讀者在《跟老齊學(xué)Python：數(shù)據(jù)分析》中可以學(xué)習(xí)到與數(shù)據(jù)分析、機(jī)器學(xué)習(xí)相關(guān)的Python庫(kù)的應(yīng)用，并通過(guò)各種類型的應(yīng)用示例將所學(xué)基本知識(shí)進(jìn)行綜合應(yīng)用。

《跟老齊學(xué)Python：數(shù)據(jù)分析》依然秉承“跟老齊學(xué)Python”系列書(shū)的寫(xiě)作風(fēng)格，力爭(zhēng)以通俗易懂的內(nèi)容與讀者分享筆者的心得。雖然數(shù)據(jù)分析強(qiáng)調(diào)的是嚴(yán)謹(jǐn)?shù)目茖W(xué)性和縝密的邏輯性，但《跟老齊學(xué)Python：數(shù)據(jù)分析》并不會(huì)因?yàn)轭櫞颂攸c(diǎn)而變得枯燥。

《跟老齊學(xué)Python：數(shù)據(jù)分析》可作為數(shù)據(jù)分析工程師、機(jī)器學(xué)習(xí)工程師的入門教程。

目錄

第0章 數(shù)據(jù)分析概述 1
0.1 與數(shù)據(jù)相關(guān)的概念 1
0.2 數(shù)據(jù)分析技術(shù)的發(fā)展 3
0.3 開(kāi)發(fā)環(huán)境配置 5
第1章 NumPy基礎(chǔ)和應(yīng)用 9
1.1 數(shù)組對(duì)象基礎(chǔ) 9
1.2 數(shù)組的索引和切片 25
1.3 針對(duì)數(shù)組的操作 36
1.4 運(yùn)算和通用函數(shù) 46
1.5 簡(jiǎn)單統(tǒng)計(jì)應(yīng)用 53
1.6 矩陣 57
1.7 矢量運(yùn)算 60
1.8 綜合應(yīng)用示例 68
第2章 Pandas基礎(chǔ)和應(yīng)用 75
2.1 常用數(shù)據(jù)對(duì)象 75
2.2 索引對(duì)象 88
2.3 數(shù)據(jù)索引和切片 95
2.4 文件讀寫(xiě)操作 107
2.5 處理缺失數(shù)據(jù) 116
2.6 規(guī)整數(shù)據(jù) 121
2.7 分組運(yùn)算 141
2.8 矢量化字符串 158
2.9 與時(shí)間相關(guān)的操作 161
2.10 簡(jiǎn)單的應(yīng)用示例 174
第3章 數(shù)據(jù)可視化 179
3.1 Matplotlib概覽 179
3.2 設(shè)置坐標(biāo)系 186
3.3 繪制圖像 197
3.4 常用統(tǒng)計(jì)圖 211
3.5 繪制三維圖像 225
3.6 Seaborn掠影 231
第4章 綜合應(yīng)用 235
4.1 分析股票數(shù)據(jù) 235
4.2 分析文胸評(píng)論數(shù)據(jù) 245
4.3 分析電影票房數(shù)據(jù) 249
4.4 可視化城市人口數(shù)據(jù) 253
4.5 分析希臘葡萄酒數(shù)據(jù) 259
4.6 應(yīng)用本福特定律 273
4.7 制作詞云 278
第5章 機(jī)器學(xué)習(xí) 283
5.1 線性回歸 283
5.2 線性回歸示例 299
5.3 Logistic回歸 304
5.4 貝葉斯方法 314
跋 324