從零開始學(xué)Python數(shù)據(jù)分析（視頻教學(xué)版）

前言 

第1章 Python環(huán)境搭建與使用1 

1.1 Anaconda的安裝和使用1 

1.1.1 Anaconda的安裝1 

1.1.2 Anaconda的使用3 

1.2 Jupyter Notebook的使用5 

1.2.1 更改工作空間5 

1.2.2 界面介紹與使用7 

第2章 NumPy入門和實戰(zhàn)9 

2.1 ndarray多維數(shù)組9 

2.1.1 創(chuàng)建ndarray數(shù)組9 

2.1.2 ndarray對象屬性12 

2.1.3 ndarray數(shù)據(jù)類型13 

2.1.4 數(shù)組變換15 

2.1.5 NumPy的隨機(jī)數(shù)函數(shù)18 

2.2 數(shù)組的索引和切片20 

2.2.1 數(shù)組的索引21 

2.2.2 數(shù)組的切片23 

2.2.3 布爾型索引24 

2.2.4 花式索引26 

2.3 數(shù)組的運算26 

2.3.1 數(shù)組和標(biāo)量間的運算26 

2.3.2 通用函數(shù)27 

2.3.3 條件邏輯運算28 

2.3.4 統(tǒng)計運算30 

2.3.5 布爾型數(shù)組運算31 

2.3.6 排序32 

2.3.7 集合運算33 

2.3.8 線性代數(shù)34 

2.4 數(shù)組的存取34 

2.4.1 數(shù)組的存儲35 

2.4.2 數(shù)組的讀取35 

2.5 綜合示例——圖像變換35 

第3章 pandas入門和實戰(zhàn)38 

3.1 pandas數(shù)據(jù)結(jié)構(gòu)38 

3.1.1 創(chuàng)建Series數(shù)據(jù)38 

3.1.2 創(chuàng)建DataFrame數(shù)據(jù)40 

3.1.3 索引對象43 

3.2 pandas索引操作44 

3.2.1 重新索引45 

3.2.2 更換索引46 

3.2.3 索引和選取48 

3.2.4 操作行和列52 

3.3 pandas數(shù)據(jù)運算53 

3.3.1 算術(shù)運算54 

3.3.2 函數(shù)應(yīng)用和映射55 

3.3.3 排序56 

3.3.4 匯總與統(tǒng)計57 

3.3.5 唯一值和值計數(shù)58 

3.4 層次化索引59 

3.4.1 層次化索引簡介59 

3.4.2 重排分級順序60 

3.4.3 匯總統(tǒng)計61 

3.5 pandas可視化61 

3.5.1 線形圖61 

3.5.2 柱狀圖63 

3.5.3 直方圖和密度圖66 

3.5.4 散點圖67 

3.6 綜合示例——小費數(shù)據(jù)集68 

3.6.1 數(shù)據(jù)分析流程68 

3.6.2 數(shù)據(jù)來源68 

3.6.3 定義問題69 

3.6.4 數(shù)據(jù)清洗69 

3.6.5 數(shù)據(jù)探索70 

第4章 外部數(shù)據(jù)的讀取與存儲73 

4.1 文本數(shù)據(jù)的讀取與存儲73 

4.1.1 CSV文件的讀取73 

4.1.2 TXT文件的讀取80 

4.1.3 文本數(shù)據(jù)的存儲81 

4.2 JSON和Excel數(shù)據(jù)的讀取與存儲82 

4.2.1 JSON數(shù)據(jù)的讀取與存儲82 

4.2.2 Excel數(shù)據(jù)的讀取與存儲85 

4.3 數(shù)據(jù)庫的讀取與存儲87 

4.3.1 連接數(shù)據(jù)庫87 

4.3.2 讀取數(shù)據(jù)庫88 

4.3.3 存儲數(shù)據(jù)庫90 

4.4 Web數(shù)據(jù)的讀取90 

4.4.1 讀取HTML表格90 

4.4.2 網(wǎng)絡(luò)爬蟲92 

第5章 數(shù)據(jù)清洗與整理95 

5.1 數(shù)據(jù)清洗95 

5.1.1 處理缺失值95 

5.1.2 移除重復(fù)數(shù)據(jù)99 

5.1.3 替換值101 

5.1.4 利用函數(shù)或映射進(jìn)行數(shù)據(jù)轉(zhuǎn)換101 

5.1.5 檢測異常值102 

5.1.6 虛擬變量103 

5.2 數(shù)據(jù)合并和重塑104 

5.2.1 merge合并105 

5.2.2 concat連接110 

5.2.3 combine_first合并113 

5.2.4 數(shù)據(jù)重塑114 

5.3 字符串處理116 

5.3.1 字符串方法117 

5.3.2 正則表達(dá)式118 

5.4 綜合示例——Iris數(shù)據(jù)集118 

5.4.1 數(shù)據(jù)來源118 

5.4.2 定義問題119 

5.4.3 數(shù)據(jù)清洗119 

5.4.4 數(shù)據(jù)探索123 

第6章 數(shù)據(jù)分組與聚合125 

6.1 數(shù)據(jù)分組125 

6.1.1 GroupBy簡介125 

6.1.2 按列名分組128 

6.1.3 按列表或元組分組130 

6.1.4 按字典分組130 

6.1.5 按函數(shù)分組131 

6.2 聚合運算132 

6.2.1 聚合函數(shù)132 

6.2.2 多函數(shù)應(yīng)用134 

6.3 分組運算136 

6.3.1 transform方法137 

6.3.2 apply方法138 

6.4 數(shù)據(jù)透視表139 

6.4.1 透視表140 

6.4.2 交叉表140 

6.5 綜合實例——巴爾的摩公務(wù)員工資數(shù)據(jù)集142 

6.5.1 數(shù)據(jù)來源142 

6.5.2 定義問題143 

6.5.3 數(shù)據(jù)清洗143 

6.5.4 數(shù)據(jù)探索144 

第7章 matplotlib可視化148 

7.1 線形圖148 

7.1.1 基本使用148 

7.1.2 顏色與線形149 

7.1.3 點標(biāo)記151 

7.2 柱狀圖152 

7.2.1 基本使用152 

7.2.2 刻度與標(biāo)簽155 

7.2.3 圖例156 

7.3 其他基本圖表158 

7.3.1 散點圖158 

7.3.2 直方圖159 

7.4 自定義設(shè)置159 

7.4.1 圖表布局159 

7.4.2 文本注解162 

7.4.3 樣式與字體163 

7.5 綜合示例——星巴克店鋪數(shù)據(jù)集164 

7.5.1 數(shù)據(jù)來源164 

7.5.2 定義問題166 

7.5.3 數(shù)據(jù)清洗166 

7.5.4 數(shù)據(jù)探索168 

第8章 seaborn可視化172 

8.1 樣式與分布圖172 

8.1.1 seaborn樣式172 

8.1.2 坐標(biāo)軸移除174 

8.1.3 單變量分布圖175 

8.1.4 多變量分布圖178 

8.2 分類圖181 

8.2.1 分類散點圖181 

8.2.2 箱線圖與琴形圖183 

8.2.3 柱狀圖186<