書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
PYTHON大數(shù)據(jù)分析與可視化

PYTHON大數(shù)據(jù)分析與可視化

出版社：清華大學出版社出版時間：2023-10-01
開本： 其他 頁數(shù)： 392
本類榜單：教材銷量榜
中 圖 價:¥48.9(7.0折) 定價  ¥69.8 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

PYTHON大數(shù)據(jù)分析與可視化 版權(quán)信息

PYTHON大數(shù)據(jù)分析與可視化 本書特色

（1）本書內(nèi)容豐富，涵蓋了數(shù)據(jù)分析中主流常用庫：NumPy、Pandas、Matplotlib和Seaborn等，內(nèi)容系統(tǒng)詳細。配套資源豐富，方便教學和學習。
（2）內(nèi)容從Python的基礎(chǔ)知識講起，結(jié)合應(yīng)用背景，由淺入深，力求易懂，盡量避免晦澀難懂的專業(yè)解釋，幫助讀者輕松入門。
（3）結(jié)合有應(yīng)用背景的例子，盡量做到知識點有應(yīng)用點，透徹講述了數(shù)據(jù)處理、分析以及可視化。
（4）本書采用圖文結(jié)合的方式，能夠讓讀者直觀、清晰地了解操作步驟和呈現(xiàn)效果，方便讀者校對操作時的正誤。

PYTHON大數(shù)據(jù)分析與可視化 內(nèi)容簡介

本書全面介紹了使用Python進行數(shù)據(jù)分析所必需的各項知識，全書共分為14章，包括數(shù)據(jù)分析與可視化概述、Python編程基礎(chǔ)、NumPy數(shù)組計算、Pandas基礎(chǔ)知識、Pandas數(shù)據(jù)獲取與清洗、Pandas數(shù)據(jù)形式變化、Pandas數(shù)據(jù)分析與可視化、Pandas數(shù)據(jù)處理與分析實戰(zhàn)、Matplotlib庫繪制可視化圖表、圖表輔助元素定制與美化、Seaborn繪制數(shù)據(jù)分析圖表、時間序列數(shù)據(jù)處理與分析、文本數(shù)據(jù)分析、圖像處理與分析等內(nèi)容。結(jié)合了有應(yīng)用背景的數(shù)據(jù)分析示例，系統(tǒng)介紹了數(shù)據(jù)分析與可視化方法，可以幫助讀者逐步掌握運用Python技術(shù)解決數(shù)據(jù)分析問題的能力。 本書可以作為高校數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)、大數(shù)據(jù)管理與應(yīng)用、軟件工程和計算機科學與技術(shù)等專業(yè)的教材，也可以作為Python數(shù)據(jù)分析愛好者的自學用書。

PYTHON大數(shù)據(jù)分析與可視化 目錄

第1章數(shù)據(jù)分析與可視化概述/1
1.1數(shù)據(jù)分析概念與常用指標1
1.1.1數(shù)據(jù)分析的概念1
1.1.2數(shù)據(jù)分析常用指標2
1.1.3數(shù)據(jù)分析常用方法4
1.2什么是數(shù)據(jù)可視化4
1.3數(shù)據(jù)分析與可視化基本流程5
1.4數(shù)據(jù)分析與可視化開發(fā)環(huán)境安裝與包管理6
1.4.1Python做數(shù)據(jù)分析與可視化的優(yōu)勢6
1.4.2Anaconda工具的安裝與配置7
1.4.3通過Anaconda管理Python包8
1.5Jupyter Notebook的啟動與使用10
1.5.1Jupyter Notebook的啟動11
1.5.2Jupyter Notebook界面功能11
1.5.3Jupyter Notebook的基本使用13
1.6Jupyter的魔術(shù)命令16
1.7常見的數(shù)據(jù)分析與可視化工具17
小結(jié)18
思考與練習18
第2章Python編程基礎(chǔ)/19
2.1Python語法基礎(chǔ)19
2.1.1編寫規(guī)范19
2.1.2數(shù)據(jù)類型20
2.1.3運算符21
2.2列表和元組22
2.2.1列表定義與元素訪問22
2.2.2列表的操作方法23
2.2.3元組定義與元素操作25
2.3字典和集合27
2.3.1字典定義與元素操作272.3.2集合定義與元素操作28
2.4程序控制結(jié)構(gòu)29
2.4.1輸入、輸出與順序控制語句29
2.4.2if選擇語句31
2.4.3循環(huán)語句31
2.5函數(shù)34
2.5.1函數(shù)的定義與調(diào)用35
2.5.2函數(shù)參數(shù)類型36
2.5.3函數(shù)參數(shù)的作用域38
2.5.4匿名函數(shù)38
2.6面向?qū)ο?9
2.6.1類和對象39
2.6.2類的繼承41
2.7模塊與包42
2.7.1模塊的導入42
2.7.2模塊的創(chuàng)建與使用43
2.7.3第三方庫的安裝44
2.7.4包的創(chuàng)建與使用46
2.8程序的錯誤與異常處理48
2.8.1程序的錯誤與處理48
2.8.2程序的異常與處理49
小結(jié)50
思考與練習50
〖1〗Python大數(shù)據(jù)分析與可視化目錄〖3〗〖3〗第3章NumPy數(shù)組計算/52
3.1NumPy與數(shù)組對象52
3.1.1NumPy概述52
3.1.2NumPy數(shù)組對象53
3.2創(chuàng)建NumPy數(shù)組54
3.2.1利用array函數(shù)創(chuàng)建數(shù)組54
3.2.2其他方式創(chuàng)建數(shù)組55
3.2.3利用隨機數(shù)模塊生成隨機數(shù)組58
3.2.4從已有的數(shù)組中創(chuàng)建數(shù)組60
3.3數(shù)組對象的數(shù)據(jù)類型63
3.3.1查看數(shù)據(jù)類型63
3.3.2轉(zhuǎn)換數(shù)據(jù)類型64
3.4數(shù)組運算65
3.4.1形狀相同的數(shù)組間運算65
3.4.2形狀不同的數(shù)組間運算66
3.4.3數(shù)組與標量間的運算67
3.5數(shù)組元素的操作68
3.5.1整數(shù)索引和切片的基本使用68
3.5.2花式（數(shù)組）索引的基本使用70
3.5.3布爾型索引的基本使用71
3.5.4數(shù)組元素的刪除、修改和查詢72
3.6數(shù)組的重塑和轉(zhuǎn)置73
3.6.1數(shù)組重塑73
3.6.2數(shù)組合并74
3.6.3數(shù)組分割75
3.6.4數(shù)組轉(zhuǎn)置75
3.7NumPy通用函數(shù)77
3.8NumPy數(shù)據(jù)處理與統(tǒng)計分析79
3.8.1將條件邏輯轉(zhuǎn)為數(shù)組運算79
3.8.2數(shù)組統(tǒng)計運算79
3.8.3數(shù)組排序80
3.8.4檢索數(shù)組元素82
3.8.5重復(fù)數(shù)據(jù)與去重（唯一化）82
3.9NumPy矩陣的基本操作84
3.9.1矩陣創(chuàng)建84
3.9.2矩陣運算86
3.9.3矩陣轉(zhuǎn)換88
3.10數(shù)組讀/寫88
3.10.1讀/寫二進制文件88
3.10.2讀/寫文本文件89
3.10.3讀取CSV文件89
小結(jié)90
思考與練習90
第4章Pandas基礎(chǔ)知識/92
4.1Pandas與數(shù)據(jù)結(jié)構(gòu)92
4.1.1Pandas概述92
4.1.2Pandas中的數(shù)據(jù)結(jié)構(gòu)93
4.1.3Series對象與生成93
4.1.4DataFrame對象與生成95
4.1.5Pandas的數(shù)據(jù)類型99
4.1.6算術(shù)運算與數(shù)據(jù)對齊99
4.2Pandas索引操作100
4.2.1Series對象索引操作101
4.2.2DataFrame對象索引操作103
4.2.3索引對象的不可操作性105
4.2.4設(shè)置索引106
4.2.5重命名軸名稱111
4.3數(shù)據(jù)編輯112
4.3.1增加數(shù)據(jù)112
4.3.2修改數(shù)據(jù)115
4.3.3刪除數(shù)據(jù)118
4.4Pandas中調(diào)用函數(shù)的方法119
4.4.1map()方法應(yīng)用119
4.4.2apply()方法應(yīng)用120
4.4.3applymap()方法應(yīng)用121
4.4.4pipe()方法應(yīng)用121
小結(jié)122
思考與練習122
第5章Pandas數(shù)據(jù)獲取與清洗/123
5.1數(shù)據(jù)獲取操作123
5.1.1讀取文本（CSV和TXT）文件123
5.1.2讀取Excel文件126
5.1.3讀取JSON數(shù)據(jù)文件128
5.1.4讀取HTML表格數(shù)據(jù)129
5.1.5讀取MySQL數(shù)據(jù)庫中數(shù)據(jù)130
5.2數(shù)據(jù)清洗133
5.2.1空值和缺失值的處理134
5.2.2重復(fù)值的處理139
5.2.3異常值的處理141
5.2.4更改數(shù)據(jù)類型146
5.3數(shù)據(jù)格式化149
5.3.1數(shù)據(jù)設(shè)置小數(shù)位數(shù)149
5.3.2數(shù)據(jù)設(shè)置百分比150
5.3.3數(shù)據(jù)設(shè)置千位分隔符151
5.4數(shù)據(jù)保存操作151
5.4.1數(shù)據(jù)保存為CSV文件151
5.4.2數(shù)據(jù)保存為Excel文件152
5.4.3數(shù)據(jù)保存為JSON格式文件152
5.4.4數(shù)據(jù)保存為HTML文件154
5.4.5數(shù)據(jù)保存到MySQL數(shù)據(jù)庫154
小結(jié)155
思考與練習155
第6章Pandas數(shù)據(jù)形式變化/156
6.1數(shù)據(jù)集成與合并156
6.1.1數(shù)據(jù)集成概述156
6.1.2主鍵合并數(shù)據(jù)158
6.1.3軸向堆疊合并數(shù)據(jù)159
6.1.4合并重疊數(shù)據(jù)160
6.1.5根據(jù)行索引合并數(shù)據(jù)163
6.1.6數(shù)據(jù)追加164
6.2數(shù)據(jù)變換165
6.2.1數(shù)據(jù)標準化變換166
6.2.2數(shù)據(jù)離散化處理168
6.2.3數(shù)據(jù)泛化處理170
6.2.4啞變量處理類別數(shù)據(jù)170
6.2.5軸向旋轉(zhuǎn)173
6.3層次化索引與數(shù)據(jù)重塑175
6.3.1層次化索引的創(chuàng)建175
6.3.2層次化索引的數(shù)據(jù)訪問與操作180
6.3.3重塑層次化索引183
6.4數(shù)據(jù)分組與聚合187
6.4.1分組與聚合的原理187
6.4.2數(shù)據(jù)分組188
6.4.3數(shù)據(jù)聚合192
小結(jié)196
思考與練習196
第7章Pandas數(shù)據(jù)分析與可視化/197
7.1數(shù)據(jù)基本統(tǒng)計分析197
7.1.1了解數(shù)據(jù)信息197
7.1.2統(tǒng)計描述199
7.1.3統(tǒng)計計算200
7.1.4位置計算207
7.2數(shù)據(jù)選取與查詢209
7.2.1選取指定列的數(shù)據(jù)210
7.2.2選取一行數(shù)據(jù)212
7.2.3選取多行數(shù)據(jù)212
7.2.4選取指定行列數(shù)據(jù)214
7.2.5剔除區(qū)間以外的數(shù)據(jù)215
7.2.6其他復(fù)雜查詢選取數(shù)據(jù)215
7.3數(shù)據(jù)排序與排名218
7.3.1按索引排序218
7.3.2按值排序219
7.3.3數(shù)據(jù)排名221
7.4常用的數(shù)據(jù)分析223
7.4.1分組分析223
7.4.2分布分析225
7.4.3交叉分析229
7.4.4結(jié)構(gòu)分析230
7.4.5相關(guān)分析231
7.5Pandas可視化方法232
小結(jié)233
思考與練習234
第8章Pandas數(shù)據(jù)處理與分析實戰(zhàn)/235
8.1數(shù)據(jù)集準備235
8.2編程實現(xiàn)數(shù)據(jù)處理分析235
8.2.1數(shù)據(jù)探索235
8.2.2處理數(shù)據(jù)236
8.3Pandas實現(xiàn)成績數(shù)據(jù)處理與分析237
8.3.1數(shù)據(jù)探索237
8.3.2數(shù)據(jù)預(yù)處理239
8.3.3數(shù)據(jù)選取241
8.3.4數(shù)據(jù)分析243
8.3.5數(shù)據(jù)可視化244
8.3.6數(shù)據(jù)輸出245
小結(jié)245
思考與練習245
第9章Matplotlib庫繪制可視化圖表/246
9.1數(shù)據(jù)可視化概述246
9.1.1常見的可視化圖表類型246
9.1.2可視化圖表的基本構(gòu)成249
9.1.3數(shù)據(jù)可視化方式選擇依據(jù)250
9.1.4常見的數(shù)據(jù)可視化庫252
9.2可視化Matplotlib庫的概述253
9.2.1Matplotlib庫的使用導入與設(shè)置253
9.2.2Matplotlib庫繪圖的層次結(jié)構(gòu)253
9.3Matplotlib庫繪圖的基本流程254
9.3.1創(chuàng)建簡單圖表的基本流程254
9.3.2繪制子圖的基本流程256
9.4使用Matplotlib庫繪制常用圖表262
9.4.1繪制直方圖262
9.4.2繪制散點圖263
9.4.3繪制柱狀圖264
9.4.4繪制折線圖265
9.4.5繪制餅圖266
9.4.6繪制面積圖270
9.4.7繪制熱力圖271
9.4.8繪制箱形圖272
9.4.9繪制雷達圖275
9.4.10繪制3D圖形276
小結(jié)278
思考與練習278
第10章圖表輔助元素定制與美化/279
10.1圖表輔助元素的設(shè)置279
10.2圖表樣式定制279
10.2.1默認圖表樣式279
10.2.2顏色樣式定制281
10.2.3線型樣式選擇282
10.2.4數(shù)據(jù)標記添加283
10.2.5字體樣式設(shè)置284
10.3設(shè)置坐標軸的標簽、刻度范圍和刻度標簽286
10.3.1設(shè)置坐標軸的標簽286
10.3.2設(shè)置刻度范圍和刻度標簽287
10.4標題和圖例添加與網(wǎng)格線顯示288
10.4.1添加圖表標題288
10.4.2添加圖表圖例289
10.4.3顯示網(wǎng)格線290
10.5添加參考線和參考區(qū)域290
10.5.1顯示網(wǎng)格線290
10.5.2添加參考區(qū)域291
10.6添加注釋文本與表格291
10.6.1添加指向型注釋文本291
10.6.2添加無指向型注釋文本292
10.6.3在圖表中添加表格293
小結(jié)294
思考與練習295
第11章Seaborn繪制數(shù)據(jù)分析圖表/296
11.1Seaborn與數(shù)據(jù)集加載296
11.1.1Seaborn概述296
11.1.2Seaborn數(shù)據(jù)集加載297
11.2Seaborn圖表的基本設(shè)置298
11.2.1背景風格設(shè)置298
11.2.2設(shè)置繪圖元素比例298
11.2.3邊框控制299
11.3常用圖表的繪制300
11.3.1可視化數(shù)據(jù)的分布300
11.3.2對分類數(shù)據(jù)繪圖305
11.3.3類別內(nèi)的統(tǒng)計估計307
小結(jié)310
思考與練習311
第12章時間序列數(shù)據(jù)處理與分析/312
12.1日期和時間數(shù)據(jù)類型312
12.1.1datetime構(gòu)造312
12.1.2數(shù)據(jù)轉(zhuǎn)換314
12.2時間序列的基本操作315
12.2.1創(chuàng)建時間序列315
12.2.2通過時間戳索引選取子集317
12.3固定頻率的時間序列319
12.3.1創(chuàng)建固定頻率的時間序列319
12.3.2時間序列的頻率、偏移量321
12.3.3時間序列的移動323
12.4時間周期及計算324
12.4.1時期對象創(chuàng)建與運算324
12.4.2時期的頻率轉(zhuǎn)換326
12.5重采樣處理326
12.5.1重采樣方法（resample）327
12.5.2降采樣328
12.5.3升采樣328
12.6窗口計算處理330
12.7基于四類影響要素的時間序列分析332
小結(jié)334
思考與練習335
第13章文本數(shù)據(jù)分析/336
13.1文本數(shù)據(jù)處理與分析工具336
13.1.1文本數(shù)據(jù)處理336
13.1.2語料庫中的NLTK與jieba338
13.1.3安裝NLTK和下載語料庫339
13.1.4jieba庫的安裝341
13.2文本預(yù)處理341
13.2.1預(yù)處理的流程342
13.2.2分詞343
13.2.3詞性標注345
13.2.4詞形歸一化346
13.2.5刪除停用詞348
13.3文本情感分析349
小結(jié)352
思考與練習352
第14章圖像處理與分析/353
14.1OpenCV概述353
14.2cv2圖像處理基礎(chǔ)353
14.2.1cv2的基本方法與屬性353
14.2.2圖像處理中的閾值355
14.2.3cv2圖像處理中的幾何變換357
14.3圖像的降噪處理362
14.3.1均值濾波器圖像降噪362
14.3.2中值濾波器圖像降噪363
14.3.3高斯濾波器圖像降噪364
14.3.4雙邊濾波器圖像降噪366
14.4圖像中的圖形檢測367
14.4.1圖像的輪廓367
14.4.2圖像處理中的邊緣檢測369
14.5圖像的分割370
14.5.1常用的圖像分割方法370
14.5.2基于Kmeans的圖像分割371
14.5.3基于區(qū)域生長的圖像分割373
14.5.4基于分水嶺算法的圖像分割374
小結(jié)376
思考與練習377
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服