讀者在《跟老齊學Python：數(shù)據(jù)分析》中可以學習到與數(shù)據(jù)分析、機器學習相關(guān)的Python庫的應(yīng)用，并通過各種類型的應(yīng)用示例將所學基本知識進行綜合應(yīng)用。

《跟老齊學Python：數(shù)據(jù)分析》依然秉承“跟老齊學Python”系列書的寫作風格，力爭以通俗易懂的內(nèi)容與讀者分享筆者的心得。雖然數(shù)據(jù)分析強調(diào)的是嚴謹?shù)目茖W性和縝密的邏輯性，但《跟老齊學Python：數(shù)據(jù)分析》并不會因為顧此特點而變得枯燥。

《跟老齊學Python：數(shù)據(jù)分析》可作為數(shù)據(jù)分析工程師、機器學習工程師的入門教程。

目錄

第0章 數(shù)據(jù)分析概述 1
0.1 與數(shù)據(jù)相關(guān)的概念 1
0.2 數(shù)據(jù)分析技術(shù)的發(fā)展 3
0.3 開發(fā)環(huán)境配置 5
第1章 NumPy基礎(chǔ)和應(yīng)用 9
1.1 數(shù)組對象基礎(chǔ) 9
1.2 數(shù)組的索引和切片 25
1.3 針對數(shù)組的操作 36
1.4 運算和通用函數(shù) 46
1.5 簡單統(tǒng)計應(yīng)用 53
1.6 矩陣 57
1.7 矢量運算 60
1.8 綜合應(yīng)用示例 68
第2章 Pandas基礎(chǔ)和應(yīng)用 75
2.1 常用數(shù)據(jù)對象 75
2.2 索引對象 88
2.3 數(shù)據(jù)索引和切片 95
2.4 文件讀寫操作 107
2.5 處理缺失數(shù)據(jù) 116
2.6 規(guī)整數(shù)據(jù) 121
2.7 分組運算 141
2.8 矢量化字符串 158
2.9 與時間相關(guān)的操作 161
2.10 簡單的應(yīng)用示例 174
第3章 數(shù)據(jù)可視化 179
3.1 Matplotlib概覽 179
3.2 設(shè)置坐標系 186
3.3 繪制圖像 197
3.4 常用統(tǒng)計圖 211
3.5 繪制三維圖像 225
3.6 Seaborn掠影 231
第4章 綜合應(yīng)用 235
4.1 分析股票數(shù)據(jù) 235
4.2 分析文胸評論數(shù)據(jù) 245
4.3 分析電影票房數(shù)據(jù) 249
4.4 可視化城市人口數(shù)據(jù) 253
4.5 分析希臘葡萄酒數(shù)據(jù) 259
4.6 應(yīng)用本福特定律 273
4.7 制作詞云 278
第5章 機器學習 283
5.1 線性回歸 283
5.2 線性回歸示例 299
5.3 Logistic回歸 304
5.4 貝葉斯方法 314
跋 324