第一部分　Python基础知识
第1章　初识Python　2
1.1　Python简介　2
1.2　Python开发环境　3
1.3　Python解释器　4
1.3.1　安装Python　4
1.3.2　测试Python是否安装成功　5
1.4　编写Python源代码　5
本章习题　6
实训　7

第2章　Python开发工具　8
2.1　安装VS Code编辑器　8
2.1.1　什么是VS Code　8
2.1.2　下载VS Code　9
2.1.3　安装VS Code　9
2.2　配置VS Code环境　11
2.2.1　安装Python插件　11
2.2.2　配置中文环境　12
2.2.3　利用VS Code开发Python程序　13
2.2.4　使用Jupyter Notebook　16
本章习题　18
实训　19

第3章　Python编程基础　21
3.1　Python基础语法　21
3.1.1　Python标识符　21
3.1.2　Python关键字　22
3.1.3　缩进　22
3.1.4　多行语句　23
3.1.5　Python引号　23
3.1.6　Python注释　23
3.1.7　Python空格和空行　24
3.1.8　Print输出　24
3.2　Python变量与数据类型　24
3.2.1　变量　24
3.2.2　数据类型　25
3.3　Python运算符　28
3.3.1　算术运算符　28
3.3.2　一元运算符　29
3.3.3　关系（比较）运算符　29
3.3.4　赋值运算符　30
3.3.5　逻辑运算符　30
3.3.6　成员运算符　31
3.3.7　身份运算符　31
3.3.8　位运算符　32
3.3.9　运算符优先级　33
3.4　Python数据结构　33
3.4.1　列表　34
3.4.2　元组　38
3.4.3　字典　39
3.4.4　集合　42
3.5　Python选择结构　44
3.5.1　if语句　44
3.5.2　多分支选择结构　45
3.5.3　短路计算和强制类型转换　45
3.5.4　try...except...语句　46
3.6　Python循环结构　47
3.6.1　for循环　47
3.6.2　while循环　48
3.6.3　生成式　49
3.6.4　高阶函数　50
3.6.5　向量化　51
3.6.6　循环控制　51
3.7　Python函数　52
3.7.1　定义函数　52
3.7.2　向函数传递信息　53
3.7.3　形参和实参　53
3.7.4　传递实参　53
3.7.5　返回值　54
3.7.6　递归函数　55
3.7.7　匿名函数　55
3.7.8　闭包函数　56
3.7.9　将函数存储在模块中　56
3.8　Python模块和包　57
3.8.1　导入模块　57
3.8.2　定义模块　58
3.8.3　定义包　59
3.8.4　安装第三方模块　59
本章习题　60
实训　61

第二部分　数据分析基础知识
第4章　NumPy数据分析　63
4.1　NumPy库简介　63
4.2　NumPy库安装与使用　64
4.3　创建数组对象　64
4.4　数组数据类型　65
4.4.1　数据类型　65
4.4.2　创建数组时指定数据类型　66
4.4.3　查询数据类型　66
4.4.4　修改数据类型　67
4.5　多维数组结构　67
4.5.1　数组维度查询　67
4.5.2　数组形状查询　67
4.5.3　数组元素个数及大小　68
4.6　数组索引　68
4.6.1　下标索引　68
4.6.2　切片索引　69
4.6.3　花式索引　70
4.6.4　布尔索引　71
4.7　数组元素值的替换　71
4.7.1　利用索引替换　71
4.7.2　利用条件索引替换　72
4.7.3　利用where()函数替换　72
4.8　数组的广播机制　72
4.8.1　数组的广播原则　73
4.8.2　数组与数字运算　74
4.8.3　数组与数组运算　74
4.9　数组形状的操作　75
4.9.1　数组形状的改变　75
4.9.2　数组的叠加　76
4.9.3　数组的切割　78
4.9.4　矩阵的转置　79
4.10　数组的轴　80
4.10.1　轴的应用　80
4.10.2　三维数组　82
本章习题　82
实训　83

第5章　Pandas数据分析　84
5.1　Pandas简介　84
5.2　Pandas库安装与使用　85
5.3　Pandas数据结构　85
5.3.1　Series　85
5.3.2　DataFrame　88
5.4　Pandas数据分析基础　92
5.4.1　数据读取与保存　92
5.4.2　数据的信息　93
5.4.3　数据选择　95
5.4.4　位置计算　95
5.4.5　统计计算　96
5.5　Pandas常用操作　98
5.5.1　apply()函数　98
5.5.2　applymap()函数　99
5.5.3　排序　99
5.5.4　逻辑运算　100
5.6　Pandas高级操作　104
5.6.1　替换操作　104
5.6.2　映射操作　107
5.6.3　运算工具　107
5.6.4　基于排序实现随机抽样　109
5.6.5　数据库数据读取　110
5.7　Pandas缺失值处理　111
5.7.1　默认的缺失值　111
5.7.2　缺失值的判断　111
5.7.3　缺失值的填充　112
5.7.4　缺失值的删除　113
5.8　Pandas数据分组　114
5.8.1　单类分组　114
5.8.2　多类分组　115
5.8.3　时间分组　116
5.9　Pandas数据合并　117
5.9.1　数据准备　117
5.9.2　concat()函数　118
5.9.3　merge()函数　119
5.9.4　append()函数　119
5.9.5　join()函数　120
5.9.6　combine()函数　120
5.10　Pandas时间序列　121
5.10.1　时间戳　121
5.10.2　时期　122
5.10.3　时间间隔　122
5.10.4　重采样　123
5.10.5　移动、滑动与扩展窗口　124
5.11　Pandas透视表与交叉表　126
5.11.1　透视表　126
5.11.2　交叉表　128
本章习题　129
实训　130

第6章　Matplotlib数据绘图　132
6.1　Matplotlib简介　132
6.1.1　Matplotlib中的对象　133
6.1.2　Matplotlib中图形的构成　133
6.1.3　Matplotlib库安装与使用　134
6.2　matplotlib.pyplot的常用绘图方法　134
6.2.1　绘图方法　134
6.2.2　pyplot.figure()　135
6.2.3　pyplot.subplot()　135
6.2.4　pyplot.subplots()　137
6.2.5　pyplot.subplot2grid()　137
6.3　图形的基本设置　138
6.3.1　常用的颜色、线型和标记　138
6.3.2　中文显示及负数显示　140
6.4　Matplotlib绘图实战　140
6.4.1　折线图　141
6.4.2　散点图　144
6.4.3　柱状图　146
6.4.4　饼图　149
6.4.5　直方图　150
6.4.6　箱线图　152
6.4.7　热力图　154
6.4.8　雷达图　154
本章习题　156
实训　157

第7章　Seaborn数据绘图　158
7.1　Seaborn简介　158
7.2　Seaborn库安装与使用　159
7.3　Seaborn绘图流程　159
7.3.1　导入绘图模块　160
7.3.2　导入数据　160
7.3.3　设置画布大小　160
7.3.4　输出图形　160
7.3.5　保存图形　160
7.4　Seaborn绘图实战　160
7.4.1　数据准备　160
7.4.2　导入相关库　161
7.4.3　直方图　161
7.4.4　散点图　162
7.4.5　热力图　163
7.4.6　回归图　163
7.4.7　小提琴图　164
本章习题　165
实训　166

第三部分　综合案例　167
第8章　咖啡销售情况分析　168
8.1　准备数据　168
8.2　数据清洗　169
8.2.1　缺失值查询　169
8.2.2　重复值处理　170
8.3　数据分析　170
8.3.1　查看数据集维度　170
8.3.2　描述性分析　170
8.3.3　排序分析　171
8.3.4　数据分组　171
8.3.5　数据查询　172
8.3.6　复杂条件查询　173
8.3.7　新增数据列　173
8.4　数据可视化　174
8.4.1　产品类别利润额可视化　174
8.4.2　产品利润额分布区间可视化　174
本章习题　175
实训　175

第9章　员工离职风险预测　177
9.1　Scikit-Learn简介　177
9.2　安装Scikit-Learn库　177
9.3　分类和回归预测步骤　178
9.4　读取数据集　178
9.5　类别特征转换为二进制特征　179
9.6　数据集划分为训练集和测试集　180
9.7　Min-Max归一化预处理　181
9.8　构建和训练逻辑回归模型　182
9.9　预测和评估　182
本章习题　183
实训　183

第10章　航班乘客数预测　185
10.1　PyTorch简介　185
10.2　安装PyTorch库　186
10.3　导入相关库　187
10.4　PyTorch基础知识　187
10.4.1　张量　187
10.4.2　自动微分　189
10.4.3　神经网络　189
10.4.4　数据加载　190
10.4.5　GPU加速　190
10.5　读取数据　191
10.6　数据预处理　191
10.7　定义神经网络模型　192
10.8　定义优化器和损失函数　193
10.9　训练模型　193
10.10　测试模型　194
本章习题　195
实训　196