Python數據分析與科學計算

前言
第1章　數據分析基礎 1
1.1　數據分析概述 1
1.1.1　數據分析 1
1.1.2　數據分析的應用場景 2
1.2　數據分析的流程 3
1.3　常用數據分析工具 4
1.4　本章小結 6
習題 6
第2章　Python數據分析環境 7
2.1　Python概述 7
2.2　Python語言的特點 8
2.3　搭建Python開發環境 9
2.3.1　Windows環境下安裝Python開發
環境 9
2.3.2　運行第一個Python程序 14
2.4　集成開發環境—PyCharm 15
2.4.1　PyCharm安裝 15
2.4.2　PyCharm使用 18
2.5　數據分析環境Anaconda 23
2.5.1　安裝Anaconda 23
2.5.2　通過Anaconda管理Python包 26
2.6　開發工具Jupyter Notebook 27
2.6.1　啟動Anaconda自帶的Jupyter Notebook 27
2.6.2　使用Jupyter Notebook編寫程序 28
2.7　本章小結 30
習題 30
第3章　Python數據類型 31
3.1　Python基本數據類型 31
3.1.1　整型數據 31
3.1.2　浮點型數據 33
3.1.3　字符型數據 34
3.1.4　布爾型數據 35
3.1.5　覆數類型數據 36
3.2　Python組合數據類型 36
3.2.1　列表 37
3.2.2　元組 45
3.2.3　字符串 49
3.2.4　集合 55
3.2.5　字典 61
3.3　數據的輸入與輸出 67
3.3.1　標準輸入/輸出 67
3.3.2　格式化輸出 69
3.3.3　字符串的format方法 71
3.4　本章小結 74
習題 74
第4章　程序控制結構 78
4.1　程序的基本結構 78
4.1.1　順序結構 78
4.1.2　選擇結構 79
4.1.3　循環結構 79
4.2　選擇結構程序設計 80
4.2.1　單分支選擇結構 80
4.2.2　雙分支選擇結構 82
4.2.3　多分支選擇結構 83
4.2.4　選擇結構嵌套 85
4.3　循環結構程序設計 87
4.3.1　while循環結構 87
4.3.2　for語句結構 90
4.3.3　循環的嵌套 93
4.3.4　循環控制語句 95
4.4　本章小結 97
習題 97
第5章　函數與模塊 100
5.1　函數概述 100
5.2　函數的定義與調用 101
5.2.1　函數定義 101
5.2.2　函數調用 102
5.3　函數的參數及返回值 103
5.3.1　形式參數和實際參數 103
5.3.2　默認值參數 105
5.3.3　位置參數和關鍵字參數 107
5.3.4　可變長參數 108
5.3.5　函數的返回值 111
5.4　函數的遞歸調用 113
5.5　匿名函數 116
5.6　變量的作用域 118
5.6.1　局部變量 118
5.6.2　全局變量 119
5.7　模塊 119
5.7.1　定義模塊 120
5.7.2　導入模塊 120
5.8　函數應用舉例 122
5.9　本章小結 125
習題 125
第6章　文件 128
6.1　文件概述 128
6.1.1　文件的定義和分類 128
6.1.2　文件的操作流程 130
6.2　文件的打開與關閉 130
6.2.1　打開文件 130
6.2.2　關閉文件 133
6.3　文件的讀寫 133
6.3.1　文本文件的讀寫 133
6.3.2　二進制文件的讀寫 136
6.4　文件的定位 140
6.5　與文件相關的模塊 141
6.5.1　os模塊 141
6.5.2　os.path模塊 144
6.6　文件應用舉例 146
6.7　本章小結 148
習題 148
第7章　NumPy數值計算 150
7.1　數組對象 150
7.1.1?數組創建 150
7.1.2?數組屬性 160
7.1.3?數組元素的類型 161
7.2?數組的基本操作 162
7.2.1?數組重塑 162
7.2.2?數組合並 165
7.2.3?數組分割 167
7.2.4?數組轉置 169
7.3?數組的索引和切片 171
7.3.1?一維數組的索引和切片 171
7.3.2?多維數組的索引和切片 172
7.3.3?花式索引 173
7.3.4?布爾型索引 174
7.4　數組運算 175
7.4.1?矢量化運算 175
7.4.2　數組廣播 176
7.4.3　數組和標量間的運算 177
7.5　NumPy通用函數 177
7.6　線性代數運算 180
7.6.1　數組相乘 180
7.6.2　矩陣行列式 182
7.6.3　線性方程組 182
7.6.4　逆矩陣 183
7.6.5　特征值和特征向量 183
7.7　NumPy數據文件的讀寫 184
7.7.1　二進制文件的讀寫 184
7.7.2　文本文件的讀寫 185
7.8　NumPy數據分析案例 186
7.9　本章小結 187
習題 187
第8章　Pandas數據分析處理 189
8.1　Pandas數據結構 189
8.1.1　序列 189
8.1.2　數據幀 191
8.2　索引 194
8.2.1　重建索引 194
8.2.2　重命名索引 195
8.2.3　層次化索引 196
8.3　數據運算 197
8.3.1　算術運算 197
8.3.2　匯總和統計 198
8.3.3　唯一值和值計數 202
8.4　數據排序 202
8.4.1　按索引排序 202
8.4.2　按值排序 204
8.5　缺失值處理 205
8.5.1　判斷缺失值 205
8.5.2　刪除缺失值 207
8.5.3　填充缺失值 208
8.6　數據的讀寫 210
8.6.1　讀寫CSV文件 210
8.6.2　讀寫Excel文件 212
8.6.3　讀寫數據庫文件 214
8.7　本章小結 216
習題 216
第9章　Matplotlib數據可視化 218
9.1　Pyplot模塊 218
9.1.1　繪制線形圖 218
9.1.2　繪制單個子圖 221
9.1.3　繪制多個子圖 222
9.1.4　添加圖形標簽 225
9.1.5　添加注釋 226
9.1.6　保存圖表 228
9.2　基本圖形繪制 228
9.2.1　折線圖 229
9.2.2　柱形圖 229
9.2.3　直方圖 231
9.2.4　餅形圖 232
9.2.5　散點圖 232
9.2.6　箱線圖 235
9.3　高級圖形繪制 238
9.3.1　雷達圖 238
9.3.2　流線圖 240
9.3.3　熱力圖 241
9.3.4　極坐標圖 242
9.3.5　3D曲線圖 244
9.4　本章小結 247
習題 247
第10章　SciPy科學計算 249
10.1　SciPy中的科學計算工具 249
10.1.1　線性方程組求解 249
10.1.2　範數 250
10.1.3　統計分布 251
10.1.4　積分 254
10.1.5　插值 255
10.2　SciPy中的優化 257
10.2.1　方程求解及求極值 257
10.2.2　數據擬合 259
10.3　SciPy中的稀疏矩陣處理 261
10.3.1　稀疏矩陣的存儲 261
10.3.2　稀疏矩陣的運算 264
10.4　典型應用 265
10.4.1　求解非線性方程組 265
10.4.2　求解微分方程 266
10.4.3　求解積分問題 267
10.5　本章小結 267
習題 267
第11章　機器學習 268
11.1　Scikit-Learn庫 268
11.1.1　Scikit-Learn庫概述 268
11.1.2　Scikit-Learn庫中的數據集 269
11.2　分類算法 276
11.2.1　邏輯回歸 276
11.2.2　支持向量機 277
11.2.3　決策樹 278
11.2.4　K鄰近 279
11.2.5　樸素貝葉斯 279
11.3　回歸算法 280
11.3.1　線性回歸 280
11.3.2　嶺回歸 281
11.3.3　Lasso回歸 282
11.3.4　決策樹回歸 282
11.4　聚類算法 283
11.4.1　K-means算法 283
11.4.2　層次聚類 285
11.4.3　DBSCAN算法 286
11.5　本章小結 286
習題 286
參考文獻 288