《零基础入门Python数据分析与机器学习》内容简介

本书由一线的资深数据分析师精写，以新版Python3.10作为数据分析与挖掘的编程语言，循序渐进地介绍了Python数据分析的方法与技巧以及机器学习算法及其应用案例。全书首先讲解Python基础语法，以便于从未接触过编程的读者能够快速上手，然后介绍了当前流行的常用数据分析工具，如数值计算工具NumPy、数据处理工具Pandas、数据可视化工具Matplotlib和数据挖掘工具Sklearn等，最后介绍了10大常用机器学习算法及其在数据挖掘中的应用，针对每一个算法均给出了案例实现，以便于读者能够学有所用。本书凝聚编者十余年工作心得，以丰富实例介绍理论知识，并给出大量应用实践，很适合初入数据分析职场的从业者提升技能，本书也可以作为统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生的教学参考书。
王国平，毕业于上海海洋大学，硕士，从业十余年，主要从事数据可视化、数据挖掘和大数据分析与研究等工作。精通Tableau、SPSS、SPSS Modeler、Power BI等软件，已出版《IBM SPSS Modeler数据与文本挖掘实战》《Microsoft Power BI数据可视化与数据分析》《Tableau数据可视化从入门到精通》《SPSS统计分析与行业应用实战》等专著 。

作品目录

前言
第1章：构建数据分析开发环境
1.1、数据分析概述
1.2、开发环境的构建
1.3、必会的Python数据分析包
1.4、一个简单的数据分析案例
1.5、小结与课后练习
第2章：Python核心基础
2.1、Python数据类型
2.2、Python基础语法
2.3、Python高阶函数
2.4、Python编程技巧
2.5、小结与课后练习
第3章：Python数据分析基础
3.1、数据的读取
3.2、数据的索引
3.3、数据的切片
3.4、数据的聚合
3.5、小结与课后练习
第4章：NumPy数组操作
4.1、NumPy索引与切片
4.2、NumPy维数变换
4.3、NumPy广播机制
4.4、NumPy矩阵运算
4.5、小结与课后练习
第5章：Pandas数据清洗
5.1、重复值检测与处理
5.2、缺失值检测与处理
5.3、异常值检测与处理
5.4、金融数据的处理实战
5.5、小结与课后练习
第6章：Matplotlib数据可视化
6.1、图形参数设置
6.2、绘图参数文件及主要函数
6.3、Matplotlib图形整合
6.4、Matplotlib可视化案例
6.5、小结与课后练习
第7章：Scikit-Learn机器学习
7.1、机器学习及其类型
7.2、Sklearn机器学习概述
7.3、Sklearn机器学习流程
7.4、Sklearn自带的数据集
7.5、小结与课后练习
第8章：监督式机器学习
8.1、线性回归及其案例
8.2、逻辑回归及其案例
8.3、Lasso回归与Ridge回归
8.4、决策树及其案例
8.5、K近邻算法及其案例
8.6、支持向量机及其案例
8.7、小结与课后练习
第9章：无监督式机器学习
9.1、聚类分析及其案例
9.2、因子分析及其案例
9.3、主成分分析及其案例
9.4、关联分析及其案例
9.5、离群点检测及其案例
9.6、双聚类分析及其案例
9.7、小结与课后练习
第10章：模型评估与调优
10.1、机器学习的挑战
10.2、模型的评估方法
10.3、模型的调优方法
10.4、小结与课后练习
第11章：Python中文文本分析
11.1、中文结巴分词
11.2、中文关键词提取
11.3、中文词向量生成
11.4、中文情感分析
11.5、小结与课后练习
附录A
Python
3.10.0及第三方库安装
附录B
Python常用第三方工具包简介
B.1、数据分析类包
B.2、数据可视化类包
B.3、机器学习类包