●第1章Python開發環境的搭建與編碼規範1
1.1Python開發環境的搭建與使用1
1.1.1IDLE2
1.1.2Anaconda33
1.1.3安裝擴展庫4
1.2Python編碼規範5
1.3標準庫、擴展庫對像的導入與使用7
1.3.1import模塊名[as別名]7
1.3.2from模塊名import對像名[as別名]7
1.3.3from模塊名import*8
本章知識要點8
本章習題9
第2章數據類型、運算符與內置函數10
2.1常用內置數據類型10
2.1.1整數、浮點數、復數11
2.1.2組、字典、集合12
2.1.3字符串13
2.2運算符與表達式14
2.2.1算術運算符15
2.2.2關繫運算符17
2.2.3成員測試運算符18
2.2.4集合運算符18
2.2.5邏輯運算符18
2.3常用內置函數19
2.3.1類型轉換21
2.3.2優選值、最小值22
2.素數量、求和23
2.3.4排序、逆序24
2.3.5基本輸入/輸出25
2.3.6range()26
2.3.7zip()26
2.3.8map()、reduce()、filter()27
2.4綜合應用與例題解析28
本章知識要點29
本章習題30
第3章組、字典、集合與字符串31
3.1列表與列表推導式31
3.1.1創建列表31
3.1.2使用下標訪問列素32
3.1.3列表常用方法33
3.1.4列表推導式34
3.1.5切片操作35
組與生成器表達式36
3.組與列表的區別36
3.2.2生成器表達式36
3.2.3序列解包37
3.3字典37
3.3.素的訪問38
3.3.素的修改、添加與刪除39
3.4集合39
3.4.1集合概述39
3.4.2集合常用方法40
3.5字符串常用方法40
3.5.1encode()41
3.5.2format()41
3.5.3index()、rindex()、count()42
3.5.4replace()、maketrans()、translate()42
3.5.5ljust()、rjust()、center()43
3.5.6split()、rsplit()、join()43
3.5.7lower()、upper()、capitalize()、title()、swapcase()44
3.5.8startswith()、endswith()44
3.5.9strip()、rstrip()、lstrip()44
3.6綜合應用與例題解析45
本章知識要點47
本章習題47
第4章選擇結構、循環結構、函數定義與使用49
4.1選擇結構49
4.1.1條件表達式49
4.1.2單分支選擇結構50
4.1.3雙分支選擇結構50
4.1.4嵌套的分支結構50
4.2循環結構51
4.2.1for循環51
4.2.2while循環51
4.2.3break與continue語句52
4.3函數定義與使用52
4.3.1函數定義基本語法52
4.3.2lambda表達式52
4.3.3遞歸函數53
4.3.4生成器函數53
4.3.5位置參數、默認值參數、關鍵參數、可變長度參數54
4.3.6變量作用域55
4.4綜合應用與例題解析56
本章知識要點57
本章習題58
第5章文件操作59
5.1文件操作基礎59
5.1.1內置函數open()59
5.1.2文件對像常用方法60
5.1.3上下文管理語句with61
5.2JSON文件操作61
5.3CSV文件操作62
5.4Word、Excel、PowerPoint文件操作實戰63
本章知識要點65
本章習題65
第6章numpy數組與矩陣運算67
6.1numpy數組及其運算67
6.1.1創建數組67
6.1.2測試兩個數組素是否足夠接近69
6.1.3修改數素值70
6.1.4數組與標量的運算71
6.1.5數組與數組的運算71
6.1.6數組排序72
6.1.7數組的內積運算73
6.1.8訪問數素73
6.1.9數組對函數運算的支持74
6.1.10改變數組形狀75
6.1.11數組布爾運算76
6.1.12分段函數77
6.1.13數組堆疊與合並78
6.2矩陣生成與常用操作79
6.2.1矩陣生成79
6.2.2矩陣轉置79
6.2.3查看矩陣特征80
6.2.4矩陣乘法81
6.2.5計算相關繫數矩陣81
6.2.6計算方差、協方差、標準差82
6.3計算特征值與特征向量82
6.4計算逆矩陣83
6.5求解線性方程組84
6.6計算向量和矩陣的範數85
6.7奇異值分解86
6.8函數向量化87
本章知識要點88
本章習題88
第7章pandas數據分析實戰91
7.1pandas常用數據類型91
7.1.1一維數組與常用操作92
7.1.2時間序列與常用操作96
7.1.3二維數組DataFrame99
7.2DataFrame數據處理與分析實戰101
7.2.1讀取Excel文件中的數據101
7.2.2篩選符合特定條件的數據103
7.2.3查看數據特征和統計信息106
7.2.4按不同標準對數據排序108
7.2.5使用分組與聚合對員工業績進行彙總110
7.2.6處理超市交易數據中的異常值114
7.2.7處理超市交易數據中的缺失值115
7.2.8處理超市交易數據中的重復值117
7.2.9使用數據差分查看員工業績波動情況118
7.2.10使用透視表與交叉表查看業績彙總數據119
7.2.11使用重采樣技術按時間段查看員工業績123
7.2.12多索引相關技術與操作125
7.2.13使用標準差與協方差分析員工業績127
7.2.14使用pandas的屬性接口實現高級功能130
7.2.15繪制各員工在不同櫃臺業績平均值的柱狀圖132
7.2.16查看DataFrame的內存占用情況134
7.2.17數據拆分與合並135
本章知識要點139
本章習題140
第8章sklearn機器學習實戰141
8.1機器學習基本概念141
8.2機器學習庫sklearn簡介147
8.2.1擴展庫sklearn常用模塊與對像147
8.2.2選擇合適的模型和算法149
8.3線性回歸算法的原理與應用149
8.3.1線性回歸模型的原理149
8.3.2sklearn中線性回歸模型的簡單應用150
8.3.3嶺回歸的基本原理與sklearn實現151
8.3.4套索回歸Lasso的基本原理與sklearn實現152
8.3.5彈性網絡ElasticNet的基本原理與sklearn實現153
8.3.6使用線性回歸模型預測兒童身高153
8.4邏輯回歸算法的原理與應用155
8.4.1邏輯回歸算法的原理與sklearn實現155
8.4.2使用邏輯回歸算法預測考試能否及格157
8.5樸素貝葉斯算法的原理與應用158
8.5.1基本概念158
8.5.2樸素貝葉斯算法分類的原理與sklearn實現160
8.5.3使用樸素貝葉斯算法對中文郵件進行分類161
8.6決策樹與隨機森林算法的應用163
8.6.1基本概念163
8.6.2決策樹算法原理與sklearn實現163
8.6.3隨機森林算法原理與sklearn實現166
8.6.4使用決策樹算法判斷學員的Python水平168
8.7支持向量機算法原理與應用170
8.7.1支持向量機算法基本原理與sklearn實現170
8.7.2使用支持向量機對手寫數字圖像進行分類172
8.8KNN算法原理與應用175
8.8.1KNN算法的基本原理與sklearn實現175
8.8.2使用KNN算法判斷交通工具類型177
8.9KMeans聚類算法原理與應用178
8.9.1KMeans聚類算法的基本原理與sklearn實現178
8.9.2使用KMeans算法壓縮圖像顏色181
8.10分層聚類算法原理與應用182
8.11DBSCAN算法原理與應用184
8.12使用協同過濾算法進行電影推薦187
8.13關聯規則分析原理與應用189
8.13.1關聯規則分析原理與基本概念189
8.13.2使用關聯規則分析演員關繫190
8.14數據降維192
8.15交叉驗證與網格搜索195
8.15.1使用交叉驗證評估模型泛化能力195
8.15.2使用網格搜索確定模型很好參數197
本章知識要點199
本章習題200
第9章matplotlib數據可視化實戰201
9.1數據可視化庫matplotlib基礎201
9.2繪制折線圖實戰202
9.3繪制散點圖實戰205
9.4繪制柱狀圖實戰208
9.5繪制餅狀圖實戰212
9.6繪制雷達圖實戰215
9.7繪制三維圖形實戰218
9.8繪圖區域切分實戰224
9.9設置圖例樣式實戰225
9.10事件響應與處理實戰229
9.11填充圖形244
9.12保存繪圖結果246
本章知識要點247
本章習題247
部分習題答案248
第1章Python開發環境搭建與編碼規範248
第2章數據類型、運算符與內置函數248
第3章組、字典、集合與字符串249
第4章選擇結構、循環結構、函數定義與使用251
第5章文件操作253
第6章numpy數組與矩陣運算254
第7章pandas數據分析實戰255
附錄A運算符、內置函數對常用內置對像的支持情況表257
附錄BPython關鍵字清單258
附錄C常用標準庫對像速查表260
附錄D常用Python擴展庫清單263
參考文獻264
