前言
第1章 Python簡介及數據分析概述
1.1 Python簡介
1.1.1 Python語言的特點
1.1.2 Python語言的應用領域
1.2 Python開發環境部署
1.2.1 下載對應版本安裝文件
1.2.2 Python的安裝及相關文件介紹
1.3 擴展庫的安裝
1.4 開發環境應用示例
1.4.1 Anaconda的功能介紹及安裝
1.4.2 JupyterLab的使用及文本數據分析實例演示
1.5 數據分析概述
1.5.1 數據分析的過程
1.5.2 數據分析常用擴展庫
本章小結
練習1
第2章 Python語言基礎
2.1 數據類型
2.1.1 數值
2.1.2 字符串
2.1.3 列表
2.1.4 元組
2.1.5 集合
2.1.6 字典
2.2 數據類型的共有方法
2.2.1 索引
2.2.2 切片
2.2.3 提取長度
2.2.4 統計
2.2.5 確認成員身份
2.2.6 刪除變量
2.3 字符串、列表、元組、集合及字典的方法
2.3.1 字符串的方法
2.3.2 列表的方法
2.3.3 元組的方法
2.3.4 集合的方法
2.3.5 字典的方法
2.4 內置函數、內置模塊與自定義函數
2.4.1 內置函數
2.4.2 高級函數
2.4.3 help（）函數
2.4.4 內置函數與內置模塊的區別
2.4.5 常用的內置模塊
2.4.6 自定義函數
2.5 類和對象
2.5.1 類和對象的概念
2.5.2 類和對象的使用
2.5.3 類和對象實例演示
2.6 讀取數據文件
本章小結
練習2
第3章 科學計算庫NumPy
3.1 NumPy簡介
3.2 NumPy中的對象
3.2.1 ndarray對象
3.2.2 array對象的屬性和方法
3.2.3 NumPy創建數組
3.3 NumPy中數組的索引
3.3.1 數組的維度和基本索引
3.3.2 高級索引
3.4 Numpy中的統計函數
3.5 Numpy中的矩陣操作
本章小結
練習3
第4章 數據處理庫Pandas
4.1 Pandas簡介
4.1.1 Pandas的安裝與導入
4.1.2 數據類型Series
4.1.3 數據類型DataFrame
4.2 數據文件讀取
4.2.1 excel文件讀取
4.2.2 csv文件讀取
4.3 數據類型Series和DataFrame
4.3.1 Series常見的屬性與方法
4.3.2 DataFrame常見的屬性與方法
4.4 Pandas的高級操作
4.4.1 Pandas的高級操作簡介
4.4.2 Pandas數據分析案例
4.4.3 Pandas數據分析案例
本章小結
練習4
第5章 數據可視化
5.1 數據可視化簡介
5.2 Matplotlib可視化
5.2.1 Matplotlib散點圖示例
5.2.2 Matplotlib線圖示例
5.2.3 Matplotlib柱狀圖示例
5.2.4 Matplotlib餅圖示例
5.2.5 Matplotlib箱線圖示例
5.2.6 Matplotlib直方圖示例
5.2.7 Matplotlib多子圖示例
5.3 Pandas繪圖
本章小結
練習5
第6章 數據分析方法
6.1 數據分析方法概述
6.1.1 ETL（Extract-Transform-Load）
6.1.2 數據分析中常用的方法
6.2 數據預處理
6.2.1 異常值處理
6.2.2 缺失值處理
6.2.3 歸一化處理
6.3 分類與預測
6.3.1 決策樹
6.3.2 樸素貝葉斯
6.3.3 支持向量機
6.3.4 神經網絡
6.4 回歸
6.4.1 線性回歸
6.4.2 非線性回歸
6.5 聚類
6.5.1 層次聚類
6.5.2 非層次聚類
本章小結
練習6
第7章 電影數據分析
7.1 項目簡介
7.2 代碼實現
7.2.1 數據清洗
7.2.2 編程打分
7.2.3 其他數據類型處理
7.2.4 建模分析
本章小結
練習7
第8章 客戶價值分析
8.1 項目簡介
8.2 代碼實現
8.2.1 數據清洗
8.2.2 客戶屬性與客戶流失的關系分析
8.2.3 產品屬性與客戶流失的關系分析
8.2.4 客戶行為與客戶流失的關系分析
本章小結
練習8
第9章 房價預測分析
9.1 項目簡介
9.2 代碼實現
9.2.1 線性回歸
9.2.2 隨機森林
9.2.3 支持向量機
9.2.4 模型評估比較
本章小結
練習9
參考文獻