Python数据分析入门：从数据获取到可视化 PDF 超清版

它是1本实干之作，集中体现数据统计分析步骤的各类阶段，包括统计数据的收集、清理和探索性剖析，并根据大伙儿耳熟能说的Python小工具多方面实际操作。

这书做为数据统计分析的新手入门书籍，以Python語言为基本，详细介绍了数据统计分析的全部步骤。这书内容包括统计数据的获得（即互联网网页爬虫的设计构思）、早期统计数据的清理和解决、应用机器学习算法开展模型剖析，及其应用数据可视化的方式展现统计数据及結果。最先，书中不容易涉及到过度高級的英语的语法，只有還是期待用户有必须的英语的语法基本，那样能够尽快了解这书的內容。次之，这书重中之重取决于运用Python来进行某些数据统计分析和数据处理方法的工作中，即怎么使用Python来进行工作中并非致力于Python語言英语的语法等基本原理的解读。这书的目地是让新手无论对数据统计分析步骤自身還是Python語言，都能有个非常形象化的体会，为之后的加强学习奠定基础。*后，用户不务必按序细读这书，由于每个章节目录层级较为明晰，能够依据兴趣爱好或是必须来自行安置。比如第5章详细介绍了某些实战的好项目，趣味且难度系数并不大，大伙儿能够在学习培训前边內容闲暇来阅读文章这些內容。

目录

• 1 准备 1
• 1.1 开发环境搭建 2
• 1.1.1 在Ubuntu系统下搭建Python集成开发环境 2
• 1.1.2 在Windows系统下搭建Python集成开发环境 13
• 1.1.3 三种安装第三方库的方法 16
• 1.2 Python基础语法介绍 19
• 1.2.1 if__name__==＇__main__＇ 20
• 1.2.2 列表解析式 22
• 1.2.3 装饰器 23
• 1.2.4 递归函数 26
• 1.2.5 面向对象 27
• 1.3 The Zen of Python 28
• 参考文献 30
• 2 数据的获取 31
• 2.1 爬虫简介 31
• 2.2 数据抓取实践 33
• 2.2.1 请求网页数据 33
• 2.2.2 网页解析 38
• 2.2.3 数据的存储 46
• 2.3 爬虫进阶 50
• 2.3.1 异常处理 50
• 2.3.2 robots.txt 58
• 2.3.3 动态UA 60
• 2.3.4 代理IP 61
• 2.3.5 编码检测 61
• 2.3.6 正则表达式入门 63
• 2.3.7 模拟登录 69
• 2.3.8 验证码问题 74
• 2.3.9 动态加载内容的获取 84
• 2.3.10 多线程与多进程 93
• 2.4 爬虫总结 101
• 参考文献 102
• 3 数据的存取与清洗 103
• 3.1 数据存取 103
• 3.1.1 基本文件操作 103
• 3.1.2 CSV文件的存取 111
• 3.1.3 JSON文件的存取 116
• 3.1.4 XLSX文件的存取 121
• 3.1.5 MySQL数据库文件的存取 137
• 3.2 NumPy 145
• 3.2.1 NumPy简介 145
• 3.2.2 NumPy基本操作 146
• 3.3 pandas 158
• 3.3.1 pandas简介 158
• 3.3.2 Series与DataFrame的使用 159
• 3.3.3 布尔值数组与函数应用 169
• 3.4 数据的清洗 174
• 3.4.1 编码问题 174
• 3.4.2 缺失值的检测与处理 175
• 3.4.3 去除异常值 181
• 3.4.4 去除重复值与冗余信息 183
• 3.4.5 注意事项 185
• 参考文献 187
• 4 数据的分析及可视化 188
• 4.1 探索性数据分析 189
• 4.1.1 基本流程 189
• 4.1.2 数据降维 197
• 4.2 机器学习入门 199
• 4.2.1 机器学习简介 200
• 4.2.2 决策树——机器学习算法的应用 202
• 4.3 手动实现KNN算法 205
• 4.3.1 特例——最邻近分类器 205
• 4.3.2 KNN算法的完整实现 213
• 4.4 数据可视化 215
• 4.4.1 高质量作图工具——matplotlib 215
• 4.4.2 快速作图工具——pandas与matplotlib 223
• 4.4.3 简捷作图工具——seaborn与matplotlib 226
• 4.4.4 词云图 230
• 参考文献 232
• 5 Python与生活 234
• 5.1 定制一个新闻提醒服务 234
• 5.1.1 新闻数据的抓取 235
• 5.1.2 实现邮件发送功能 237
• 5.1.3 定时执行及本地日志记录 239
• 5.2 Python与数学 241
• 5.2.1 估计π值 242
• 5.2.2 三门问题 245
• 5.2.3 解决LP与QP问题（选读） 247
• 5.3 QQ群聊天记录数据分析 251
• 参考文献 256