Python數據分析、挖掘與可視化

《Python數據分析、挖掘與可視化》從大數據分析實際業務流程出發，
利用案例貫穿介紹了大數據分析應具備的基礎開發技術，包括Python基礎、Python高級開發技術、
數據採集與存儲、數據預處理、數據分析、數據可視化、數據挖掘等；
詳細介紹了基於Python的數據分析全流程技術和相關機器學習算法；並通過社交用戶畫像挖掘案例，
介紹了從應用場景需求分析→社交數據分析→用戶畫像構建的開發方法和過程，
以及基於Flask框架、用戶屬性、神經網絡挖掘的社交用戶數據分析和畫像構建過程。
  
《Python數據分析、挖掘與可視化》既可作為高等院校人工智能、計算機、
大數據等專業的相關課程的教材，也可作為大數據分析人員的技術參考書。

前言
第1章  Python基礎1
1.1  Python概述1
1.2  Python大數據應用3
1.2.1  Python與大數據技術3
1.2.2  常用行業數據集6
1.2.3  嵌入式開發應用6
1.2.4  數據挖掘及應用7
1.2.5  機器學習及應用8
1.2.6  數據分析未來發展9
1.3  搭建Python開發環境10
1.3.1  Python開發環境系統要求10
1.3.2  Windows系統平台下搭建開發環境10
1.3.3  Linux系統平台下搭建開發環境12
1.3.4  Mac系統平台下搭建開發環境13
1.4  Python集成開發平台14
1.5  Python常用庫概述18
1.5.1  Python庫簡介18
1.5.2  Python庫安裝及集成19
1.5.3  Python數據分析工具21
1.6  創建Python程序21
1.6.1  在Anaconda下創建Python程序22
1.6.2  命令行創建Python程序25
1.6.3  Python運行在移動終端25
1.6.4  創建Python嵌入式程序27
習題28

第2章  Python高級開發29
2.1  字符串29
2.1.1  字符串及格式化29
2.1.2  字符串常用方法32
2.1.3  字符串匹配與正則表達式匹配33
2.1.4  字符串應用35
2.2  文本處理35
2.2.1  讀寫JSON數據35
2.2.2  讀寫CSV數據37
2.2.3  解析XML數據38
2.2.4  字典轉XML數據42
2.2.5  文本處理應用43
2.3  文件和流45
2.3.1  打開文件及模式45
2.3.2  文件處理方法46
2.3.3  文件應用47
2.4  網絡及Web應用48
2.4.1  創建TCP、UDP服務器48
2.4.2  RPC遠程訪問51
2.4.3  Python動態網站應用52
2.5  Python圖形繪製55
2.5.1  Python GUI簡介55
2.5.2  wxPython安裝及配置55
2.5.3  wxPython應用55
2.5.4  PySimpleGUI及Jython應用58
2.6  Python測試及框架60
習題63

第3章  Python數據採集與存儲64
3.1  數據採集簡介64
3.1.1  數據源概述64
3.1.2  常用的爬蟲框架66
3.1.3  社交網站信息採集75
3.2  Python數據存儲78
3.2.1  文本格式存儲78
3.2.2  文本存儲應用80
3.2.3  二進制格式存儲80
3.2.4  二進制存儲應用81
3.3  數據庫存儲81
3.3.1  Python 常用數據庫簡介82
3.3.2  MongoDB及應用82
3.3.3  Redis及應用93
3.3.4  SQLite及應用102
3.3.5  PyTables 及應用108
3.3.6  社交數據存儲112
3.4  案例：租房數據採集與存儲113
習題115

第4章  Python數據預處理116
4.1  數據預處理及工具簡介116
4.1.1  預處理基礎116
4.1.2  預處理方法117
4.1.3  預處理技術118
4.1.4  垃圾短信分類預處理120
4.2  NumPy122
4.2.1  NumPy安裝及配置123
4.2.2  NumPy的數據存取123
4.2.3  NumPy的矩陣構建126
4.2.4  NumPy 的矩陣運算128
4.2.5  NumPy的數學統計131
4.2.6  NumPy的排序運算134
4.2.7  NumPy處理缺失項136
4.3  pandas137
4.3.1  pandas安裝及配置138
4.3.2  pandas數據結構141
4.3.3  pandas 數據加載和存儲142
4.3.4  pandas數值計算與排序144
4.3.5  pandas數據索引構建147
4.3.6  pandas複雜數據結構148
4.3.7  書目信息索引149
4.4  SciPy150
4.4.1  SciPy安裝及配置151
4.4.2  SciPy的文件輸入與輸出152
4.4.3  SciPy的特殊函數應用152
4.4.4  SciPy的線性代數運算153
4.4.5  SciPy的快速傅里葉變換154
4.4.6  SciPy的優化和擬合155
4.5  案例：社交網站數據預處理157
習題162

第5章  Python數據分析163
5.1  數據分析簡介163
5.1.1  數據分析發展163
5.1.2  數據分析主流技術164
5.1.3  數據分析應用領域166
5.2  Python 數據分析庫167
5.2.1  scikit-learn167
5.2.2  statsmodels170
5.2.3  Gensim172
5.2.4  Keras174
5.2.5  社交網站數據分析177
5.3  分類178
5.3.1  分類簡介179
5.3.2  常用分類算法179
5.3.3  分類評價標準181
5.3.4  新聞分類182
5.4  回歸184
5.4.1  回歸簡介184
5.4.2  常用回歸算法185
5.4.3  回歸評價標準187
5.4.4  房屋價格回歸分析188
5.5  聚類189
5.5.1  聚類簡介189
5.5.2  典型聚類算法189
5.5.3  聚類評價標準191
5.5.4  用戶社區聚類分析192
5.6  機器學習基礎194
5.6.1  機器學習簡介194
5.6.2  常見機器學習算法195
5.6.3  主流應用框架196
5.6.4  Theano 應用198
5.7  案例：購物網站用戶態度及情感分析199
習題201

第6章  Python 數據可視化202
6.1  數據可視化簡介202
6.1.1  數據可視化定義202
6.1.2  數據可視化發展203
6.1.3  數據可視化分類204
6.1.4  數據可視化應用205
6.2  數據可視化基礎206
6.2.1  數據可視化基本流程206
6.2.2  主流數據可視化分析技術207
6.2.3  人口遷移數據可視化209
6.3  數據可視化開發工具210
6.3.1  matplotlib210
6.3.2  NetworkX213
6.3.3  seaborn214
6.3.4  ggplot216
6.3.5  Bokeh217
6.3.6  Pygal219
6.3.7  Plotly221
6.3.8  pyecharts224
6.4  數據可視化分析框架227
6.5  案例：話題漂移可視化228
習題232

第7章  Python數據挖掘與應用233
7.1  數據挖掘簡介233
7.1.1  Python數據挖掘基礎234
7.1.2  文本分詞236
7.1.3  Gensim文本主題挖掘237
7.1.4  新詞發現242
7.2  Python視頻數據處理244
7.2.1  常見視頻數據處理算法244
7.2.2  OpenCV的基本操作245
7.2.3  scikit-video視頻讀寫操作248
7.2.4  MoviePy視頻編輯操作250
7.2.5  人物視頻識別檢測252
7.3  Python圖像數據處理255
7.3.1  常見圖像處理算法255
7.3.2  Python圖像處理庫260
7.3.3  手寫數字圖像及字體識別262
7.3.4  基於CNN的圖像識別應用267
7.4  案例：熱點話題挖掘272
習題277

第8章  綜合案例：社交用戶畫像
挖掘278
8.1  用戶畫像簡介278
8.1.1  用戶畫像基礎278
8.1.2  用戶畫像標籤體系281
8.1.3  搭建用戶畫像挖掘系統環境284
8.2  用戶屬性挖掘模塊286
8.2.1  基礎標籤創建286
8.2.2  標籤數據存儲290
8.2.3  用戶屬性可視化292
8.3  用戶興趣挖掘模塊295
8.3.1  用戶興趣挖掘295
8.3.2  用戶興趣數據存儲301
8.3.3  用戶興趣可視化302
8.4  用戶行為挖掘模塊305
8.4.1  行為挖掘305
8.4.2  基於神經網絡的挖掘308
8.4.3  行為標籤存儲312
8.4.4  用戶行為關係可視化313
8.5  用戶畫像前端模塊315
8.5.1  標籤綜合視圖315
8.5.2  單個用戶畫像325
8.5.3  用戶群體畫像334
習題340