Python数据处理与挖掘

第 1章 Python快速入门 11．1 一种简单的编程语言 21．1．1 Python--解释型编程语言 21．1．2 Python应用 31．2 Python开发环境 41．2．1 搭建简单的Python开发环境 41．2．2 功能强大的集成开发环境 61．2．3 交互式开发环境 61．3 Python中简单的程序结构 81．3．1 文件是代码的基本组成单元 81．3．2 模块化地组织代码 81．3．3 代码缩进区分逻辑关系 101．3．4 输入和输出提升程序交互性 101．3．5 常见的Python解释器 111．4 习题 12

第 2章 Python数据类型 132．1 数据类型是数据表示的基础 142．1．1 Python中一切皆对象 142．1．2 数字类型 142．1．3 布尔类型 152．1．4 字符串类型 152．1．5 自定义数据类型 162．1．6 变量 172．2 语句组成逻辑结构 182．2．1 运算符和表达式 192．2．2 语句 202．3 控制程序的执行 212．3．1 顺序结构 212．3．2 分支结构 212．3．3 循环结构 222．4 有效存储数据 242．4．1 列表 252．4．2 元组 272．4．3 字典 282．4．4 集合 292．4．5 特殊运算符 302．5 函数实现代码复用 312．5．1 自定义函数 312．5．2 内置函数 322．5．3 字符串处理函数 332．5．4 函数式编程 332．6 存储数据 352．6．1 文件操作 362．6．2 JSON和XML 362．7 案例：传感器数据分析 402．8 习题 42

第3章 Python常用模块 433．1 模块的概念 443．2 自定义模块 463．3 正则表达式模块 463．4 NumPy和SciPy模块 503．4．1 NumPy 513．4．2 SciPy 593．5 Pandas库 613．6 习题 71

第4章 Python数据获取 734．1 Web的客户端/服务器工作模式 744．1．1 Web数据传输协议 754．1．2 Web页面标记语言 784．1．3 Web样式设计 814．2 Python设计爬虫软件 844．2．1 页面请求库URLLib 844．2．2 增强的网络请求库Requests 884．2．3 页面内容解析库BeautifulSoup 914．2．4 案例：在互联网上获取电影评论数据 954．2．5 浏览器中模拟点击的Selenium库 974．3 多线程提升数据获取的效率 1034．3．1 多线程的使用方法 1044．3．2 案例：多线程在页面数据获取中的应用 1064．4 习题 109

第5章 Python数据挖掘基础 1115．1 数据挖掘的基本概念 1125．1．1 数据挖掘中常用的术语 1125．1．2 数据挖掘的流程 1135．2 数据集是数据挖掘的基础 1155．2．1 各领域公开了大量的数据集 1155．2．2 自定义数据 1195．3 Python中常用的 数据挖掘库 1205．3．1 自然语言处理常用的NLTK库 1205．3．2 机器学习常用的Sklearn库 1255．4 习题 134

第6章 Python数据挖掘算法 1356．1 数据挖掘中的分类 1366．1．1 分类问题的基本思想 1366．1．2 常见的分类算法 1396．1．3 朴素贝叶斯分类算法的原理 1456．1．4 案例：从头实现朴素贝叶斯分类算法 1466．2 数据挖掘中的聚类 1486．2．1 聚类的基本思想 1496．2．2 常见的聚类算法 1526．2．3 K-means聚类算法的原理 1686．2．4 案例：从头实现K-means聚类算法 1696．3 习题 171

第7章 Python大数据挖掘 1737．1 深度学习是大数据处理的重要手段 1747．1．1 深度学习来源于神经网络 1757．1．2 深度学习已有大量模型 1877．1．3 深度学习框架提升使用效率 1917．1．4 卷积神经网络的工作原理 1937．1．5 LSTM网络的工作原理 1967．1．6 案例：使用卷积神经网络实现蔬菜识别系统 2007．2 习题 204

第8章 Python数据可视化 2078．1 可视化技术自然地展现数据规律 2088．2 最为常用的Matplotlib库 2088．2．1 使用Matplotlib库绘制各种图形 2118．2．2 Pandas库中直接绘图 2168．3 Seaborn库增强绘图效果 2198．4 Plotnine库弥补可视化不足 2258．5 案例：房价数据采集及可视化 2288．6 习题 231

参考文献 232