普通高等院校应用型人才培养“十三五”规划教材Python数据分析_周海燕责任编辑；（中国）吴道君朱家荣.pdf

前言回B目日A国数据的价值越来越被公众认可和推崇，而数据分析的作用就是通过一定的方法找出数据的价值。近年来，随着大数据技术和人工智能技术的发展，Pytho已经成为数据科学领域最为重要的语言和工具。Python是一种面向对象、解释型的计算机程序设计语言，其语法简洁清晰成熟稳定。Python最为重要的是具有丰富和强大的库，例如在数据分析领域的NumPy、MatplotlibPandas和Sklean等，这些库基本上包含了数据分析的所有方面，为数据分析提供了强大的功能支持。有了这些数据分析库，就可以非常容易地对数据进行分析，不再需要从基础做起，大大降低了数据分析的难度和复杂度。本书主要讲解使用Python以及Python的库进行数据分析的技术，全书共分为6章，主要内容如下：第1章Python数据分析概述，主要讲解数据分析的相关概念及其应用、Python在数据分析领域的优势、Python数据分析的第三方类库、Python数据分析环境库的安装、JupyterNotebook工具的基本使用。第2章NumPy数值计算，主要讲解NumPy数组的概念，NumPy数组的创建方法、属性和数据类型，常用数组操作方法的使用，数组的切片和索引方法，数组的各类运算方法和使用，NumPy的线性代数运算函数，数组的存取操作方法。第3章Matplotlib数据可视化，主要讲解线形图的绘制，线形图的线的颜色、线型、坐标点、线宽设置；散点图、柱状图、条形图、饼图、直方图、箱线图的绘制；图例、坐标网格、坐标系、样式的设置，样式、RC设置和文本注解；子图的绘制、子图坐标系的设置、图形嵌套；三维图形的绘制。第4章Pandas数据分析，主要讲解Pandas的数据结构，常用的DataFrame数据结构；DataFrame的基本功能，DataFrame的行操作与列操作；Pandas操作外部数据的方法，读取CVS、数据库数据的方法；DataFrame的重建索引、更换索引和层次化索引的使用；Series、DataFrame的数据运算，函数应用与映射、排序、迭代方法；描述性统计函数，协方差、相关性等的计算方法；分组与聚合的概念、分组聚合的方法使用；透视表、交叉表的方法。第5章数据预处理，主要讲解数据清洗的概念和方法，重复值、缺失值和异常值的检测公与处理；DataFrame对象的合并连接与重塑方法；数据变换的种类、常用的数据变换方法。第6章Sklearn机器学习，主要讲解机器学习的有关概念，Sklearn数据集，Sklearn数据PYS5数据分析预处理，降维、回归、聚类和分类算法，模型的选择、训练、预测和评估等。本书配有完善的教学资源，包括教学课件、电子教案、教学大纲、教学计划、实验参考习题答案等，可以在http:/小