Python数据分析

第1章 数据分析概述
1．1 什么是数据分析
1．1．1 数据的类型
1．1．2 数据分析的过程
1．1．3 与数据分析相关的概念
1．2 为何用Python进行数据分析
1．2．1 Python语言的特点
1．2．2 Python在数据分析方面的优势
1．3 重要的Python库
1．3．1 NumPy
1．3．2 SciPy
1．3．3 Pandas
1．3．4 Matplotlib
1．3．5 pyecharts
1．3．6 StatsModels
1．3．7 scikit-learn
1．4 Anaconda的安装和使用
1．4．1 Anaconda的下载
1．4．2 Anaconda的安装
1．4．3 安装和更新Python包
1．5 JupyterNotebook的使用
1．5．1 打开JupyterNotebook
1．5．2 JupyterNotebook中代码的编辑与运行
1．6 本章小结

第2章 Python程序设计基础
2．1 Python语言基础
2．1．1 对象、变量和标识符
2．1．2 内置数据类型
2．1．3 运算符和表达式
2．1．4 Python中的函数和模块
2．2 流程控制
2．2．1 顺序结构
2．2．2 选择结构
2．2．3 循环结构
2．3 Python组合数据类型
2．3．1 列表
2．3．2 元组
2．3．3 字符串
2．3．4 字典
2．4 函数
2．4．1 函数的定义和调用
2．4．2 函数参数和返回值
2．4．3 lambda表达式
2．4．4 递归函数
2．4．5 函数式编程和高阶函数
2．5 本章小结

第3章 NumPy基础
3．1 多维数组对象ndarray
3．1．1 ndarray对象的创建
3．1．2 ndarray对象的属性
3．1．3 随机数数组
3．2 数组的基本操作
3．2．1 数组的索引和切片
3．2．2 数组形状变换
3．2．3 数组转置和轴对换
3．2．4 数组的合并与拆分
3．3 数组的运算
3．3．1 数组运算和广播机制
3．3．2 数组的排序
3．3．3 统计运算
3．3．4 线性代数运算
3．4 一个有趣的数组应用实例
3．5 本章小结

第4章 Pandas数据分析
4．1 Pandas数据结构及创建
4．1．1 Pandas数据结构概述
4．1．2 创建Series数据结构
4．1．3 创建DataFrame数据结构
4．2 DataFrame基本操作
4．2．1 基本列操作
4．2．2 基本行操作
4．3 Pandas检索
4．3．1 基本检索
4．3．2 多行检索
4．3．3 多列检索
4．3．4 行列检索
4．3．5 条件检索
4．3．6 重新检索
4．3．7 更换检索
4．4 Pandas数据运算
4．4．1 算术运算
4．4．2 排序
4．4．3 函数应用和映射
4．4．4 统计方法
4．5 Pandas处理缺失值
4．5．1 查找缺失值
4．5．2 删除缺失值
4．5．3 填充缺失值
4．6 数据载入与输出
4．6．1 读/写文本文件
4．6．2 读/写Excel文件
4．7 数据聚合与分组
4．7．1 merge数据合并
4．7．2 concat轴向连接
4．7．3 检测与处理重复值
4．7．4 数据分组
4．8 综合案例
4．8．1 背景介绍
4．8．2 数据整理目标
4．8．3 数据读取与初步探索
4．8．4 数据的清洗与整理
4．8．5 数据查看
4．8．6 数据的分组整理
4．8．7 数据保存
4．9 本章小结
……

第5章 数据可视化
第6章 科学计算与机器学习
第7章 机器学习综合案例

参考文献