數據智能—Python數據分析與可視化

理論篇
第1章數據智能概述3
1.1數據智能技術3
1.1.1數據科學過程的基本概念4
1.1.2機器學習5
1.1.3深度學習9
1.1.4習題與實踐10
1.2編程思維10
1.2.1編程思維概述10
1.2.2習題與實踐11
1.3數據結構與應用11
1.3.1數據的邏輯結構11
1.3.2數據的存儲結構12
1.3.3常見的數據結構13
1.3.4習題與實踐14
1.4數據隱私與數據安全15
1.4.1數據隱私15
1.4.2數據安全16
1.4.3數據道德18
1.4.4習題與實踐20
第2章基本數據處理21
2.1算法的表達21
2.1.1什么是算法21
2.1.2算法流程圖22
2.1.3算法的控制結構23
2.1.4習題與實踐25〖3〗數據智能——Python數據分析與可視化目錄〖3〗2.2數據基礎25
2.2.1數據的程序表達25
2.2.2數據的傳遞38
2.2.3習題與實踐42
2.3批量數據處理應用43
2.3.1字符串43
2.3.2列表45
2.3.3元組47
2.3.4字典48
2.3.5集合50
2.3.6習題與實踐52
第3章數據處理編程53
3.1程序的基本結構53
3.1.1控制流53
3.1.2程序運算選擇58
3.1.3程序運算控制64
3.1.4習題與實踐70
3.2模塊化程序設計71
3.2.1函數71
3.2.2模塊與Python庫73
3.2.3習題與實踐77
第4章數據獲取與計算79
4.1數據采集和處理79
4.1.1文件輸入輸出80
4.1.2讀取文件內容82
4.1.3將數據寫入文件83
4.1.4習題與實踐85
4.2數據預處理85
4.2.1數據探查86
4.2.2搜集數據86
4.2.3數據預處理的方法87
4.2.4習題與實踐89
4.3Python數值統(tǒng)計90
4.3.1NumPy90
4.3.2ndarray對象90
4.3.3NumPy 數據類型92
4.3.4NumPy 數組屬性94
4.3.5其他創(chuàng)建數組的方式96
4.3.6切片、迭代和索引100
4.3.7NumPy計算102
4.3.8習題與實踐103
第5章數據分析與可視化104
5.1Python數據分析104
5.1.1Series數據結構105
5.1.2DataFrame對象107
5.1.3Pandas的數據預處理116
5.1.4習題與實踐120
5.2Python數據可視化121
5.2.1Matplotlib模塊121
5.2.2Seaborn模塊131
5.2.3習題與實踐135
第6章電信行業(yè)客戶行為分析與流失預警136
6.1客戶流失分析136
6.1.1客戶流失分析的核心問題137
6.1.2流失客戶分析137
6.2數據獲取138
6.3數據預處理146
6.4流失用戶的特征分析151
6.5流失用戶分析與預警158
實驗篇
實驗1計算思維和編程思維實踐165
實驗2數據的輸入和輸出170實驗3數據的程序表達172實驗4程序運算選擇174實驗5程序運算控制177實驗6批量數據處理180實驗7模塊化程序設計183實驗8數據采集和預處理186實驗9Python數據分析188實驗10Python數據可視化1191實驗11Python數據可視化2193