Python数据分析从入门到精通（第2版） azw3 网盘 高速 下载地址大全 免费

全书共分21章，包括数据分析基础、搭建数据分析开发环境、NumPy模块之数组计算、Pandas模块基础、Pandas模块之数据的读取、Pandas模块之数据的处理、Pandas模块之数据的清洗、数据的计算与格式化、数据统计及透视表、处理日期与时间、Scikit-Learn机器学习模块、Matplotlib模块入门、Matplotlib模块进阶等内容，以及4个项目实战综合案例。 书中所有知识结合具体实例进行介绍，涉及的程序代码给出了详细的注释，读者可轻松领会Python数据分析程序开发的精髓，从而快速提升数据分析开发技能。

第1篇 基础知识 第1章 数据分析基础 2 视频讲解：27分钟 1.1 数据分析概述 2 1.2 常见数据分析方法 3 1.2.1 对比分析法 3 1.2.2 同比分析法 4 1.2.3 环比分析法 4 1.2.4 回归分析法 5 1.2.5 聚类分析法 6 1.3 了解数据分析工具 6 1.4 数据分析的基本流程 7 1.4.1 确认目标 7 1.4.2 获取数据 8 1.4.3 处理数据 9 1.4.4 分析数据 10 1.4.5 验证结果 10 1.4.6 展示数据 10 1.4.7 应用数据 11 1.5 数据分析常用模块库 11 1.6 小结 12 第2章 搭建数据分析开发环境 13 视频讲解：19分钟 2.1 强大的编程语言Python 13 2.1.1 Python概述 13 2.1.2 安装Python 13 2.1.3 创建第一个Python程序 17 2.2 安装Anaconda开发环境 18 2.3 Jupyter Notebook开发工具 23 2.3.1 初识Jupyter Notebook 23 2.3.2 创建Jupyter Notebook文件 24 2.3.3 测试Jupyter Notebook 24 2.4 PyCharm集成开发环境 26 2.4.1 PyCharm的下载与安装 26 2.4.2 配置PyCharm 29 2.4.3 测试PyCharm 30 2.5 小结 32 第3章 NumPy模块之数组计算 33 视频讲解：265分钟 3.1 NumPy模块概述 33 3.1.1 什么是NumPy模块 33 3.1.2 安装NumPy模块 34 3.1.3 NumPy的数据类型 35 3.1.4 ndarray()数组对象 36 3.1.5 dtype数据类型对象 37 3.2 创建数组 37 3.2.1 创建简单的数组 38 3.2.2 多种创建数组的方式 39 3.2.3 根据数值范围创建数组 41 3.2.4 生成随机数组 43 3.2.5 在已有的数组中创建数组 45 3.3 数组的基本操作 49 3.3.1 数组的多种运算方式 49 3.3.2 数组的索引和切片 51 3.3.3 数组的重塑 55 3.3.4 数组的增、删、改、查 57 3.4 矩阵的基本操作 59 3.4.1 创建矩阵 60 3.4.2 矩阵的运算 62 3.4.3 矩阵的转换 64 3.5 NumPy常用的数学运算函数 65 3.5.1 算术函数 66 3.5.2 舍入函数 67 3.5.3 三角函数 68 3.6 统计分析 69 3.6.1 求和函数sum() 70 3.6.2 平均值函数mean() 70 3.6.3 最大值与最小值函数max()、min() 71 3.6.4 中位数函数median() 71 3.6.5 加权平均函数average() 72 3.6.6 方差与标准差函数var()、std() 73 3.7 数组排序 73 3.7.1 sort()函数 73 3.7.2 argsort()函数 74 3.7.3 lexsort()函数 74 3.8 小结 75 第4章 Pandas模块基础 76 视频讲解：67分钟 4.1 安装Pandas模块 76 4.2 了解Pandas模块 78 4.3 Pandas模块的两大数据结构 79 4.3.1 Series()对象 79 4.3.2 DataFrame()对象 80 4.4 数据中的索引 82 4.4.1 什么是索引 82 4.4.2 Series()对象的索引 83 4.4.3 DataFrame()对象的索引 86 4.5 小结 88 第5章 Pandas模块之数据的读取 89 视频讲解：75分钟 5.1 读取文本文件中的数据 89 5.2 Excel文件的读取和写入 90 5.2.1 读取Excel文件中的数据 90 5.2.2 读取指定Sheet页中的数据 93 5.2.3 通过行列索引读取指定数据 93 5.2.4 将数据写入Excel文件中 95 5.3 CSV文件的读取和写入 96 5.3.1 读取CSV文件中的数据 96 5.3.2 将数据写入CSV文件中 98 5.4 读取HTML网页 99 5.5 读取数据库中的数据 101 5.5.1 读取MySQL数据库中的数据 101 5.5.2 读取MongoDB数据库中的数据 104 5.6 小结 108 第6章 Pandas模块之数据的处理 109 视频讲解：96分钟 6.1 数据抽取 109 6.1.1 抽取指定行数据 110 6.1.2 抽取多行数据 110 6.1.3 抽取指定列数据 111 6.1.4 抽取指定的行、列数据 112 6.2 数据的增、删、改、查 113 6.2.1 增加数据 113 6.2.2 按行增加数据 114 6.2.3 删除数据 115 6.2.4 修改数据 116 6.2.5 查询数据 117 6.3 数据的排序和排名 120 6.3.1 数据的排序 120 6.3.2 数据排名 123 6.4 小结 125 第7章 Pandas模块之数据的清洗 126 视频讲解：81分钟 7.1 缺失值的处理 126 7.1.1 了解数据中的缺失值 126 7.1.2 查看缺失值 127 7.1.3 处理缺失值 128 7.2 处理数据中的重复值 129 7.3 数据中异常值的检测与处理 130 7.4 数据中字符串的操作函数 131 7.4.1 字符串对象中的常见函数 131 7.4.2 替换字符串——replace()函数 133 7.4.3 数据切分——split()函数 134 7.4.4 判断字符串——contains()函数 135 7.5 数据转换 136 7.5.1 通过字典映射的方式实现数据转换——map()函数 136 7.5.2 数据分割——cut()函数 137 7.5.3 数据分类——get_dummies()函数 138 7.6 小结 139 第8章 数据的计算与格式化 140 视频讲解：54分钟 8.1 常见的数据计算函数 140 8.1.1 求和——sum()函数 140 8.1.2 求平均值——mean()函数 141 8.1.3 求最大值——max()函数 142 8.1.4 求最小值——min()函数 143 8.2 高级的数据计算函数 144 8.2.1 求取中位数——median()函数 144 8.2.2 求取众数——mode()函数 145 8.2.3 计算方差——var()函数 146 8.2.4 计算标准差——std()函数 147 8.2.5 计算分位数——quantile()函数 147 8.3 数据格式化 148 8.3.1 设置小数位数 149 8.3.2 设置百分比 150 8.3.3 设置千位分隔符 151 8.4 小结 151 第9章 数据统计及透视表 152 视频讲解：71分钟 9.1 数据的分组统计 152 9.1.1 分组统计——groupby()函数 152 9.1.2 分组数据的迭代 154 9.1.3 分组聚合运算——agg()函数 155 9.1.4 通过字典和Series()对象进行分组统计 156 9.2 数据移位 157 9.3 数据合并 158 9.3.1 数据合并——merge()函数 158 9.3.2 数据合并——concat()函数 162 9.3.3 最近合并——merge_asof()函数 163 9.4 数据透视表 165 9.4.1 pivot()函数 165 9.4.2 pivot_table()函数 166 9.5 小结 167 第10章 处理日期与时间 168 视频讲解：94分钟 10.1 日期数据的处理 168 10.1.1 日期数据的转换 168 10.1.2 dt()对象 170 10.1.3 获取指定日期区间的数据 171 10.1.4 按不同时期统计数据 172 10.2 日期范围、频率和移位 174 10.2.1 生成日期范围——date_range()函数 174 10.2.2 日期频率转换——asfreq()函数 176 10.2.3 日期移位——shift()函数 177 10.3 时间区间与频率转换 179 10.3.1 创建时间区间 179 10.3.2 区间频率转换 180 10.4 重新采样与频率转换 181 10.4.1 重新采样——resample()函数 181 10.4.2 降采样处理 182 10.4.3 升采样处理 183 10.5 移动窗口函数 184 10.5.1 将时间序列的数据汇总——ohlc()函数 184 10.5.2 移动窗口数据计算——rolling()函数 185 10.6 小结 187 第11章 Scikit-Learn机器学习模块 188 视频讲解：54分钟 11.1 Scikit-Learn概述 188 11.2 安装Scikit-Learn模块 189 11.3 线性模型 190 11.3.1 最小二乘法回归——LinearRegression对象 190 11.3.2 岭回归——Ridge对象 191 11.4 支持向量机 192 11.5 聚类 194 11.5.1 什么是聚类 194 11.5.2 聚类算法 195 11.5.3 聚类模块 195 11.5.4 聚类数据生成器 197 11.6 小结 198 第2篇 可视化图表 第12章 Matplotlib模块入门 200 视频讲解：162分钟 12.1 Matplotlib模块概述 200 12.1.1 了解Matplotlib模块 200 12.1.2 Matplotlib模块的安装 203 12.1.3 体验Matplotlib可视化图表 204 12.2 图表的基本设置 205 12.2.1 基本绘图——plot()函数 205 12.2.2 设置画布——figure()函数 207 12.2.3 设置坐标轴——xlabel()、ylabel()函数 208 12.2.4 设置文本标签——text()函数 211 12.2.5 设置标题和图例——title()、legend()函数 212 12.2.6 添加注释——annotate()函数 215 12.2.7 设置网格线——grid()函数 217 12.2.8 设置参考线——axhline()、axvline()函数 218 12.2.9 选取范围——axhspan()、axvspan()函数 219 12.2.10 图表的布局——tight_layout()函数 220 12.2.11 保存图表——savefig()函数 221 12.3 绘制常用的图表 221 12.3.1 绘制散点图——plot()、scatter()函数 221 12.3.2 绘制折线图——plot()函数 223 12.3.3 绘制柱形图——bar()函数 224 12.3.4 绘制直方图——hist()函数 226 12.3.5 绘制饼形图——pie()函数 228 12.3.6 绘制面积图——stackplot()函数 231 12.3.7 绘制箱形图——boxplot()函数 233 12.3.8 绘制热力图——imshow()函数 236 12.3.9 绘制雷达图——polar()函数 237 12.3.10 绘制气泡图——scatter()函数 239 12.3.11 绘制棉棒图——stem()函数 239 12.3.12 绘制误差棒图——errorbar()函数 240 12.4 小结 241 第13章 Matplotlib模块进阶 242 视频讲解：69分钟 13.1 图表的颜色设置 242 13.1.1 常用颜色 242 13.1.2 可识别的颜色格式 243 13.1.3 颜色映射 244 13.2 处理日期与时间 245 13.2.1 dates子模块 245 13.2.2 设置坐标轴日期的显示格式 246 13.2.3 设置坐标轴日期刻度标签 247 13.3 次坐标轴（双坐标轴） 248 13.3.1 共享x坐标轴——twinx()函数 248 13.3.2 共享y坐标轴——twiny()函数 249 13.4 绘制多个子图表 250 13.4.1 subplot()函数 250 13.4.2 subplots()函数 252 13.4.3 add_subplot()函数 253 13.4.4 子图表共用一个坐标轴 254 13.5 绘制函数图像 255 13.5.1 一元一次函数图像 255 13.5.2 一元二次函数图像 256 13.5.3 正弦函数图像——sin()函数 256 13.5.4 余弦函数图像——cos()函数 257 13.5.5 S型生长曲线——Sigmoid()函数 257 13.6 形状与路径 258 13.6.1 绘制形状——patches子模块 258 13.6.2 绘制路径——path子模块 259 13.6.3 绘制圆——Circle()对象 261 13.6.4 绘制矩形——Rectangle()对象 262 13.7 绘制3D图表 263 13.8 小结 264 第14章 Seaborn图表 265 视频讲解：50分钟 14.1 了解Seaborn图表 265 14.1.1 Seaborn概述 265 14.1.2 安装Seaborn模块 266 14.1.3 体验Seaborn图表 267 14.2 Seaborn图表的基本设置 267 14.2.1 设置背景风格 267 14.2.2 控制边框的显示方式 268 14.3 绘制常见图表 268 14.3.1 绘制散点图——replot()函数 268 14.3.2 绘制折线图——relplot()、lineplot()函数 269 14.3.3 绘制直方图——displot()函数 271 14.3.4 绘制条形图——barplot()函数 271 14.3.5 绘制线性回归模型——lmplot()函数 272 14.3.6 绘制箱形图——boxplot()函数 273 14.3.7 绘制核密度图——kdeplot()函数 274 14.3.8 绘制提琴图——violinplot()函数 275 14.4 小结 275 第15章 Plotly图表 276 视频讲解：57分钟 15.1 了解Plotly图表 276 15.1.1 安装Plotly模块 276 15.1.2 Plotly绘图原理及流程 277 15.1.3 Plotly图表的生成方法 278 15.2 绘制基础图表 280 15.2.1 绘制散点图与折线图——Scatter()对象 280 15.2.2 绘制柱形图与水平条形图——Bar()对象 281 15.2.3 绘制饼图与环形图——Pie()对象 283 15.3 设置图表 285 15.3.1 图层布局——Layout()对象 285 15.3.2 设置图表标题 286 15.3.3 设置文本标记 286 15.3.4 设置注释文本 287 15.4 统计图表 290 15.4.1 绘制直方图 290 15.4.2 绘制箱形图 291 15.4.3 绘制热力图 292 15.4.4 绘制等高线图 293 15.5 绘制子图表 294 15.5.1 绘制基本的子图表 294 15.5.2 自定义子图位置 295 15.5.3 子图可供选择的图形类型 296 15.6 三维图绘制 296 15.7 绘制表格 297 15.7.1 Table()对象 297 15.7.2 create_table()函数 299 15.8 小结 301 第16章 Bokeh图表 302 视频讲解：51分钟 16.1 了解Bokeh图表 302 16.1.1 安装Bokeh模块 302 16.1.2 词汇与接口说明 302 16.1.3 绘制第一张Bokeh图表 303 16.1.4 通过数据类型绘制图表 305 16.2 绘制常见图表 309 16.2.1 绘制散点图——circle()函数 309 16.2.2 绘制组合图表——line()、circle()函数 310 16.2.3 绘制条形图——vbar()函数 311 16.2.4 绘制饼（环）形图——wedge()、annular_wedge()函数 312 16.3 设置图表 313 16.3.1 图表布局——column()、row()、gridplot()函数 313 16.3.2 配置绘图工具 315 16.3.3 设置视觉属性 317 16.3.4 图表注释 319 16.4 图表可视化交互 323 16.4.1 微调器 323 16.4.2 选项卡 324 16.4.3 滑块功能 325 16.5 小结 326 第17章 Pyecharts图表 327 视频讲解：52分钟 17.1 了解Pyecharts图表 327 17.1.1 Pyecharts概述 327 17.1.2 安装Pyecharts模块 328 17.1.3 绘制第一张Pyecharts图表 329 17.1.4 Pyecharts函数的链式调用 329 17.2 Pyecharts图表的组成部分 330 17.2.1 主题风格——InitOpts()对象 331 17.2.2 图表标题——TitleOpts()对象 332 17.2.3 图例——LegendOpts()对象 334 17.2.4 提示框——TooltipOpts()对象 336 17.2.5 视觉映射——VisualMapOpts()对象 337 17.2.6 工具箱——ToolboxOpts()对象 339 17.2.7 区域缩放——DataZoomOpts()对象 341 17.3 绘制Pyecharts图表 342 17.3.1 绘制散点图——EffectScatter()对象 342 17.3.2 绘制折线图和面积图——Line()对象 343 17.3.3 绘制柱形图——Bar()对象 345 17.3.4 绘制饼形图——Pie()对象 346 17.3.5 绘制箱形图——Boxplot()对象 348 17.3.6 绘制词云图——WordCloud对象 349 17.3.7 绘制热力图——HeatMap()对象 350 17.3.8 绘制水球图——Liquid()对象 352 17.3.9 绘制日历图——Calendar()对象 352 17.4 小结 353 第3篇 项目实战 第18章 综合案例：股票数据分析 356 视频讲解：44分钟 18.1 概述 356 18.2 案例效果预览 356 18.3 案例环境 358 18.4 前期准备 359 18.4.1 安装第三方模块 359 18.4.2 新建Jupyter Notebook文件 359 18.4.3 导入必要的模块 361 18.4.4 获取股票历史数据 361 18.5 数据预处理 362 18.5.1 数据查看与缺失性分析 362 18.5.2 描述性统计分析 363 18.5.3 数据处理 364 18.5.4 异常值分析 364 18.5.5 数据归一化处理 365 18.6 数据统计分析 365 18.6.1 可视化股票走势图 365 18.6.2 股票收盘价格走势图 366 18.6.3 股票成交量时间序列图 367 18.6.4 股票涨跌情况分析图 367 18.6.5 股票k线走势图 368 第19章 综合案例：淘宝网订单分析 370 视频讲解：5分钟 19.1 概述 370 19.2 案例效果预览 371 19.3 案例环境 372 19.4 数据集介绍 372 19.5 前期准备 373 19.5.1 安装第三方模块 373 19.5.2 新建Jupyter Notebook文件 373 19.5.3 导入必要的模块 373 19.5.4 数据读取与查看 374 19.6 数据预处理 375 19.6.1 缺失性分析 375 19.6.2 描述性统计分析 375 19.6.3 数据处理 376 19.7 数据统计分析 377 19.7.1 整体情况分析 377 19.7.2 按订单类型分析订单量 377 19.7.3 按区域分析订单量 378 19.7.4 每日订单量分析 380 19.7.5 小时订单量分析 380 第20章 综合案例：网站用户数据分析 382 视频讲解：32分钟 20.1 概述 382 20.2 案例效果预览 382 20.3 案例环境 383 20.4 MySQL数据 383 20.4.1 导入MySQL数据 383 20.4.2 Python连接MySQL数据库 384 20.5 实现过程 385 20.5.1 数据准备 385 20.5.2 数据检测 385 20.5.3 年度注册用户分析 385 20.5.4 新注册用户分析 387 第21章 综合案例：NBA球员薪资的数据分析 389 视频讲解：4分钟 21.1 概述 389 21.2 案例效果预览 389 21.3 案例环境 391 21.4 实现过程 391 21.4.1 数据准备 391 21.4.2 确定网页格式 392 21.4.3 Pandas爬取数据并保存 393 21.4.4 数据清洗 394 21.4.5 水平柱形图分析湖人队薪资状况 394 21.4.6 统计分析各个球队队员薪资总和 395 21.4.7 统计分析多个球队所有球员的薪资状况 397 21.4.8 分析不同位置球员的薪资状况 398

明日科技，全称是吉林省明日科技有限公司，是一家专业从事软件开发、教育培训以及软件开发教育资源整合的高科技公司，其编写的教材非常注重选取软件开发中的必需、常用内容，同时也很注重内容的易学、方便性以及相关知识的拓展性，深受读者喜爱。其教材多次荣获“全行业优秀畅销品种”“全国高校出版社优秀畅销书”等奖项，多个品种长期位居同类图书销售排行榜的前列。

暂无其它内容！

暂时还没有人为这本书评论！