Python程序开发(高级)

　　目录
　　第 一篇 数据收集与清洗
　　第 1章 NumPy2
　　1.1　介绍和安装开发环境2
　　1.1.1　Python开发环境介绍2
　　1.1.2　安装Anaconda33
　　1.1.3　Jupyter编辑平台5
　　1.2　安装NumPy6
　　1.3　NumPy数组7
　　1.3.1　NumPy ndarray对象7
　　1.3.2　创建NumPy数组的常用函数8
　　1.4　数组的索引与切片11
　　1.4.1　数组的索引11
　　1.4.2　数组的切片15
　　1.5　基本数学运算17
　　1.5.1　数组与标量的运算17
　　1.5.2　数组与数组的运算18
　　1.6　NumPy通用函数18
　　1.6.1　mean()函数18
　　1.6.2　average()函数19
　　1.6.3　sum()函数20
　　1.6.4　min()函数20
　　1.6.5　max()函数20
　　1.6.6　argmax()函数21
　　1.6.7　maximum()/minimum()函数21
　　1.6.8　median()函数22
　　1.6.9　var()函数23
　　1.6.10　std()函数23
　　1.6.11　sort()函数24
　　1.6.12　loadtxt()函数24
　　1.7　NumPy字符串处理26
　　1.7.1　add()函数26
　　1.7.2　multiply()函数26
　　1.7.3　center()函数27
　　1.7.4　capitalize()函数和title()函数27
　　1.7.5　lower()函数和upper()函数27
　　1.7.6　split()函数27
　　1.7.7　splitlines()函数27
　　1.7.8　strip()函数28
　　1.7.9　lstrip()函数和rstrip()函数28
　　1.7.10　join()函数28
　　1.7.11　replace()函数28
　　1.8　项目实训——苹果公司股票数据分析29
　　1.8.1　项目需求29
　　1.8.2　项目实施29
　　1.8.3　项目分析31
　　本章小结31
　　习题31
　　第 2章 pandas34
　　2.1　安装pandas34
　　2.2　Series对象的基本操作35
　　2.2.1　创建Series对象36
　　2.2.2　查询Series对象中的数据37
　　2.2.3　修改、删除Series对象中的数据38
　　2.3　DataFrame对象的基本操作40
　　2.3.1　创建DataFrame对象41
　　2.3.2　DataFrame对象的属性42
　　2.3.3　查询DataFrame对象中的数据43
　　2.3.4　修改DataFrame对象中的数据47
　　2.3.5　增加DataFrame对象中的数据47
　　2.3.6　删除DataFrame对象中的数据49
　　2.4　pandas读写数据51
　　2.4.1　读写CSV文件51
　　2.4.2　读写Excel文件54
　　2.4.3　读写JSON文件56
　　2.5　数据索引、排序和排名58
　　2.5.1　DataFrame的索引58
　　2.5.2　DataFrame的排序61
　　2.5.3　DataFrame的排名64
　　2.6　项目实训——链家房屋数据分析65
　　2.6.1　项目需求65
　　2.6.2　项目实施66
　　2.6.3　项目分析69
　　本章小结69
　　习题70
　　第3章 数据处理72
　　3.1　数据清洗73
　　3.1.1　处理重复数据73
　　3.1.2　处理缺失数据75
　　3.2　数据计算79
　　3.2.1　基本数学运算79
　　3.2.2　比较运算81
　　3.2.3　统计方法81
　　3.3　数据分组87
　　3.3.1　分组聚合87
　　3.3.2　透视表90
　　3.4　数据转置与数据位移91
　　3.4.1　数据类型转换91
　　3.4.2　数据转置98
　　3.4.3　数据位移100
　　3.5　数据合并100
　　3.5.1　堆叠合并101
　　3.5.2　主键合并104
　　3.5.3　重叠合并106
　　3.6　项目实训——电影数据分析106
　　3.6.1　项目需求106
　　3.6.2　项目实施107
　　3.6.3　项目分析110
　　本章小结111
　　习题111
　　第二篇 数据可视化与数据分析
　　第4章 数据可视化114
　　4.1　可视化介绍114
　　4.2　Matplotlib简介115
　　4.2.1　什么是Matplotlib115
　　4.2.2　Matplotlib的使用场景115
　　4.2.3　Matplotlib的安装115
　　4.3　Matplotlib绘图115
　　4.3.1　Matplotlib绘图的核心原理115
　　4.3.2　折线图116
　　4.3.3　柱状图128
　　4.3.4　直方图132
　　4.3.5　饼图136
　　4.3.6　散点图138
　　4.3.7　函数图142
　　4.3.8　3D绘图144
　　4.4　Seaborn绘图145
　　4.4.1　认识Seaborn145
　　4.4.2　折线图146
　　4.4.3　散点图147
　　4.4.4　直方图148
　　4.5　可视化分析报告152
　　4.5.1　报告需求152
　　4.5.2　报告内容说明152
　　4.5.3　业务实践152
　　4.5.4　报告分析154
　　4.6　项目实训——2014年度用户每月购买商品次数和购买商品数量分析报告154
　　4.6.1　报告需求154
　　4.6.2　报告内容说明154
　　4.6.3　项目实施154
　　4.6.4　报告分析155
　　本章小结156
　　习题156
　　第5章 数据分析158
　　5.1　数据分析介绍158
　　5.2　列表分析159
　　5.2.1　分析需求159
　　5.2.2　分析关注点159
　　5.2.3　分析思路159
　　5.2.4　列表分析结果164
　　5.3　协方差分析164
　　5.3.1　认识协方差分析164
　　5.3.2　协方差分析的意义164
　　5.3.3　协方差分析实施165
　　5.3.4　协方差分析结果166
　　5.4　直方图分析166
　　5.4.1　需求分析166
　　5.4.2　分析关注点166
　　5.4.3　分析思路166
　　5.4.4　直方图分析结果169
　　5.5　对比分析169
　　5.5.1　认识对比分析169
　　5.5.2　分析需求169
　　5.5.3　分析关注点169
　　5.5.4　分析思路169
　　5.5.5　对比分析结果174
　　5.6　项目实训——全国各省份“985”高校高考录取分数线分析174
　　5.6.1　需求分析174
　　5.6.2　分析关注点174
　　5.6.3　分析思路174
　　5.6.4　对比分析结果178
　　本章小结178
　　习题179
　　第三篇 人工智能应用
　　第6章 机器学习182
　　6.1　认识机器学习182
　　6.1.1　机器学习应用场景182
　　6.1.2　机器学习的组成183
　　6.1.3　训练过程185
　　6.1.4　算法汇总185
　　6.1.5　开发流程185
　　6.2　认识并安装Scikit-Learn186
　　6.2.1　Scikit-Learn简介186
　　6.2.2　Scikit-Learn基本概括186
　　6.2.3　模型选择186
　　6.2.4　数据划分187
　　6.2.5　常用模块188
　　6.2.6　安装sklearn188
　　6.3　回归模型188
　　6.3.1　广义线性模型189
　　6.3.2　树回归191
　　6.3.3　k近邻回归192
　　6.3.4　集成回归模型：Bagging193
　　6.3.5　集成回归模型：Boosting194
　　6.4　分类模型194
　　6.4.1　逻辑回归195
　　6.4.2　决策树196
　　6.4.3　支持向量机197
　　6.4.4　KNN198
　　6.4.5　朴素贝叶斯198
　　6.4.6　集成模型：Bagging199
　　6.4.7　集成模型：Boosting200
　　6.5　聚类模型201
　　6.5.1　聚类201
　　6.5.2　降维203
　　6.6　项目实训——手写数字识别204
　　6.6.1　实训需求204
　　6.6.2　项目分析204
　　6.6.3　数据集导入及处理204
　　6.6.4　划分训练集和测试集204
　　6.6.5　随机森林模型204
　　6.6.6　k近邻模型205
　　6.6.7　逻辑回归模型205
　　6.6.8　模型选择及分类205
　　6.6.9　项目结果分析206
　　本章小结206
　　习题206
　　第7章 深度学习208
　　7.1　神经网络208
　　7.1.1　认识神经网络208
　　7.1.2　神经网络基础211
　　7.2　深度学习框架Keras213
　　7.2.1　认识Keras213
　　7.2.2　Keras的安装214
　　7.2.3　Keras里的模块介绍215
　　7.2.4　Keras工作流程216
　　7.3　深度学习的应用216
　　7.3.1　Mnist手写数字数据集216
　　7.3.2　CNN219
　　7.3.3　RNN221
　　7.4　项目实训——CIFAR-10图像识别224
　　7.4.1　实训需求224
　　7.4.2　CIFAR-10数据集简介224
　　7.4.3　项目实践224
　　7.4.4　项目总结227
　　本章小结228
　　习题228
　　第8章 推荐系统229
　　8.1　认识协同过滤229
　　8.2　基于用户的协同过滤算法230
　　8.3　基于项目的协同过滤算法232
　　8.4　项目实训——电影推荐系统237
　　8.4.1　实训需求237
　　8.4.2　数据集介绍237
　　8.4.3　项目实施238
　　8.4.4　结果分析242
　　本章小结242
　　习题242

　　中慧云启科技集团有限公司是一家专业从事中高职业院校软件实训教学综合解决方案，集研发、生产、销售、培训和技术服务于一体的国家高新技术企业公司。中慧举办Web前端开发技能竞赛四届，该赛项类别分为全国行业赛和省赛，提升教育行业教学改革和IT人才建设。同时，中慧为世界技能大赛全国选拔赛网站设计与开发项目提供技术支持，成功保障人才选拔顺利进行，提升中国在世界技能大赛Web?Technologies项目的声望和地位。书籍的作者由中慧科技的讲师、高级工程师，山东科技职业学院教授Web前端开发的教师团队共同组成，从企业用人需求，课证赛融通、高职教学需求几个方面出发，共同编写。

　　本书以《Python 程序开发职业技能等级标准》 为编写依据，内容主要由数据收集与清洗、数据可视化与数据分析、人工智能应用3个部分组成，涵盖了 NumPy、pandas、数据处理、数据可视化、机器学习、深度学习和推荐系统等相关知识。
　　本书以模块化的结构组织各个章节，以任务驱动的方式安排内容，以培养学生能力为目的，充分体现了“做中学，学中做”的思想。本书可用于 1+×证书制度试点工作中的 Python 程序开发职业技能培训，也可以作为期望从事 Python 程序开发人员的自学参考用书。