《Python数据分析、挖掘与可视化（慕课版）》内容简介

全书共9章，内容包括Python开发环境的搭建与编码规范，数据类型、运算符与内置函数，列表、元组、字典、集合与字符串，选择结构、循环结构、函数定义与使用，文件操作，numpy数组与矩阵运算，pandas数据分析实战，sklearn机器学习实战，matplotlib数据可视化实战等。本书适合作为高等院校计算机、大数据、数据科学或相关专业的教材，也适合从事相关工作的工程师和爱好者阅读。
董付国编著

作品目录

内容提要
前言
第1章：Python开发环境的搭建与编码规范
1.1、
Python开发环境的搭建与使用
1.2、
Python编码规范
1.3、标准库、扩展库对象的导入与使用
本章知识要点
本章习题
第2章：数据类型、运算符与内置函数
2.1、常用内置数据类型
2.2、运算符与表达式
2.3、常用内置函数
2.4、综合应用与例题解析
本章知识要点
本章习题
第3章：列表、元组、字典、集合与字符串
3.1、列表与列表推导式
3.2、元组与生成器表达式
3.3、字典
3.4、集合
3.5、字符串常用方法
3.6、综合应用与例题解析
本章知识要点
本章习题
第4章：选择结构、循环结构、函数定义与使用
4.1、选择结构
4.2、循环结构
4.3、函数定义与使用
4.4、综合应用与例题解析
本章知识要点
本章习题
第5章：文件操作
5.1、文件操作基础
5.2、
JSON文件操作
5.3、
CSV文件操作
5.4、
Word、Excel、PowerPoint文件操作实战
本章知识要点
本章习题
第6章：numpy数组与矩阵运算
6.1、
numpy数组及其运算
6.2、矩阵生成与常用操作
6.3、计算特征值与特征向量
6.4、计算逆矩阵
6.5、求解线性方程组
6.6、计算向量和矩阵的范数
6.7、奇异值分解
6.8、函数向量化
本章知识要点
本章习题
第7章：pandas数据分析实战
7.1、
pandas常用数据类型
7.2、
DataFrame数据处理与分析实战
本章知识要点
本章习题
第8章：sklearn机器学习实战
8.1、机器学习基本概念
8.2、机器学习库sklearn简介
8.3、线性回归算法的原理与应用
8.4、逻辑回归算法的原理与应用
8.5、朴素贝叶斯算法的原理与应用
8.6、决策树与随机森林算法的应用
8.7、支持向量机算法原理与应用
8.8、
KNN算法原理与应用
8.9、
KMeans聚类算法原理与应用
8.10、分层聚类算法原理与应用
8.11、
DBSCAN算法原理与应用
8.12、使用协同过滤算法进行电影推荐
8.13、关联规则分析原理与应用
8.14、数据降维
8.15、交叉验证与网格搜索
本章知识要点
本章习题
第9章：matplotlib数据可视化实战
9.1、数据可视化库matplotlib基础
9.2、绘制折线图实战
9.3、绘制散点图实战
9.4、绘制柱状图实战
9.5、绘制饼状图实战
9.6、绘制雷达图实战
9.7、绘制三维图形实战
9.8、绘图区域切分实战
9.9、设置图例样式实战
9.10、事件响应与处理实战
9.11、填充图形
9.12、保存绘图结果
本章知识要点
本章习题
部分习题答案
附录A
运算符、内置函数对常用内置对象的支持情况表
附录B
Python关键字清单
附录C
常用标准库对象速查表
附录D
常用Python扩展库清单
参考文献