Python数据分析入门：从数据获取到可视化

本书作为数据分析的入门图书，以Python语言为基础，介绍了数据分析的整个流程。本书内容涵盖数据的获取（即网络爬虫程序的设计）、前期数据的清洗和处理、运用机器学习算法进行建模分析，以及使用可视化的方法展示数据及结果。首先，书中不会涉及过于高级的语法，不过还是希望读者有一定的语法基础，这样可以更好地理解本书的内容。其次，本书重点在于应用Python来完成一些数据分析和数据处理的工作，即如何使用Python来完成工作而非专注于Python语言语法等原理的讲解。本书的目的是让初学者不论对数据分析流程本身还是Python语言，都能有一个十分直观的感受，为以后的深入学习打下基础。最后，读者不必须按顺序通读本书，因为各个章节层次比较分明，可以根据兴趣或者需要来自行安排。例如第5章介绍了一些实战的小项目，有趣且难度不大，大家可以在学习前面内容之余来阅读这部分内容。

沈祥壮 自学Python两年，以数据分析为主线，系统学习了数据的采集，处理、分析和可视化。在研究统计机器学习理论的同时，使用Python语言实现了部分统计学习算法。研究方向包括数据采集，数据挖掘，统计机器学习及图像处理。

了解基本的Python语法，想利用Python进行数据分析，数据挖掘的初学者

1 准备 1
1．1 开发环境搭建 2
1．1．1 在Ubuntu系统下搭建Python集成开发环境 2
1．1．2 在Windows系统下搭建Python集成开发环境 13
1．1．3 三种安装第三方库的方法 16
1．2 Python基础语法介绍 19
1．2．1 if__name__==＇__main__＇ 20
1．2．2 列表解析式 22
1．2．3 装饰器 23
1．2．4 递归函数 26
1．2．5 面向对象 27
1．3 The Zen of Python 28
参考文献 30
2 数据的获取 31
2．1 爬虫简介 31
2．2 数据抓取实践 33
2．2．1 请求网页数据 33
2．2．2 网页解析 38
2．2．3 数据的存储 46
2．3 爬虫进阶 50
2．3．1 异常处理 50
2．3．2 robots．txt 58
2．3．3 动态UA 60
2．3．4 代理IP 61
2．3．5 编码检测 61
2．3．6 正则表达式入门 63
2．3．7 模拟登录 69
2．3．8 验证码问题 74
2．3．9 动态加载内容的获取 84
2．3．10 多线程与多进程 93
2．4 爬虫总结 101
参考文献 102
3 数据的存取与清洗 103
3．1 数据存取 103
3．1．1 基本文件操作 103
3．1．2 CSV文件的存取 111
3．1．3 JSON文件的存取 116
3．1．4 XLSX文件的存取 121
3．1．5 MySQL数据库文件的存取 137
3．2 NumPy 145
3．2．1 NumPy简介 145
3．2．2 NumPy基本操作 146
3．3 pandas 158
3．3．1 pandas简介 158
3．3．2 Series与DataFrame的使用 159
3．3．3 布尔值数组与函数应用 169
3．4 数据的清洗 174
3．4．1 编码问题 174
3．4．2 缺失值的检测与处理 175
3．4．3 去除异常值 181
3．4．4 去除重复值与冗余信息 183
3．4．5 注意事项 185
参考文献 187
4 数据的分析及可视化 188
4．1 探索性数据分析 189
4．1．1 基本流程 189
4．1．2 数据降维 197
4．2 机器学习入门 199
4．2．1 机器学习简介 200
4．2．2 决策树――机器学习算法的应用 202
4．3 手动实现KNN算法 205
4．3．1 特例――最邻近分类器 205
4．3．2 KNN算法的完整实现 213
4．4 数据可视化 215
4．4．1 高质量作图工具――matplotlib 215
4．4．2 快速作图工具――pandas与matplotlib 223
4．4．3 简捷作图工具――seaborn与matplotlib 226
4．4．4 词云图 230
参考文献 232
5 Python与生活 234
5．1 定制一个新闻提醒服务 234
5．1．1 新闻数据的抓取 235
5．1．2 实现邮件发送功能 237
5．1．3 定时执行及本地日志记录 239
5．2 Python与数学 241
5．2．1 估计π值 242
5．2．2 三门问题 245
5．2．3 解决LP与QP问题（选读） 247
5．3 QQ群聊天记录数据分析 251
参考文献 256