Python数据分析、挖掘与可视化（慕课版）

作品简介

全书共9章，内容包括Python开发环境的搭建与编码规范，数据类型、运算符与内置函数，列表、元组、字典、集合与字符串，选择结构、循环结构、函数定义与使用，文件操作，numpy数组与矩阵运算，pandas数据分析实战，sklearn机器学习实战，matplotlib数据可视化实战等。本书适合作为高等院校计算机、大数据、数据科学或相关专业的教材，也适合从事相关工作的工程师和爱好者阅读。

董付国编著

作品目录

• 内容提要
• 前言
• 第1章　Python开发环境的搭建与编码规范
• 1.1　 Python开发环境的搭建与使用
• 1.2　 Python编码规范
• 1.3　标准库、扩展库对象的导入与使用
• 本章知识要点
• 本章习题
• 第2章　数据类型、运算符与内置函数
• 2.1　常用内置数据类型
• 2.2　运算符与表达式
• 2.3　常用内置函数
• 2.4　综合应用与例题解析
• 本章知识要点
• 本章习题
• 第3章　列表、元组、字典、集合与字符串
• 3.1　列表与列表推导式
• 3.2　元组与生成器表达式
• 3.3　字典
• 3.4　集合
• 3.5　字符串常用方法
• 3.6　综合应用与例题解析
• 本章知识要点
• 本章习题
• 第4章　选择结构、循环结构、函数定义与使用
• 4.1　选择结构
• 4.2　循环结构
• 4.3　函数定义与使用
• 4.4　综合应用与例题解析
• 本章知识要点
• 本章习题
• 第5章　文件操作
• 5.1　文件操作基础
• 5.2　 JSON文件操作
• 5.3　 CSV文件操作
• 5.4　 Word、Excel、PowerPoint文件操作实战
• 本章知识要点
• 本章习题
• 第6章　numpy数组与矩阵运算
• 6.1　 numpy数组及其运算
• 6.2　矩阵生成与常用操作
• 6.3　计算特征值与特征向量
• 6.4　计算逆矩阵
• 6.5　求解线性方程组
• 6.6　计算向量和矩阵的范数
• 6.7　奇异值分解
• 6.8　函数向量化
• 本章知识要点
• 本章习题
• 第7章　pandas数据分析实战
• 7.1　 pandas常用数据类型
• 7.2　 DataFrame数据处理与分析实战
• 本章知识要点
• 本章习题
• 第8章　sklearn机器学习实战
• 8.1　机器学习基本概念
• 8.2　机器学习库sklearn简介
• 8.3　线性回归算法的原理与应用
• 8.4　逻辑回归算法的原理与应用
• 8.5　朴素贝叶斯算法的原理与应用
• 8.6　决策树与随机森林算法的应用
• 8.7　支持向量机算法原理与应用
• 8.8　 KNN算法原理与应用
• 8.9　 KMeans聚类算法原理与应用
• 8.10　分层聚类算法原理与应用
• 8.11　 DBSCAN算法原理与应用
• 8.12　使用协同过滤算法进行电影推荐
• 8.13　关联规则分析原理与应用
• 8.14　数据降维
• 8.15　交叉验证与网格搜索
• 本章知识要点
• 本章习题
• 第9章　matplotlib数据可视化实战
• 9.1　数据可视化库matplotlib基础
• 9.2　绘制折线图实战
• 9.3　绘制散点图实战
• 9.4　绘制柱状图实战
• 9.5　绘制饼状图实战
• 9.6　绘制雷达图实战
• 9.7　绘制三维图形实战
• 9.8　绘图区域切分实战
• 9.9　设置图例样式实战
• 9.10　事件响应与处理实战
• 9.11　填充图形
• 9.12　保存绘图结果
• 本章知识要点
• 本章习题
• 部分习题答案
• 附录A　运算符、内置函数对常用内置对象的支持情况表
• 附录B　Python关键字清单
• 附录C　常用标准库对象速查表
• 附录D　常用Python扩展库清单
• 参考文献