Python數據分析與可視化-微課視頻版（題庫·AI賦能版）（第3版）

第1章數據分析與可視化概述

1.1數據分析

1.2數據可視化

1.3數據分析與可視化常用工具

1.4為何選用Python進行數據分析與可視化

1.5Python數據分析與可視化常用類庫

1.6Jupyter Notebook的安裝和使用

1.6.1Jupyter Notebook的安裝

1.6.2Jupyter Notebook的使用

1.7本章小結

1.8本章習題

第2章Python編程基礎

2.1Python語言基本語法

2.1.1基礎數據類型

2.1.2變量和賦值

2.1.3運算符和表達式

2.1.4字符串

2.1.5流程控制

2.2內置數據類型

2.2.1列表

2.2.2元組

2.2.3字典

2.2.4集合

2.3函數

2.3.1函數的定義

2.3.2lambda函數

2.4文件操作

2.4.1文件處理過程

2.4.2數據的讀取方法

2.4.3讀取CSV文件

2.4.4文件寫入與關閉

2.5本章小結

2.6本章習題

2.7本章實訓

第3章NumPy數值計算基礎

3.1NumPy多維數組

3.1.1創建數組對象

3.1.2ndarray對象屬性和數據轉換

3.1.3生成隨機數

3.1.4數組變換

3.2數組的索引和切片

3.2.1一維數組的索引

3.2.2多維數組的索引

3.3數組的運算

3.3.1數組和標量間的運算

3.3.2ufunc函數

3.3.3條件邏輯運算

3.3.4數組的集合運算

3.4數組讀/寫

3.4.1讀/寫二進制文件

3.4.2讀/寫文本文件

3.4.3讀取CSV文件

3.5NumPy中的數據統計與分析

3.5.1排序

3.5.2重復數據與去重

3.5.3常用統計函數

3.6本章小結

3.7本章習題

3.8本章實訓

第4章Pandas統計分析基礎

4.1Pandas中的數據結構

4.1.1Series

4.1.2DataFrame

4.1.3索引對象

4.1.4查看DataFrame的常用屬性

4.2Pandas索引操作

4.2.1重建索引

4.2.2更換索引

4.3DataFrame數據的查詢與編輯

4.3.1DataFrame數據的查詢

4.3.2DataFrame數據的編輯

4.4Pandas數據運算

4.4.1算術運算

4.4.2函數應用和映射

4.4.3排序

4.4.4匯總與統計

4.5數據分組與聚合

4.5.1數據分組

4.5.2數據聚合

4.5.3分組運算

4.6數據透視表

4.6.1透視表

4.6.2交叉表

4.7Pandas可視化

4.7.1線形圖

4.7.2柱狀圖

4.7.3直方圖和密度圖

4.7.4散點圖

4.8本章小結

4.9本章習題

4.10本章實訓

第5章Pandas數據載入與預處理

5.1數據載入

5.1.1讀/寫文本文件

5.1.2讀/寫Excel文件

5.1.3JSON數據的讀取與存儲

5.1.4讀取數據庫文件

5.2合並數據

5.2.1merge數據合並

5.2.2concat數據連接

5.2.3combine_first合並數據

5.3數據清洗

5.3.1檢測與處理缺失值

5.3.2檢測與處理重復值

5.3.3檢測與處理異常值

5.3.4數據轉換

5.4數據標準化

5.4.1離差標準化數據

5.4.2標準差標準化數據

5.5數據變換與數據離散化

5.5.1類別型數據的啞變量處理

5.5.2連續型變量的離散化

5.6本章小結

5.7本章習題

5.8本章實訓

第6章Matplotlib數據可視化基礎

6.1Matplotlib簡介

6.2Matplotlib繪圖基礎

6.2.1創建畫布與子圖

6.2.2添加畫布內容

6.2.3繪圖的保存與顯示

6.3設置Pyplot的動態rc參數

6.3.1全局參數定制

6.3.2rc參數設置

6.3.3繪圖的填充

6.3.4在繪圖中顯示公式

6.3.5文本註解

6.4Pyplot中的常用繪圖

6.4.1折線圖

6.4.2散點圖

6.4.3柱狀圖

6.4.4餅圖

6.4.5箱線圖

6.4.6概率圖

6.4.7雷達圖

6.4.8流向圖

6.4.9繪圖中的表格設置

6.4.10極坐標圖

6.5詞雲

6.5.1安裝相關的包

6.5.2詞雲生成過程

6.5.3詞雲生成示例

6.6本章小結

6.7本章習題

6.8本章實訓

第7章Seaborn數據可視化

7.1Seaborn簡介

7.2風格設置

7.2.1Seaborn繪圖設置

7.2.2Seaborn 主題設置

7.2.3設置繪圖元素比例

7.3Seaborn中的常用繪圖

7.3.1直方圖和密度曲線圖

7.3.2散點圖

7.3.3箱線圖

7.3.4散點圖矩陣

7.3.5小提琴圖

7.3.6柱狀圖

7.3.7多變量圖

7.3.8回歸圖

7.3.9關系類圖

7.3.10熱力圖

7.4本章小結

7.5本章習題

7.6本章實訓

第8章pyecharts數據可視化

8.1pyecharts簡介

8.2pyecharts的使用方法

8.3pyecharts常用圖表

8.3.1柱狀圖

8.3.2餅圖

8.3.3漏鬥圖

8.3.4散點圖

8.3.5K線圖

8.3.6儀表盤

8.3.7詞雲

8.3.8組合圖表

8.3.9桑基圖

8.3.10平行坐標圖

8.3.11圖

8.3.12地圖

8.4本章小結

8.5本章習題

8.6本章實訓

第9章SciPy科學計算

9.1SciPy中的常數與特殊函數

9.1.1SciPy的constants模塊

9.1.2SciPy的special模塊

9.2SciPy中的線性代數基本運算 

9.2.1基本的矩陣運算

9.2.2線性方程組求解

9.2.3行列式的計算

9.2.4範數

9.2.5特征值分解

9.2.6奇異值分解 

9.3SciPy中的優化

9.3.1方程求解及求極值

9.3.2數據擬合

9.4SciPy中的稀疏矩陣處理

9.4.1稀疏矩陣的存儲

9.4.2稀疏矩陣的運算

9.5SciPy中的圖像處理

9.5.1圖像平滑

9.5.2圖像旋轉和銳化

9.6信號處理

9.6.1數據重采樣

9.6.2信號的卷積

9.6.3信號的時頻分析

9.7本章小結

9.8本章習題

9.9本章實訓

第10章統計與機器學習

10.1Scikitlearn的主要功能

10.2回歸分析

10.2.1一元線性回歸方法

10.2.2多元線性回歸

10.2.3多項式回歸

10.2.4其他回歸

10.3分類

10.3.1邏輯回歸

10.3.2決策樹規約

10.3.3KNN算法

10.3.4支持向量機

10.3.5樸素貝葉斯分類

10.4聚類

10.4.1KMeans聚類

10.4.2層次聚類

10.4.3基於密度的聚類

10.5主成分分析

10.6本章小結

10.7本章習題

10.8本章實訓

第11章時間序列數據分析

11.1日期和時間數據類型

11.1.1datetime構造

11.1.2數據轉換

11.2時間序列基礎

11.2.1時間序列的構造

11.2.2索引與切片

11.3日期範圍、頻率和移位

11.3.1日期範圍

11.3.2頻率和移位

11.4時期

11.4.1時期基礎

11.4.2頻率轉換

11.4.3時期數據轉換

11.5重采樣、降采樣和升采樣

11.5.1重采樣

11.5.2降采樣

11.5.3升采樣

11.6時間序列的平穩性檢驗

11.6.1時序圖檢驗

11.6.2自相關圖檢驗

11.6.3構造統計量檢驗

11.7時間序列的擬合與預測

11.7.1ARMA模型

11.7.2ARIMA模型

11.7.3SARIMA模型

11.8本章小結

11.9本章習題

11.10本章實訓

第12章文本數據分析

12.1文本數據挖掘的過程與任務

12.2文本分析的主要方法

12.3文本分類

12.4文本聚類

12.5文本可視化

12.6本章小結

12.7本章習題

第13章圖像數據分析

13.1OpenCV簡介與導入

13.1.1OpenCV簡介

13.1.2Python中OpenCV的安裝與導入

13.2cv2圖像處理基礎

13.2.1cv2的基本方法與屬性

13.2.2cv2圖像處理基本方法

13.3圖像特征提取

13.3.1尺度不變特征SIFT提取

13.3.2局部二值模式LBP特征提取

13.3.3ORB特征點

13.4本章小結

13.5本章習題

13.6本章實訓

第14章綜合案例

14.1體檢數據分析

14.2全球氣溫異常數據分析

14.3紅酒數據分析