，也可以作为大专院校或培训机构的教学用书。

本书由成立明、胡书敏、黄勇编著。

作品目录

• 前言
• 本书内容
• 本书特点
• 本书源代码、教学视频、PPT课件
• 第1章　Python编程基础
• 1.1　搭建Python开发环境
• 1.2　实践Python基本语法
• 1.3　定义和调用函数
• 1.4　return的重要性——函数的递归调用
• 1.5　熟悉函数的特殊写法
• 1.6　本章小结
• 第2章　Python的数据结构
• 2.1　列表
• 2.2　元组
• 2.3　集合
• 2.4　字典
• 2.5　针对数据结构的通用性操作
• 2.6　本章小结
• 第3章　Python面向对象编程
• 3.1　什么是面向对象思想
• 3.2　封装特性
• 3.3　继承特性
• 3.4　多态特性
• 3.5　模块、包以及第三方库
• 3.6　本章小结
• 第4章　异常处理机制与文件读写
• 4.1　通过try…except…finally处理异常
• 4.2　raise与except的整合使用
• 4.3　异常处理的实践经验
• 4.4　在读写文件案例中使用异常机制
• 4.5　本章小结
• 第5章　NumPy数组处理
• 5.1　NumPy库的基础数据结构：ndarray对象
• 5.2　NumPy库的常用操作
• 5.3　针对ndarray的索引和切片操作
• 5.4　本章小结
• 第6章　Pandas数据清洗
• 6.1　以一维方式存储数据的Series对象
• 6.2　以表格格式存储数据的DataFrame对象
• 6.3　面向DataFrame的常用数据分析方法
• 6.4　Pandas与各类文件的交互
• 6.5　本章小结
• 第7章　Matplotlib数据可视化
• 7.1　通过Matplotlib绘制各类图形
• 7.2　设置坐标的技巧
• 7.3　增加可视化美观效果
• 7.4　设置多图和子图效果
• 7.5　绘制高级图表
• 7.6　通过mplot3d绘制三维图形
• 7.7　本章小结
• 第8章　通过网络爬虫获取数据
• 8.1　和爬虫有关的HTTP
• 8.2　通过Urllib库获取网页信息
• 8.3　通过BeautifulSoup提取页面信息
• 8.4　通过正则表达式截取信息
• 8.5　用Scrapy爬取博客园文章信息
• 8.6　本章小结
• 第9章　数据分析的常用方法
• 9.1　准备并存储数据
• 9.2　描述性统计
• 9.3　基于时间序列的统计方法
• 9.4　概率分析方法与推断统计
• 9.5　回归分析方法
• 9.6　本章小结
• 第10章　案例：图书信息的爬取、数据清洗与分词处理
• 10.1　用Scrapy框架爬取豆瓣网编程图书
• 10.2　分析图书数据，绘制可视化图表
• 10.3　本章小结
• 第11章　案例：二手房数据的爬取、清洗与可视化
• 11.1　用Scrapy框架爬取二手房数据
• 11.2　分析二手房数据
• 11.3　本章小结
• 第12章　案例：股票数据分析与可视化
• 12.1　股市指标的分析与可视化
• 12.2　验证常见的股市交易策略
• 12.3　绘制价格通道
• 12.4　用机器学习方法预测股票
• 12.5　本章小结
• 第13章　基于机器学习算法的数据分析
• 13.1　数据集与机器学习的基础知识
• 13.2　一元和多元线性回归案例
• 13.3　岭回归、Lasso回归及案例
• 13.4　分类算法案例
• 13.5　基于手写体数字识别的分类案例
• 13.6　本章小结