基于Python的大数据分析基础及实战 PDF 高质量版

《基于Python的大数据分析基础及实战》是由水利水电出版社出版的一本关于Python大数据方面的书籍，作者是余本国，主要介绍了关于Python、大数据分析、实战方面的知识内容，目前在Python大数据类书籍综合评分为：7.1分。

书籍介绍

配套设施教程视频——教你如何学Python
提炼出避坑技能招式——简要、高效率懂Python
实战演练经典案例——轻轻松松、迅速玩Python
解读 实践活动 实例 视頻 源码 源统计数据
对于Python初学者量身订做，新手入门必需的真情之选

《基于Python的大数据分析基础及实战》是1本详细介绍怎样用Python 3.6开展数据处理方法和剖析的学习指南。其主题思想包含：Python語言基本、数据处理方法、数据统计分析、大数据可视化，及其运用Python对数据库查询的实际操作、建造Python运用库的共享资源公布等。

《基于Python的大数据分析基础及实战》分3个一部分：第1一部分为基本知识，第2一部分为实战演练实例，第3一部分为扩展与拓宽。这书主题鲜明，解读浅显易懂，特别适合本科毕业、硕士研究生，及其对Python語言很感兴趣或是愿意应用Python語言开展数据统计分析的广大读者。

目录

• 第1部分  基  础  篇
• 第1章
• Python语言基础   /2
• 1.0  引子    /2
• 1.1  工欲善其事，必先利其器（安装Python）   /3
• 1.2  学跑得先学走（语法基础）    /9
• 1.3  程序结构    /11
• 1.3.1  Hello World!    /11
• 1.3.2  运算符介绍    /12
• 1.3.3  顺序结构    /14
• 1.3.4  判断结构    /17
• 1.3.5  循环结构    /18
• 1.3.6  异常    /20
• 1.4  函数    /24
• 1.4.1  基本函数结构    /24
• 1.4.2  参数结构    /25
• 1.4.3  回调函数    /28
• 1.4.4  函数的递归与嵌套    /28
• 1.4.5  闭包    /31
• 1.4.6  匿名函数lambda    /32
• 1.4.7  关键字yield    /32
• 1.5  数据结构    /35
• 1.5.1  列表（list）   /35
• 1.5.2  元组（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  学以致用    /45
• 1.6  3个函数（map、filter、reduce）    /47
• 1.6.1  遍历函数（map）   /47
• 1.6.2  筛选函数（filter）   /48
• 1.6.3  累计函数（reduce）   /48
• 1.7  面向对象编程基础    /50
• 1.7.1  类    /50
• 1.7.2  类和实例    /51
• 1.7.3  数据封装    /52
• 1.7.4  私有变量与私有方法    /53
• 本章小结   /54
• 第2章
• 数据处理   /60
• 2.1  Anaconda简介    /60
• 2.2  Numpy简介    /66
• 2.3  关于Pandas    /68
• 2.3.1  什么是Pandas    /68
• 2.3.2  Pandas中的数据结构    /68
• 2.4  数据准备    /68
• 2.4.1  数据类型    /68
• 2.4.2  数据结构    /69
• 2.4.3  数据导入    /79
• 2.4.4  数据导出    /86
• 2.5  数据处理    /88
• 2.5.1  数据清洗    /89
• 2.5.2  数据抽取    /97
• 2.5.3  插入记录    /114
• 2.5.4  修改记录    /117
• 2.5.5  交换行或列    /120
• 2.5.6  排名索引    /122
• 2.5.7  数据合并    /131
• 2.5.8  数据计算    /137
• 2.5.9  数据分组    /141
• 2.5.10  日期处理    /143
• 带你飞（数据处理案例）    /148
• 本章小结    /160
• 第3章
• 数据分析   /165
• 3.1  基本统计分析    /165
• 3.2  分组分析    /169
• 3.3  分布分析    /171
• 3.4  交叉分析    /173
• 3.5  结构分析    /174
• 3.6  相关分析    /176
• 小试牛刀（相关分析案例：电商数据分析）    /178
• 本章小结   /180
• 第4章
• 数据可视化   /181
• 4.1  使用Python对数据进行可视化处理    /181
• 4.1.1  准备工作    /181
• 4.1.2  Matplotlib绘图示例    /186
• 4.1.3  Seabon中的图例    /198
• 4.1.4  pandas的一些可视化功能    /212
• 4.1.5  文本数据可视化    /217
• 4.1.6  networkx网络图    /218
• 4.1.7  folium绘制地图    /220
• 4.2  Python图像处理基础    /221
• 4.2.1  PIL图库    /221
• 4.2.2  OpenCV图库    /224
• 本章小结   /226
• 第5章
• 字符串处理与网络爬虫   /228
• 5.1  字符串处理    /228
• 5.1.1  字符串处理函数    /228
• 5.1.2  正则表达式    /230
• 5.1.3  编码处理    /237
• 5.2  网络爬虫    /240
• 5.2.1  获取网页源码    /240
• 5.2.2  从源码中提取信息    /241
• 5.2.3  数据存储    /246
• 5.2.4  网络爬虫从这里开始    /248
• 本章小结   /260
•  
• 第2部分  实战案例篇
• 第6章
• 词云   /262
• 6.1  安装文件包    /263
• 6.2  jieba功能用法    /264
• 6.2.1  cut用法    /264
• 6.2.2  词频与分词字典    /265
• 6.3  文本词云图    /269
• 6.4  背景轮廓词云图的制作    /271
• 6.4.1  数据准备    /271
• 6.4.2  分词    /272
• 6.4.3  构建词云    /273
• 本章小结   /278
• 第7章
• 航空客户分类   /279
• 7.1  问题的提出    /279
• 7.2  聚类分析相关概念    /280
• 7.3  模型的建立    /281
• 7.4  Python实现代码    /281
• 7.5  分类结果展示与分析    /284
• 本章小结   /287
• 第8章
• 《红楼梦》文本分析   /288
• 8.1  准备工作    /289
• 8.2  分词    /291
• 8.2.1  读取数据    /291
• 8.2.2  数据预处理    /293
• 8.2.3  对红楼梦进行分词    /301
• 8.2.4  制作词云    /303
• 8.3  文本聚类分析    /312
• 8.3.1  构建分词TF-IDF矩阵   /312
• 8.3.2  使用TF-IDF矩阵对章节进行聚类    /314
• 8.4  LDA主题模型    /322
• 8.5  人物社交网络分析    /328
• 本章小结   /334
•  
• 第3部分  拓展与延伸
• 第9章
• Python字符串格式化    /336
• 9.1  使用%符号进行格式化   /336
• 9.2  使用format()方法进行格式化    /339
• 9.3  使用f方法进行格式化   /341
• 本章小结   /342
• 第10章
• 在Python中操作MySQL数据库    /343
• 10.1  对MySQL的连接与访问    /344
• 10.2  对MySQL的增、删、改、查操作    /345
• 10.2.1  查询操作    /345
• 10.2.2  插入操作    /346
• 10.2.3  更新操作    /347
• 10.2.4  删除操作    /347
• 10.3  创建数据库表    /348
• 本章小结   /349
• 第11章
• fractal（分形）库的发布    /350
• 11.1  用Python绘制分形   /351
• 11.1.1  分形简介    /351
• 11.1.2  先睹为快    /351
• 11.1.3  绘制方法简介    /352
• 11.2  第三方库发布到PyPi    /364
• 本章小结   /369
• 参考文献   /370