Python数据分析与应用

前言
第1章　基础知识1
11　数据分析简介1
12　Python编程基础4
121　Anaconda环境的安装和配置5
122　Jupyter Notebook的使用7
123　内置数据类型11
124　程序的控制结构12
125　模块化13
126　面向对象14
127　文件操作16
128　异常处理17
13　包/模块使用示例18
131　CSV文件操作18
132　排序时间测试20
14　本章小结24
15　习题25
第2章　科学计算基础工具包NumPy27
21　ndarray类27
211　为什么使用ndarray28
212　ndarray类对象的常用属性30
213　创建ndarray类对象32
22　示例数据35
23　索引和切片38
24　数据拷贝40
25　数据处理43
251　基础运算43
252　广播机制47
253　通用函数48
254　常用函数和方法51
26　高级索引58
27　本章小结62
28　习题63
第3章　数据分析工具库Pandas66
31　Series类66
311　Series对象的常用属性66
312　创建Series对象67
32　DataFrame对象69
321　DataFrame对象的常用属性70
322　创建DataFrame对象72
33　Index对象74
331　Index对象的常用属性74
332　创建Index对象74
34　元素访问方式75
341　属性运算符访问76
342　索引运算符访问77
343　loc访问方法81
344　iloc访问方法83
345　at和iat索引方法86
346　head和tail方法87
35　数据清洗88
351　处理缺失数据88
352　删除重复数据92
36　数据合并94
361　merge方法94
362　join方法97
363　concat方法100
37　数据重塑103
371　pivot方法103
372　melt方法104
38　Pandas数据处理实例106
381　药品销售数据处理实例106
382　流感与人口数据处理实例110
39　本章小结113
310　习题114
第4章　数据统计分析119
41　基本统计分析119
42　分组分析121
421　定性分组121
422　定量分组123
43　分布分析124
44　交叉分析125
45　结构分析127
46　相关分析128
47　应用实例131
48　本章小结133
49　习题133
第5章　时间序列分析135
51　Datetime模块135
52　时间序列基础137
53　日期时间处理140
54　频率转换与重采样143
541　频率转换143
542　重采样145
55　本章小结151
56　习题151
第6章　数据可视化153
61　Matplotlib153
611　线形图153
612　条形图155
613　饼图156
614　散点图158
615　直方图159
62　Seaborn160
621　关系图161
622　分布图163
623　分类图167
624　回归图170
625　热力图172
63　Pyecharts173
631　Pyecharts图表类173
632　Pyecharts图表配置174
64　应用实例177
65　本章小结182
66　习题183
第7章　网络爬虫187
71　网络数据获取187
72　数据文件操作196
73　应用实例203
74　本章小结208
75　习题208
第8章　MySQL数据库操作210
81　MySQL简介210
82　MySQL的安装211
83　连接、读取和存储214
831　创建数据库和数据表214
832　Python连接数据库217
833　Python读取数据库218
834　Python存储数据库219
84　数据操作222
841　查询操作222
842　插入操作223
843　更新操作225
844　删除操作226
85　应用实例227
86　本章小结233
87　习题233
附录　NumPy通用函数235
参考文献238