【2024全新升级】零基础学Python数据分析（升级版）（全彩印刷）

thon程序“helloworld”12
2.3 集成开发环境PyCharm13
2.3.1 下载PyCharm14
2.3.2 安装PyCharm15
2.3.3 运行PyCharm17
2.3.4 在PyCharm中创建一组学生成绩数据18
2.4 数据分析标准环境Anaconda21
2.4.1 下载Anaconda21
2.4.2 安装Anaconda21
2.5 JupyterNotebook开发工具23
2.5.1 认识JupyterNotebook23
2.5.2 新建一个JupyterNotebook文件24
2.5.3 在JupyterNotebook中绘制7日天气走势图24
2.6小结26
第3章Pandas入门 27
视频讲解：4小时10分钟快速示例：48个
e学码词条：7个
3.1 认识Pandas28
3.1.1 什么是Pandas28
3.1.2 Pandas的功能与优势28
3.1.3 安装Pandas模块28
3.1.4 牛刀小试——轻松导入Excel数据30
3.2 Series对象31
3.2.1 图解Series对象31
3.2.2 创建一个Series对象32
3.2.3 手动设置Series对象的索引33
3.2.4 Series对象的索引33
3.2.5 获取Series对象的索引和值35
3.3 DataFrame对象35
3.3.1 图解DataFrame对象35
3.3.2 创建一个DataFrame对象36
3.3.3 DataFrame对象的重要属性和函数38
3.4 外部数据读取39
3.4.1 读取Excel文件39
3.4.2 读取CSV文件43
3.4.3 读取文本文件44
3.4.4 读取HTML网页数据45
3.5 数据抽取47
3.5.1 抽取一行数据47
3.5.2 抽取多行数据48
3.5.3 抽取指定列数据49
3.5.4 抽取指定行列数据50
3.5.5 按指定条件抽取数据51
3.6 数据的增加、修改和删除52
3.6.1 增加数据52
3.6.2 修改数据54
3.6.3 删除数据55
3.7 数据清洗56
3.7.1 缺失值查看与处理56
3.7.2 重复值处理59
3.7.3 异常值的检测与处理59
3.8 索引设置60
3.8.1 索引的作用60
3.8.2 重新设置索引61
3.8.3 设置某列为行索引62
3.8.4 数据清洗后重新设置连续的行索引63
3.9 数据排序与排名64
3.9.1 数据排序64
3.9.2 数据排名65
3.10小结66
第4章Pandas进阶 67
视频讲解：3小时15分钟快速示例：54个
e学码词条：8个
4.1 数据计算68
4.1.1 求和（sum()方法）68
4.1.2 求均值（mean()方法）69
4.1.3 求最大值（max()方法）69
4.1.4 求最小值（min()方法）70
4.1.5 求中位数（median()方法）70
4.1.6 求众数（mode()方法）71
4.1.7 求方差（var()方法）72
4.1.8 求标准差（std()方法）74
4.1.9 求分位数（quantile()方法）74
4.2 数据格式化76
4.2.1 设置小数位数76
4.2.2 设置百分比77
4.2.3 设置千位分隔符78
4.3 数据分组统计78
4.3.1 groupby()方法78
4.3.2 对分组数据进行迭代80
4.3.3 对分组的某列或多列使用聚合函数81
4.3.4 通过字典和Series对象进行分组统计82
4.4 数据移位84
4.5 数据转换86
4.5.1 一列数据转换为多列数据86
4.5.2 行列转换88
4.5.3 DataFrame转换为字典90
4.5.4 DataFrame转换为列表91
4.5.5 Excel数据转换为HTML网页格式91
4.6 数据合并92
4.6.1 merge()方法92
4.6.2 concat()方法95
4.7 数据导出97
4.7.1 导出数据到Excel文件97
4.7.2 导出数据到CSV文件98
4.7.3 导出数据到多个工作表99
4.8 日期数据处理99
4.8.1 DataFrame的日期数据转换99
4.8.2 dt()函数的使用101
4.8.3 获取日期区间的数据102
4.8.4 按不同时期统计并显示数据103
4.9 时间序列105
4.9.1 重采样处理105
4.9.2 降采样处理106
4.9.3 升采样处理107
4.9.4 时间序列数据汇总（ohlc()方法）108
4.9.5 移动窗口数据计算（rolling()方法）109
4.10小结112
第5章可视化数据分析图表 113
视频讲解：3小时1分钟快速示例：38个
e学码词条：6个
5.1 数据分析图表的作用114
5.2 图表的基本组成114
5.3 Matplotlib概述115
5.3.1 Matplotlib简介115
5.3.2 安装Matplotlib117
5.3.3 Matplotlib图表之初体验118
5.4 图表的常用设置118
5.4.1 基本绘图plot()函数119
5.4.2 设置画布122
5.4.3 设置坐标轴122
5.4.4 添加文本标签124
5.4.5 设置标题和图例125
5.4.6 添加注释126
5.5 常用图表的绘制128
5.5.1 绘制折线图128
5.5.2 绘制柱形图129
5.5.3 绘制直方图132
5.5.4 绘制饼形图133
5.5.5 绘制散点图137
5.5.6 绘制面积图139
5.5.7 绘制热力图141
5.5.8 绘制箱形图142
5.5.9 绘制3D图表145
5.5.10 绘制多个子图表147
5.6小结151
第6章图解数组计算模块NumPy 152
视频讲解：4小时22分钟快速示例：69个
e学码词条：7个
6.1 初识NumPy153
6.1.1 NumPy概述153
6.1.2 安装NumPy153
6.1.3 数组相关概念154
6.2 创建数组155
6.2.1 创建简单的数组155
6.2.2 不同方式创建数组157
6.2.3 按照数值范围创建数组158
6.2.4 生成随机数组161
6.2.5 从已有的数组中创建数组163
6.3 数组的基本操作167
6.3.1 数据类型167
6.3.2 数组运算168
6.3.3 数组的索引和切片170
6.3.4 数组重塑174
6.3.5 数组的增、删、改、查177
6.4 NumPy矩阵基本操作179
6.4.1 创建矩阵179
6.4.2 矩阵运算182
6.4.3 矩阵转换184
6.5 NumPy常用统计分析函数184
6.5.1 数学运算函数184
6.5.2 统计分析函数189
6.5.3 数组的排序192
6.6小结194
第7章数据统计分析案例 195
视频讲解：1小时23分钟精彩案例：6个
e学码词条：4个
7.1 对比分析196
7.2 同比、定比和环比分析196
7.3 贡献度分析201
7.4 差异化分析202
7.5 相关性分析204
7.6 时间序列分析206
7.7小结207
第8章机器学习Scikit-Learn 208
视频讲解：54分钟快速示例：5个e学码词条：9个
8.1 Scikit-Learn简介209
8.2 安装Scikit-Learn209
8.3 线性模型211
8.3.1 最小二乘法回归211
8.3.2岭回归212
8.4 支持向量机213
8.5聚类215
8.5.1 什么是聚类215
8.5.2 聚类算法215
8.5.3 聚类模块216
8.5.4 聚类数据生成器217
8.6小结218
第9章Python股票数据分析（JupyterNotebook版） 219
视频讲解：44分钟
9.1概述220
9.2 项目效果预览220
9.3 项目开发环境221
9.4 前期准备221
9.4.1 安装第三方模块221
9.4.2 新建JupyterNotebook文件222
9.4.3 导入必要的库223
9.4.4 获取股票历史数据223
9.5 数据预处理225
9.5.1 数据查看与缺失性分析225
9.5.2 描述性统计分析225
9.5.3 数据处理226
9.5.4 异常值分析226
9.5.5 数据归一化处理227
9.6 数据统计分析228
9.6.1 可视化股票走势图228
9.6.2 股票收盘价格走势图229
9.6.3 股票成交量时间序列图229
9.6.4 股票涨跌情况分析图230
9.6.5 股票k线走势图231
9.7 关键技术232
9.8小结234
第10章京东电商销售数据分析与预测235
视频讲解：49分钟精彩案例：4个
10.1概述236
10.2 项目效果预览236
10.3 项目开发环境236