本括兩部分內容，部分介紹了與Python語言相關的數據分析工具括NumPy、Matplotlib、Pandas、Scipy、Seaborn和Sklearn。第二部分介紹數據處理、特征工程、評價指標、線性模型、支持向量機、鄰算法、樸素貝葉斯、決策樹、K-Means算法和文本分析實例。附錄提供了課程教學大綱和部分課後案。 本書內容精練、文字簡潔、結構合理、實訓題目經典實用、綜合性強、定位明確，面向初、中級讀者，由“入門”起步，側重“提高”。適合作為高等院校相關專業數據分析與機器學的入門教材或教學參考書，也可以供從事計算機應用開發的各類技術人員參考。 本書配有授課電子課件，需要的教師可登錄www.ompedu.com免費注冊，審核通過後下載，或聯繫編輯索取（：15910938545，電話：010-88379739）。

前言

第1章 Python與數據分析

1.1 概述

1.1.1 引例

1.1.2 數據分析與數據挖掘

1.2 Python簡介

1.2.1 Python特點

1.2.2 Python應用場合

1.3 數據分析流程

1.3.1 明確目標

1.3.2 獲取數據

1.3.3 清洗數據

1.3.4 特征工程

1.3.5 構建模型

1.3.6 模型評估

1.4 數據分析庫

1.4.1 NumPy

1.4.2 Matplotlib

1.4.3 Pandar/>
1.4.4 Seaborn

1.4.5 Scipy

1.4.6 Sklearn

1.5 Python解釋器

1.5.1 Ubuntu下安裝Python

1.5.2 Windows下安裝Python

1.6 Python編輯器

1.6.1 IDLE

1.6.2 VScode

1.6.3 PyCharm

1.6.4 Anaconda

1.6.5 Jupyter

1.7 br/>
第2章 NumPy——數據分析基礎工具

2.1 安裝NumPy

2.2 ndarray對像

2.2.1 認識ndarray對像

2.2.2 ndarray對像屬性

2.3 創建ndarray對像

2.3.1 zeror/>
2.3.2 oner/>
2.3.3 diag

2.3.4 arange

2.3.5 linspace

2.3.6 logspace

2.4 數組變換

2.4.1 維度變換

2.4.2 數組拼接

2.4.3 數組分割

2.4.4 數組

2.5 索引和切片

2.6 線性代數

2.6.1 矩陣運算

2.6.2 矩陣轉置

……

第3章 Matplotlib——數據可視化工具

第4章 Pandas——數據處理工具

第5章 Scipy——數據統計工具

第6章 Seaborn——數據可視化工具

第7章 Sklearn——機器學

第8章 數據處理

第9章 特征工程

第10章 評價指標

第11章 線性模型

第12章 支持向量機

第13章 鄰算法

第14章 樸素貝葉斯

第15章 決策樹

第16章 K-Means算法

第17章 文本分析示例

附錄

附錄A 課程教學大綱

附錄B 部分課後案

參考文獻

以Python編程語言為基礎，在不涉及大量數學模型與復雜編程知識的前提下，逐步帶領讀者熟悉並且掌握數據分析的各類工具和庫，了解傳統機器學本流程。 采用基於Python語言相關的分析庫，便於學生更快地掌握數據分析和機器學本思想，快速入門。 基於Sklearn介紹了數據挖掘的相關算法。 本書配有源代碼、教學課件、語料集、教學大綱、課後案、程序安等資料。