第1章 Python基礎(chǔ)簡(jiǎn)介 12
1.1 Python語言概述 12
1.2 為何學(xué)習(xí)Python 12
1.2.1 Python特點(diǎn) 12
1.2.2 Python在大數(shù)據(jù)中的優(yōu)勢(shì) 14
1.3 Python主要應(yīng)用領(lǐng)域 14
1.4 Python開發(fā)環(huán)境搭建 14
1.4.1 Windows系統(tǒng)中安裝Python 14
1.4.2 在Linux系統(tǒng)中安裝Python 16
1.4.3 使用pip安裝擴(kuò)展庫(kù) 17
1.4.4 PyCharm安裝與使用 18
1.4.5 Anaconda3安裝與使用 21
第2章 初識(shí)Python 26
2.1 基本數(shù)據(jù)類型 26
2.1.1 數(shù)值類型 26
2.1.2 字符串 27
2.1.3 常用容器類型 30
2.2 變量 33
2.2.1 變量的定義與命名規(guī)則 33
2.2.2 變量創(chuàng)建與刪除 33
2.3 基本輸入輸出 34
2.3.1 input()函數(shù) 34
2.3.2 print()函數(shù) 34
2.4 模塊 35
2.4.1 模塊的概念 35
2.4.2 導(dǎo)入和使用模塊中的對(duì)象 35
2.4.3 內(nèi)置模塊__builtins__ 36
2.4.4 time模塊 36
2.4.5 datetime模塊 37
2.4.6 random模塊 38
2.4.7 sys模塊 39
2.4.8 自定義模塊 40
2.5 運(yùn)算符與表達(dá)式 40
2.5.1 算術(shù)運(yùn)算符 40
2.5.2 關(guān)系運(yùn)算符 41
2.5.3 集合運(yùn)算符 42
2.5.4 邏輯運(yùn)算符 42
2.5.5 成員運(yùn)算符 42
2.5.6 身份運(yùn)算符 42
2.5.7 運(yùn)算符優(yōu)先級(jí) 43
2.6 選擇結(jié)構(gòu)與循環(huán)結(jié)構(gòu) 44
2.6.1 常用選擇結(jié)構(gòu) 44
2.6.2 if...else 44
2.6.3 while循環(huán) 45
2.6.4 for循環(huán) 46
2.6.5 break與continue語句 46
2.6.6 帶else子句的循環(huán)結(jié)構(gòu) 47
2.7 猜數(shù)字游戲 47
第3章 列表與元組 50
3.1 序列操作 50
3.1.1 創(chuàng)建序列 50
3.1.2 元素訪問 51
3.1.3 切片 52
3.2 列表常用方法 53
3.2.1 append()、extend()、insert() 53
3.2.2 count() 54
3.2.3 index() 54
3.2.4 pop()、remove() 54
3.2.5 sort()、reverse() 55
3.3 元組 55
3.3.1 列表和元組的區(qū)別 55
3.3.2 元組的優(yōu)點(diǎn) 56
3.4 列表解析式與生成器表達(dá)式 57
3.4.1 列表解析式 57
3.4.2 生成器表達(dá)式 59
3.4.3 列表解析式與生成器表達(dá)式的區(qū)別 60
第4章 字符串與正則表達(dá)式 63
4.1 字符編碼 63
4.1.1 常見字符編碼 63
4.1.2 字符串與字節(jié)串之間的轉(zhuǎn)換 64
4.2 字符串的基本操作 65
4.2.1 元素訪問 65
4.2.2 連接字符串 65
4.2.3 字符串重復(fù) 65
4.2.4 切片 66
4.2.5 字符串測(cè)試 67
4.3 字符串格式化 67
4.3.1 使用運(yùn)算符%格式化 67
4.3.2 使用format()方法格式化 69
4.3.3 格式化字符串常量 70
4.4 字符串方法 70
4.4.1 find()、index() 70
4.4.2 split()、join() 71
4.4.3 lower()、upper()、swapcase() 71
4.4.4 strip() 72
4.4.5 replace() 72
4.4.6 maketrans、translate() 73
4.4.7 isupper()、islower()、isdigit() 73
4.4.8 center()、ljust()、rjust() 74
4.5 正則表達(dá)式與re模塊 74
4.5.1 正則表達(dá)式基本語法 74
4.5.2 貪婪模式與非貪婪模式 75
4.5.3 re.match()、re.search() 76
4.5.4 re.split() 77
4.5.5 re.sub() 77
第5章 字典 80
5.1 字典創(chuàng)建與使用 80
5.1.1 字典的創(chuàng)建與刪除 80
5.1.2 訪問元素值 80
5.1.3 添加元素、修改元素值 81
5.2 字典方法 82
5.2.1 get() 82
5.2.2 items()、keys()、values() 82
5.2.3 pop()、popitem() 82
第6章 集合 84
6.1 集合創(chuàng)建與使用 84
6.1.1 集合的創(chuàng)建與刪除 84
6.1.2 元素插入與刪除 84
6.2 集合常用運(yùn)算 85
第7章 文件操作 87
7.1 文件基本概念 87
7.1.1 文本文件 87
7.1.2 二進(jìn)制文件 87
7.1.3 兩者的區(qū)別 87
7.2 打開與關(guān)閉文件 87
7.2.1 open()函數(shù)與close()方法 87
7.2.2 with關(guān)鍵字 87
7.3 文件對(duì)象基本方法 87
7.3.1 read()、readline()、readlines() 87
7.3.2 write()、writelines() 87
7.3.3 讀寫二進(jìn)制文件（是不是應(yīng)該使用Struct？） 87
7.4 數(shù)據(jù)序列化與反序列化 87
7.4.1 序列化和反序列化的作用 87
7.4.2 使用pickle進(jìn)行序列化和反序列化 87
7.4.3 使用JSON進(jìn)行序列化和反序列化 87
7.5 文件與文件夾基本操作 87
7.5.1 os模塊 87
7.5.2 os.path模塊 87
第8章 函數(shù) 87
8.1 函數(shù)的定義和調(diào)用 87
8.1.1 定義函數(shù) 87
8.1.2 調(diào)用函數(shù) 87
8.2.3 遞歸函數(shù) 87
8.2 函數(shù)參數(shù) 87
8.2.1 形參與實(shí)參概念 87
8.2.2 位置參數(shù) 87
8.2.3 關(guān)鍵字參數(shù) 87
8.2.4 默認(rèn)值參數(shù) 87
8.2.5 長(zhǎng)度可變參數(shù) 87
8.3 變量作用域 87
8.4 函數(shù)返回值 87
8.5 函數(shù)嵌套定義、閉包、裝飾器 87
第9章 面向?qū)ο?87
9.1 類的定義與使用 87
9.1.1 class關(guān)鍵字 87
9.1.2 數(shù)據(jù)成員與成員方法 87
9.1.3 創(chuàng)建對(duì)象 87
9.2 構(gòu)造方法與析構(gòu)方法 87
9.3 成員訪問權(quán)限 87
9.4 繼承 87
第10章 異常處理結(jié)構(gòu) 87
10.1 異常概念與常見表現(xiàn)形式 87
10.2 常見異常處理結(jié)構(gòu) 87
10.2.1 try...except... 87
10.2.2 try...except...else... 87
10.2.3 帶多個(gè)except的異常處理結(jié)構(gòu) 87
10.2.4 try...finally... 87
10.3 raise語句 87
第11章 使用pandas進(jìn)行數(shù)據(jù)分析 87
11.1 Series和DataFrame簡(jiǎn)介 87
11.2 DataFrame常用屬性和方法 87
11.2.1 創(chuàng)建DataFrame 87
11.2.2 DataFrame常用方法 87
11.3 數(shù)據(jù)訪問與修改 87
11.3.1 數(shù)據(jù)訪問 87
11.4 缺失值處理 87
11.5 重復(fù)值處理 87
11.6 異常值處理 87
11.7 讀寫文件 87
11.8 結(jié)合Matplotlib進(jìn)行數(shù)據(jù)可視化 87
第12章 可視化技術(shù)與Matplotlib 87
12.1 繪制折線圖 87
12.2 繪制散點(diǎn)圖 87
12.3 繪制餅狀圖 87
12.4 繪制柱狀圖 87
12.5 繪圖區(qū)域分割 87
12.5.1 plt.subplot(nrows, ncols, plot_number) 87
12.5.2 plt.subplot2grid(shape, loc, rowspan=1, colspan=1, fig=None) 87
12.5.3 matplotlib.gridspec 類 87
第13章 分類與預(yù)測(cè) 87
13.1 Logistic回歸分析 87
13.1.1 Logistic回歸分析定義 87
13.1.2 Logistic回歸模型基本思想及內(nèi)容 87
13.1.3 Logistic回歸分析模型建模步驟 87
13.1.4 Logistic回歸分析算法實(shí)例 87
13.2 決策樹 87
13.2.1 決策樹定義 87
13.2.2 常用決策樹算法 87
13.2.3 決策樹基本思想及內(nèi)容 87
13.2.4 決策樹計(jì)算公式及語法 87
13.2.5 決策樹實(shí)例 87
13.3 K近鄰分類算法 87
13.3.1 K近鄰分類算法定義 87
13.3.2 K鄰近分類算法計(jì)算步驟 87
13.3.3 K近鄰分類算法優(yōu)缺點(diǎn) 87
13.3.4 K鄰近分類算法語法結(jié)構(gòu) 87
13.3.5 K近鄰分類算法實(shí)例 87
13.4 人工神經(jīng)網(wǎng)絡(luò) 87
13.4.1 人工神經(jīng)網(wǎng)絡(luò)定義 87
13.4.2 人工神經(jīng)網(wǎng)絡(luò)基本思想及內(nèi)容 87
13.4.3 BP神經(jīng)網(wǎng)絡(luò)算法步驟 87
13.4.4 人工神經(jīng)網(wǎng)絡(luò)實(shí)例 87
13.5 支持向量機(jī) 87
13.5.1 支持向量機(jī)定義 87
13.5.2 支持向量機(jī)優(yōu)缺點(diǎn) 87
13.5.3 支持向量機(jī)語法結(jié)構(gòu) 87
13.5.4 支持向量機(jī)算法實(shí)例 87
13.6 隨機(jī)森林 87
13.6.1 隨機(jī)森林定義 87
13.6.2 隨機(jī)森林執(zhí)行步驟 87
13.6.3 隨機(jī)森林優(yōu)缺點(diǎn) 87
13.6.4 隨機(jī)森林語法結(jié)構(gòu) 87
13.6.5 隨機(jī)森林方法實(shí)例 87
第14章 常用聚類分析算法 87
14.1 K-Means聚類算法 87
14.1.1 K-Means聚類算法過程 87
14.1.2 K-Means聚類的主要特點(diǎn) 87
14.1.3 K-Means聚類語法結(jié)構(gòu) 87
14.1.4 K-Means聚類實(shí)例 87
14.2 系統(tǒng)聚類算法 87
14.2.1 系統(tǒng)聚類算法定義 87
14.2.2 系統(tǒng)聚類算法步驟 87
14.2.3 系統(tǒng)聚類算法語法結(jié)構(gòu) 87
14.2.4 系統(tǒng)聚類算法實(shí)例 87
14.3 DBSCAN聚類算法 87
14.3.1 DBSCAN聚類算法定義 87
14.3.2 DBSCAN聚類算法步驟 87
14.3.3 DBSCAN聚類算法優(yōu)缺點(diǎn) 87
14.3.4 DBSCAN聚類算法語法結(jié)構(gòu) 87
14.3.5 DBSCAN聚類算法實(shí)例 87
第15章 關(guān)聯(lián)規(guī)則算法 87
15.1 Apriori算法簡(jiǎn)介 87
15.1.1 挖掘項(xiàng)集相關(guān)定義 87
15.1.2 步驟 87
15.1.3 由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則 87
15.2 Apriori算法應(yīng)用 87
第16章 協(xié)同過濾算法 87
16.1 基于用戶的協(xié)同過濾算法 87
16.1.1 基于用戶的協(xié)同過濾算法定義 87
16.1.2 基于用戶的協(xié)同過濾算法的方法步驟 87
16.1.3 基于用戶的協(xié)同過濾算法的優(yōu)缺點(diǎn) 87
16.1.4 基于用戶的協(xié)同過濾算法實(shí)例 87
16.2 基于物品的協(xié)同過濾算法 87
16.2.1 基于物品的協(xié)同過濾算法定義 87
16.2.2 基于物品的協(xié)同過濾算法方法步驟 87
16.2.3 基于物品的協(xié)同過濾算法實(shí)例 87
第17章 時(shí)間序列數(shù)據(jù)分析 87
17.1 時(shí)間序列的預(yù)處理 87
17.1.1 平穩(wěn)性檢驗(yàn) 87
17.1.2 純隨機(jī)性檢驗(yàn) 87
17.2 平穩(wěn)時(shí)間序列分析 87
17.2.1 AR模型 87
17.2.2 MA模型 87
17.2.3 ARMA模型 87
17.2.4 平穩(wěn)時(shí)間序列建模 87
17.3 非平穩(wěn)時(shí)間序列分析 87
17.3.1 差分運(yùn)算 87
17.3.2 ARIMA模型 87
17.4 Python 主要時(shí)序模式算法 87
第18章 離群點(diǎn)檢測(cè)方法 87
18.1 離群點(diǎn)檢測(cè)概述 87
18.1.1 離群點(diǎn)檢測(cè)概念 87
18.1.2 離群點(diǎn)的成因 87
18.1.3 離群點(diǎn)的類型 87
18.1.4常用離群點(diǎn)檢測(cè)方法 87
18.2 基于密度的離群點(diǎn)檢測(cè)方法 87
18.2.1 平穩(wěn)性檢驗(yàn) 87
18.2.2 一元正態(tài)分布中的的離群點(diǎn)檢測(cè) 87
18.2.3 混合模型的離群點(diǎn)檢測(cè) 87
18.3 基于聚類的離群點(diǎn)檢測(cè)方法 87
18.4 基于距離的離群點(diǎn)檢測(cè)方法 87
18.4.1 基于原型的聚類 87
18.4.2 基于聚類的離群點(diǎn)檢測(cè)的改進(jìn) 87
第19章 數(shù)據(jù)降維 87
19.1 數(shù)據(jù)降維概述 87
19.1.1 數(shù)據(jù)降維概述 87
19.1.2 有監(jiān)督和無監(jiān)督 87
19.1.3 線性降維 87
19.1.4 非線性降維 87
19.1.5 數(shù)據(jù)標(biāo)準(zhǔn)化 87
19.2 常用降維方法簡(jiǎn)介 87
19.2.1 缺失值的比率 87
19.2.2 低方差過濾 87
19.2.3 高相關(guān)過濾 87
19.2.4 Random Forests/Ensemble Trees 87
19.2.5 PCA（主成分分析） 87
19.2.6 反向特征的消除 87
19.2.7 正向特征的構(gòu)建 87
第20章 模型評(píng)估與調(diào)優(yōu) 87
20.1 模型評(píng)估和調(diào)優(yōu)的意義 87
20.1.1 機(jī)器學(xué)習(xí) 87
20.1.2 模型評(píng)估 87
20.2 評(píng)估指標(biāo)（Evaluation metrics） 87
20.2.1 分類評(píng)估指標(biāo) 87
20.2.2 回歸評(píng)估指標(biāo) 87
20.2.3 排序評(píng)估指標(biāo) 87
20.3 模型調(diào)優(yōu)建議與注意事項(xiàng) 87
20.3.1 數(shù)據(jù)傾斜 87
20.3.2 類別不均衡（Imbalanced Classes） 87
20.3.3 異常點(diǎn)（Outliers） 87
第21章 數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 87
21.1 熱水器使用情況分析 87
21.1.1 背景與挖掘目標(biāo) 87
21.1.2 分析方法與過程 87
21.1.3 數(shù)據(jù)抽取 87
21.1.4 數(shù)據(jù)探索分析 87
21.1.5 數(shù)據(jù)預(yù)處理 87
21.1.6 模型構(gòu)建 87
21.1 電子商務(wù)的智能推薦 87
21.1.1 背景與挖掘目標(biāo) 87
21.1.2 分析方法與過程 87
21.1.3 數(shù)據(jù)抽取 87
21.1.4 數(shù)據(jù)探索分析 87
21.1.5 數(shù)據(jù)預(yù)處理 87
21.1.6 模型構(gòu)建 87
21.2 財(cái)政收入分析 87
21.2.1 背景與挖掘目標(biāo) 87
21.2.2 分析方法與過程 87
21.2.3 灰色預(yù)測(cè)與神經(jīng)網(wǎng)絡(luò)的組合模型 87
21.2.4 數(shù)據(jù)探索分析 87
21.2.5 模型構(gòu)建 87
21.3 電商產(chǎn)品評(píng)價(jià)分析 87
21.3.1 背景與挖掘目標(biāo) 87
21.3.2 分析方法與過程 87
21.3.3 評(píng)論數(shù)據(jù)采集 87
21.3.4 評(píng)論預(yù)處理 87
21.3.5 機(jī)械壓縮去詞 87
21.3.6 文本評(píng)論分詞 87
21.3.7 模型構(gòu)建 87
21.4 電力竊漏識(shí)別分析 87
21.4.1 背景與挖掘目標(biāo) 87
21.4.2 分析方法與過程 87
21.4.3 灰色預(yù)測(cè)與神經(jīng)網(wǎng)絡(luò)的組合模型 87
21.4.4 數(shù)據(jù)探索分析 87
21.4.5 數(shù)據(jù)預(yù)處理 87
21.4.6 構(gòu)建專家樣本 87
21.4.7 模型構(gòu)建 87
參考文獻(xiàn)： 87