包邮Python数据分析教科书

章 数据分析工程师的职责 1.1 数据分析的世界 1.1.1 数据分析行业现状 1.1.2 数据分析与Python 1.1.3 什么是数据科学家 1.1.4 什么是数据分析工程师 1.1.5 数据处理（预处理）的重要性 1.2 机器学习的定位和流程 1.2.1 什么是机器学习 1.2.2 机器学习以外的选择 1.2.3 机器学习的任务 1.2.4 机器学习的处理流程 1.3 数据分析的常用软件包 1.3.1 什么是软件包 1.3.2 第三方软件包的介绍 第2章 Python及其执行环境 2.1 构建执行环境 2.1.1 安装Python正式版本 2.1.2 venv:Python的虚拟环境 2.1.3 pip命令 2.1.4 Anaconda 2.2 Python的基础 2.2.1 Python语法 2.2.2 基本语法 2.2.3 标准程序库 2.3 Jupyter Notebook 2.3.1 Jupyter Notebook是什么 2.3.2 安装 2.3.3 基本操作 2.3.4 简便用法 2.3.5 所需环境的准备 第3章 数学基础 3.1 数学公式的基础知识 3.1.1 公式和符号 3.1.2 数学符号 3.1.3 函数 3.2 线性代数 3.2.1 向量及其运算、 3.2.2 矩阵及其运算 3.3 基础解析 3.3.1 微分与积分的意义 3.3.2 简单的函数微分与积分 3.3.3 微分与函数的值 3.3.4 偏微分 3.4 概率与统计 3.4.1 统计的基础 3.4.2 数据的可视化方法 3.4.3 数据及其关系性 3.4.4 概率 3.4.5 概率分布 3.4.6 概率与函数 第4章 利用标准库进行实践分析 4.1 NumPy 4.1.1 NumPy概述 4.1.2 用NumPy处理数据 4.1.3 NumPy的各种功能 4.2 pandas 4.2.1 pandas概述 4.2.2 读写数据 4.2.3 数据处理 4.2.4 时间序列数据 4.2.5 缺失值的处理 4.2.6 数据合并 4.2.7 统计数据的处理 4.3 Matplotlib 4.3.1 Matplotlib概述 4.3.2 绘图对象 4.3.3 图表类型和输出方式 4.3.4 样式 4.4 scikit-learn 4.4.1 预处理 4.4.2 分类 4.4.3 回归 4.4.4 降维 4.4.5 评估模型 4.4.6 超参数优化 4.4.7 聚类 第5章 应用：数据采集和加工 5.1 数据采集 5.1.1 什么是“爬虫” 5.1.2 爬虫环境的准备 5.1.3 下载网页 5.1.4 从网页中提取元素 5.1.5 提取信息的一览表 5.1.6 网页抓取的注意事项 5.1.7 后续步骤 5.2 自然语言处理 5.2.1 安装所需的库 5.2.2 词素分析 5.2.3 词袋 5.2.4 TF-IDF 5.2.5 极性判定 5.2.6 总结 5.3 图像数据处理 5.3.1 准备要处理的图像 5.3.2 图像数据基础知识 5.3.3 简单的图像处理 5.3.4 数据化的图像 5.3.5 使用机器学习进行图像分类 5.3.6 总结 参考文献