跟老齐学Python：数据分析

读者在《跟老齐学Python：数据分析》中可以学习到与数据分析、机器学习相关的Python库的应用，并通过各种类型的应用示例将所学基本知识进行综合应用。

《跟老齐学Python：数据分析》依然秉承“跟老齐学Python”系列书的写作风格，力争以通俗易懂的内容与读者分享笔者的心得。虽然数据分析强调的是严谨的科学性和缜密的逻辑性，但《跟老齐学Python：数据分析》并不会因为顾此特点而变得枯燥。

《跟老齐学Python：数据分析》可作为数据分析工程师、机器学习工程师的入门教程。

江湖名号：老齐。Github名称是qiwsir，个人网页www.itdiffer.com。喜欢Python语言，不仅将它用于工作中，还愿意帮助更多人学习Python。

详解数据分析、机器学习相关Python库应用，助力数据分析及机器学习工程师快速成长！

认真阅读序言，是读书的好习惯。

“跟老齐学Python”系列已经出版了三本书，第一本是Python入门教程——《跟老齐学Python：轻松入门》，第二本是Web开发教程——《跟老齐学Python：Django实战》，本书是第三本。在阅读本书之前，需要读者完成《跟老齐学Python：轻松入门》的学习或者具有相当程度的知识。

我遇到的学生、软件工程师、大学教师等，他们以各种理由来说明在数据分析、机器学习中应该选择哪种语言或者什么工具。在实际工作中，也的确是百花齐放、百家争鸣。那么到底学什么呢？

这是一个令人苦恼的问题，也是一个浪费时间的问题。

幸亏，现实给出了一个统计性的答案：Python已经胜出。

所以，本书就呈现在读者眼前了。

本书的目标如下。

数据分析和机器学习的入门读物。凡是有志于在此领域工作的读者，通过阅读本书，能够跨进该领域，为日后工作奠定基础。

在示例中学习。本书在适当时机，向读者提供各种类型的示例（因为面向对象中的“实例”有特别含义，所以本书中用“示例”表示“某知识技能的应用举例”）。

为读者展示一种学习方法。这也是我在前面两本书中所贯彻的核心思想，本书继承这个思想。

本书冠名“数据分析”，是因为绝大部分内容介绍了数据分析的知识和应用，读者学习完这些内容，即可从事相关的工作。在本书的最后一章，也以示例的方式简要介绍了机器学习中的一点内容，主要目的是“开个天窗”，让具有数据分析知识的读者能够看到更广阔的天空。当然，也夹带了私活，就是预告系列丛书的下一本“机器学习”。

跟本书有关的网址如下。

代码仓库：https://github.com/qiwsir/DataAnalysis

网站：http://itdiffer.com/

如果本书能够成为读者进入数据分析、机器学习领域的垫脚石，我当荣幸之至。

这本书的编写完全是在业余时间完成的，所幸有妻子相助，感谢我的妻子，她为我的写作提供了很多帮助，除日常生活外，还协助我查询和翻译一些资料，通读了全书内容，修正了很多语言表达方面的错误，比如语法错误、错别字等。

另外，还要感谢本书的编辑朋友们，正是有了她们细致、耐心的工作，才能够让本书呈现在读者面前。

第0章 数据分析概述 1

0.1 与数据相关的概念 1

0.2 数据分析技术的发展 3

0.3 开发环境配置 5

第1章 NumPy基础和应用 9

1.1 数组对象基础 9

1.2 数组的索引和切片 25

1.3 针对数组的操作 36

1.4 运算和通用函数 46

1.5 简单统计应用 53

1.6 矩阵 57

1.7 矢量运算 60

1.8 综合应用示例 68

第2章 Pandas基础和应用 75

2.1 常用数据对象 75

2.2 索引对象 88

2.3 数据索引和切片 95

2.4 文件读写操作 107

2.5 处理缺失数据 116

2.6 规整数据 121

2.7 分组运算 141

2.8 矢量化字符串 158

2.9 与时间相关的操作 161

2.10 简单的应用示例 174

第3章 数据可视化 179

3.1 Matplotlib概览 179

3.2 设置坐标系 186

3.3 绘制图像 197

3.4 常用统计图 211

3.5 绘制三维图像 225

3.6 Seaborn掠影 231

第4章 综合应用 235

4.1 分析股票数据 235

4.2 分析文胸评论数据 245

4.3 分析电影票房数据 249

4.4 可视化城市人口数据 253

4.5 分析希腊葡萄酒数据 259

4.6 应用本福特定律 273

4.7 制作词云 278

第5章 机器学习 283

5.1 线性回归 283

5.2 线性回归示例 299

5.3 Logistic回归 304

5.4 贝叶斯方法 314

跋 324