基于Python的大數(shù)據(jù)分析基礎(chǔ)及實(shí)戰(zhàn)

第1部分 基 礎(chǔ) 篇
第1章
Python語(yǔ)言基礎(chǔ) /2
1.0 引子 /2
1.1 工欲善其事，必先利其器（安裝Python） /3
1.2 學(xué)跑得先學(xué)走（語(yǔ)法基礎(chǔ)） /9
1.3 程序結(jié)構(gòu) /11
1.3.1 Hello World ! /11
1.3.2 運(yùn)算符介紹 /12
1.3.3 順序結(jié)構(gòu) /14
1.3.4 判斷結(jié)構(gòu) /17
1.3.5 循環(huán)結(jié)構(gòu) /18
1.3.6 異常 /20
1.4 函數(shù) /24
1.4.1 基本函數(shù)結(jié)構(gòu) /24
1.4.2 參數(shù)結(jié)構(gòu) /25
1.4.3 回調(diào)函數(shù) /28
1.4.4 函數(shù)的遞歸與嵌套 /28
1.4.5 閉包 /31
1.4.6 匿名函數(shù)lambda /32
1.4.7 關(guān)鍵字yield /32
1.5 數(shù)據(jù)結(jié)構(gòu) /35
1.5.1 列表（list） /35
1.5.2 元組（tuple） /38
1.5.3 集合（set） /39
1.5.4 字典（dict） /40
1.5.5 集合的操作 /41
1.5.6 學(xué)以致用 /45
1.6 3個(gè)函數(shù)（map、filter、reduce） /47
1.6.1 遍歷函數(shù)（map） /47
1.6.2 篩選函數(shù)（filter） /48
1.6.3 累計(jì)函數(shù)（reduce） /48
1.7 面向?qū)ο缶幊袒A(chǔ) /50
1.7.1 類 /50
1.7.2 類和實(shí)例 /51
1.7.3 數(shù)據(jù)封裝 /52
1.7.4 私有變量與私有方法 /53
本章小結(jié) /54
第2章
數(shù)據(jù)處理 /60
2.1 Anaconda簡(jiǎn)介 /60
2.2 Numpy簡(jiǎn)介 /66
2.3 關(guān)于Pandas /68
2.3.1 什么是Pandas /68
2.3.2 Pandas中的數(shù)據(jù)結(jié)構(gòu) /68
2.4 數(shù)據(jù)準(zhǔn)備 /68
2.4.1 數(shù)據(jù)類型 /68
2.4.2 數(shù)據(jù)結(jié)構(gòu) /69
2.4.3 數(shù)據(jù)導(dǎo)入 /79
2.4.4 數(shù)據(jù)導(dǎo)出 /86
2.5 數(shù)據(jù)處理 /88
2.5.1 數(shù)據(jù)清洗 /89
2.5.2 數(shù)據(jù)抽取 /97
2.5.3 插入記錄 /114
2.5.4 修改記錄 /117
2.5.5 交換行或列 /120
2.5.6 排名索引 /122
2.5.7 數(shù)據(jù)合并 /131
2.5.8 數(shù)據(jù)計(jì)算 /137
2.5.9 數(shù)據(jù)分組 /141
2.5.10 日期處理 /143
帶你飛（數(shù)據(jù)處理案例） /148
本章小結(jié) /160
第3章
數(shù)據(jù)分析 /165
3.1 基本統(tǒng)計(jì)分析 /165
3.2 分組分析 /169
3.3 分布分析 /171
3.4 交叉分析 /173
3.5 結(jié)構(gòu)分析 /174
3.6 相關(guān)分析 /176
小試牛刀（相關(guān)分析案例：電商數(shù)據(jù)分析） /178
本章小結(jié) /180
第4章
數(shù)據(jù)可視化 /181
4.1 使用Python對(duì)數(shù)據(jù)進(jìn)行可視化處理 /181
4.1.1 準(zhǔn)備工作 /181
4.1.2 Matplotlib繪圖示例 /186
4.1.3 Seabon中的圖例 /198
4.1.4 pandas的一些可視化功能 /212
4.1.5 文本數(shù)據(jù)可視化 /217
4.1.6 networkx網(wǎng)絡(luò)圖 /218
4.1.7 folium繪制地圖 /220
4.2 Python圖像處理基礎(chǔ) /221
4.2.1 PIL圖庫(kù) /221
4.2.2 OpenCV圖庫(kù) /224
本章小結(jié) /226
第5章
字符串處理與網(wǎng)絡(luò)爬蟲(chóng) /228
5.1 字符串處理 /228
5.1.1 字符串處理函數(shù) /228
5.1.2 正則表達(dá)式 /230
5.1.3 編碼處理 /237
5.2 網(wǎng)絡(luò)爬蟲(chóng) /240
5.2.1 獲取網(wǎng)頁(yè)源碼 /240
5.2.2 從源碼中提取信息 /241
5.2.3 數(shù)據(jù)存儲(chǔ) /246
5.2.4 網(wǎng)絡(luò)爬蟲(chóng)從這里開(kāi)始 /248
本章小結(jié) /260


第2部分 實(shí)戰(zhàn)案例篇
第6章
詞云 /262
6.1 安裝文件包 /263
6.2 jieba功能用法 /264
6.2.1 cut用法 /264
6.2.2 詞頻與分詞字典 /265
6.3 文本詞云圖 /269
6.4 背景輪廓詞云圖的制作 /271
6.4.1 數(shù)據(jù)準(zhǔn)備 /271
6.4.2 分詞 /272
6.4.3 構(gòu)建詞云 /273
本章小結(jié) /278
第7章
航空客戶分類 /279
7.1 問(wèn)題的提出 /279
7.2 聚類分析相關(guān)概念 /280
7.3 模型的建立 /281
7.4 Python實(shí)現(xiàn)代碼 /281
7.5 分類結(jié)果展示與分析 /284
本章小結(jié) /287
第8章
《紅樓夢(mèng)》文本分析 /288
8.1 準(zhǔn)備工作 /289
8.2 分詞 /291
8.2.1 讀取數(shù)據(jù) /291
8.2.2 數(shù)據(jù)預(yù)處理 /293
8.2.3 對(duì)紅樓夢(mèng)進(jìn)行分詞 /301
8.2.4 制作詞云 /303
8.3 文本聚類分析 /312
8.3.1 構(gòu)建分詞TF-IDF矩陣 /312
8.3.2 使用TF-IDF矩陣對(duì)章節(jié)進(jìn)行聚類 /314
8.4 LDA主題模型 /322
8.5 人物社交網(wǎng)絡(luò)分析 /328
本章小結(jié) /334


第3部分 拓展與延伸
第9章
Python字符串格式化 /336
9.1 使用%符號(hào)進(jìn)行格式化 /336
9.2 使用format()方法進(jìn)行格式化 /339
9.3 使用f方法進(jìn)行格式化 /341
本章小結(jié) /342
第10章
在Python中操作MySQL數(shù)據(jù)庫(kù) /343
10.1 對(duì)MySQL的連接與訪問(wèn) /344
10.2 對(duì)MySQL的增、刪、改、查操作 /345
10.2.1 查詢操作 /345
10.2.2 插入操作 /346
10.2.3 更新操作 /347
10.2.4 刪除操作 /347
10.3 創(chuàng)建數(shù)據(jù)庫(kù)表 /348
本章小結(jié) /349
第11章
fractal（分形）庫(kù)的發(fā)布 /350
11.1 用Python繪制分形 /351
11.1.1 分形簡(jiǎn)介 /351
11.1.2 先睹為快 /351
11.1.3 繪制方法簡(jiǎn)介 /352
11.2 第三方庫(kù)發(fā)布到PyPi /364
本章小結(jié) /369
參考文獻(xiàn) /370