Python数据分析基础（理论教程）目录

第 1章 Python基础应用
【学习目标】
【本章导读】
1.1 数据分析基础
1.1.1 什么是数据分析
1.1.2 数据分析基本流程
1.1.3 选用Python进行数据分析
1.2 Python语言概述
1.2.1 Python语言的发展　　
1.2.2 Python语言的特点　　
1.3 Python语言开发环境配置
1.3.1 Python语言解释器的安装
1.3.2 Anaconda开发环境的安装
1.3.3 Python第三方库
1.3.4 编写自己的Python程序
1.4 Python基本语法规则
1.4.1缩进与对齐
1.4.2 注释
1.4.3 变量
1.4.4 赋值
1.4.5 保留字
1.4.6 基本输入输出
【课后思考】

第 2章 基本数据类型
【学习目标】
【本章导读】
2.1 数值类型
2.1.1 整型
2.1.2 浮点型
2.1.3 布尔型
2.1.4 复数型
2.2 数值运算
2.2.1 基本运算
2.2.2 数值运算函数
2.3 字符串类型
2.3.1 字符串基本操作
2.3.2 format()方法的基本使用
2.4不同数据类型的转换
【课后思考】


第3章 程序的控制结构
【学习目标】
【本章导读】
3.1 程序的基本结构
3.2 程序的分支结构
3.2.1 单分支结构
3.2.2 二分支结构
3.2.3 多分支结构
3.3 程序的循环结构
3.3.1 for语句
3.3.2 while语句
3.3.3 特殊的流程控制语句
3.4 程序的异常处理
3.4.1 异常处理的基本使用
3.4.2 异常处理的高级使用
3.5 random库的使用
【课后思考】

第4章 函数
【学习目标】
【本章导读】
4.1 函数的定义与调用
4.2参数与返回值
4.2.1 默认参数
4.2.2关键字参数
4.2.3可变长参数
4.2.4 返回值
4.3 变量的作用域
4.3.1 局部变量
4.3.2全局变量
4.4 递归
【课后思考】

第5章 组合数据类型
【学习目标】
【本章导读】
5.1 列表类型
5.1.1列表类型简介
5.1.2列表类型的操作
5.2 元组类型
5.2.1元组类型简介
5.2.2元组类型的操作
5.3 集合元组类型
5.3.1集合类型简介
5.3.2集合类型的操作
5.4 字典元组类型
5.4.1字典类型简介
5.4.2字典合类型的操作
5.5 jieba库的使用
5.6 wordcloud的使用
【课后思考】

第6章 文件操作
【学习目标】
【本章导读】
6.1 Python文件概述
6.2文件的操作
6.2.1文本文件
6.2.2 csv文件
6.2.3 excel文件
6.2.4图像文件
6.3 文件夹的操作
【课后思考】

第7章 Python数据分析Pandas库的使用
【学习目标】
【本章导读】
7.1 pandas数据结构
7.1.1 Series对象
7.1.2 DataFrame对象
7.2 DataFrame数据的基本操作
7.2.1数据的提取
7.2.2数据的修改
7.2.3数据的增加
7.2.4数据的删除
7.2.5数据的筛选
7.3 数据的导入与导出
7.3.1 数据导入
7.3.2 数据导出
7.4数据预处理
7.4.1标签修改
7.4.2 排序
7.4.3数据合并
7.4.4 缺失值处理
7.4.5重复值处理
7.5数据分组统计
7.5.1数据的描述性统计
7.5.2常用聚合函数
7.5.3 数据的分组聚合
7.6创建透视表与交叉表
7.6.1　创建透视表
7.6.2　创建交叉表
【课后思考】

第8章 Python时间序列分析
【学习目标】
【本章导读】
8.1时间获取
8.2时间的格式化
8.2.1时间戳
8.2.2字符串时间
8.2.3不同单位的时间
8.3时间列的基本操作
8.3.1时间列的添加
8.3.1时间列的使用
8.4时间索引
8.4.1时间索引的建立
8.4.2时间索引的使用
【课后思考】

第9章 Python可视化分析
【学习目标】
【本章导读】
9.1 matplotlib 数据可视化
9.1.1 绘制散点图
9.1.2 绘制折线图
9.1.3 绘制柱状图
9.1.4 绘制饼图
9.2 pyecharts 数据可视化
9.2.1 绘制柱状图
9.2.2 绘制饼图
9.2.3 绘制漏斗图
9.2.4 绘制仪表盘
【课后思考】

第 10章 Python科学计算Numpy
【学习目标】
【本章导读】
10.1 创建NumPy数组
10.1.1 从列表和其他类数组对象创建数组
10.1.2 创建特殊NumPy数组
10.1.3 创建矩阵
10.2 NumPy数组操作
10.2.1数组切片和索引
10.2.2数组的重构
10.2.3 数组和标量间的运算
10.2.4 通用函数
10.2.5 矩阵操作
10.2.6 数组排序
10.2.7 统计函数
10.4用NumPy处理线性代数的相关计算
10.4.1向量化计算
10.4.2 特征根与特征向量
10.4.3 用NumPy求多元线性回归模型的解
【课后思考】

第 11章 Python机器学习分析
【学习目标】
【本章导读】
11.1 分类
11.1.1 特征选择
11.1.2 信息增益
11.1.3 生成决策树
11.2 聚类
11.2.1 距离度量
11.2.2 层次聚类
11.2.3 K-Means聚类
11.3 线性回归
11.3.1 一元线性回归
11.3.2 多元线性回归
11.3.3 广义线性回归
【课后思考】