本书注重零基础读者实现Python从入门到精通，加强读者基于数据分析而常用的编程基础，并通过数据分析、机器学习和可视化的内容，增强了读者对数据进行分析和挖掘的能力。全书共8章，主要内容包括Python开发环境搭建与编码规范，数据类型、运算符与内置函数，列表、元组、字典、集合与字符串，选择结构、循环结构、函数定义与使用，文件操作，数据分析，机器学习，数据可视化。本书可作为高等院校统计学、数学、经济学、金融学、管理学等专业相关课程的教材，也可作为从事数据咨询、研究或分析等人士的参考书。
作者简介:
董付国 山东工商学院计算机学院副教授，拥有多年Python教学和开发经验，先后出版《Python程序设计》等系列教材，近几年应邀为多个单位以及高校讲授Python编程技术，长期维护微信公众号“Python小屋”并免费分享340多篇Python技术文章；多次获得校级教学优秀效果一等奖；发表科研论文40余篇，近30篇被EI收录。
目录:
第1章 Python开发环境的搭建与编码规范 1
1.1 Python开发环境的搭建与使用 1
1.2 Python编码规范 5
1.3 标准库、扩展库对象的导入与使用 6
本章知识要点 7
本章习题 7
第2章 数据类型、运算符与内置函数 9
2.1 常用内置数据类型 9
2.2 运算符与表达式 12
2.3 常用内置函数 16
2.4 综合应用与例题解析 23
本章知识要点 24
本章习题 25
第3章 列表、元组、字典、集合与字符串 27
3.1 列表与列表推导式 27
3.2 元组与生成器表达式 31
3.3 字典 32
3.4 集合 33
3.5 字符串常用方法 34
3.6 综合应用与例题解析 37
本章知识要点 38
本章习题 40
第4章 选择结构、循环结构、函数定义与使用 41
4.1 选择结构 41
4.2 循环结构 43
4.3 函数定义与使用 44
4.4 综合应用与例题解析 44
本章知识要点 48
本章习题 49
第5章 文件操作 51
5.1 文件操作基础 51
5.2 JSON文件操作 53
5.3 CSV文件操作 53
5.4 Word、Excel、PowerPoint文件操作实战 56
本章知识要点 58
本章习题 59
第6章 numpy数组与矩阵运算 60
6.1 numpy数组及其运算 60
6.2 矩阵生成与常用操作 81
6.3 计算特征值与特征向量 85
6.4 计算逆矩阵 86
6.5 求解线性方程组 87
6.6 计算向量和矩阵的范数 87
6.7 计算行列式 88
6.8 计算矩阵条件数 89
6.9 计算矩阵的秩 90
6.10 QR分解 90
6.11 奇异值分解 91
6.12 函数向量化 91
本章知识要点 92
本章习题 93
第7章 pandas数据分析实战 95
7.1 pandas常用数据类型 95
7.2 DataFrame数据处理与分析实战 103
本章知识要点 134
本章习题 135
第8章 sklearn机器学习实战 136
8.1 机器学习基本概念 136
8.2 机器学习库sklearn简介 141
8.3 线性回归算法的原理与应用 143
8.4 逻辑回归算法的原理与应用 150
8.5 朴素贝叶斯算法的原理与应用 153
8.6 决策树与随机森林算法的应用 158
8.7 支持向量机算法原理与应用 164
8.8 KNN算法原理与应用 169
8.9 KMeans聚类算法原理与应用 172
8.10 分层聚类算法原理与应用 175
8.11 DBSCAN算法原理与应用 177
8.12 使用协同过滤算法进行电影推荐 180
8.13 关联规则分析原理与应用 181
8.14 数据降维 184
8.15 交叉验证与网格搜索 186
本章知识要点 198
本章习题 200
第9章 matplotlib数据可视化实战 201
9.1 数据可视化库matplotlib基础 201
9.2 绘制折线图实战 202
9.3 绘制散点图实战 205
9.4 绘制柱状图实战 207
9.5 绘制饼状图实战 211
9.6 绘制雷达图实战 214
9.7 绘制三维图形实战 216
9.8 绘图区域切分实战 222
9.9 设置图例样式实战 223
9.10 事件响应与处理实战 227
9.11 填充图形 240
9.12 保存绘图结果 242
9.13 绘制和保存动画 243
本章知识要点 247
本章习题 247
附录A 运算符、内置函数对常用内置对象的支持情况表 248
附录B Python关键字清单 249
附录C 常用标准库对象速查表 251
附录D 常用Python扩展库清单 255
参考文献 256
点击下载