本書以《Python 程序開發(fā)職業(yè)技能等級標(biāo)準(zhǔn)》 為編寫依據(jù)，內(nèi)容主要由數(shù)據(jù)收集與清洗、數(shù)據(jù)可視化與數(shù)據(jù)分析、人工智能應(yīng)用3個(gè)部分組成，涵蓋了 NumPy、pandas、數(shù)據(jù)處理、數(shù)據(jù)可視化、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和推薦系統(tǒng)等相關(guān)知識(shí)。
本書以模塊化的結(jié)構(gòu)組織各個(gè)章節(jié)，以任務(wù)驅(qū)動(dòng)的方式安排內(nèi)容，以培養(yǎng)學(xué)生能力為目的，充分體現(xiàn)了“做中學(xué)，學(xué)中做”的思想。本書可用于 1+×證書制度試點(diǎn)工作中的 Python 程序開發(fā)職業(yè)技能培訓(xùn)，也可以作為期望從事 Python 程序開發(fā)人員的自學(xué)參考用書。
1.內(nèi)容豐富，組織合理
叢書由淺入深，以模塊化的結(jié)構(gòu)組織各章節(jié)，以任務(wù)驅(qū)動(dòng)的方式安排具體內(nèi)容，以培養(yǎng)院校學(xué)生能力為目的，體現(xiàn)了“教、學(xué)、做一體化”的思想。
2.結(jié)合實(shí)際，突出實(shí)踐
叢書由企業(yè)工程師精心設(shè)計(jì)了大量案例和項(xiàng)目實(shí)訓(xùn)，案例和項(xiàng)目實(shí)訓(xùn)有詳細(xì)的代碼說明和步驟解釋，讀者在學(xué)習(xí)理論知識(shí)的同時(shí)能夠進(jìn)行項(xiàng)目實(shí)踐，方便讀者快速上手Python。
3.資源豐富，立體教學(xué)
叢書配備了豐富的立體化教學(xué)資源，包括教學(xué)PPT、案例代碼、習(xí)題答案等。
4.融入1+X證書標(biāo)準(zhǔn)
叢書以《Python程序開發(fā)職業(yè)技能等級標(biāo)準(zhǔn)》為編寫依據(jù)。
中慧云啟科技集團(tuán)有限公司是一家專業(yè)從事中高職業(yè)院校軟件實(shí)訓(xùn)教學(xué)綜合解決方案，集研發(fā)、生產(chǎn)、銷售、培訓(xùn)和技術(shù)服務(wù)于一體的國家高新技術(shù)企業(yè)公司。中慧舉辦Web前端開發(fā)技能競賽四屆，該賽項(xiàng)類別分為全國行業(yè)賽和省賽，提升教育行業(yè)教學(xué)改革和IT人才建設(shè)。同時(shí)，中慧為世界技能大賽全國選拔賽網(wǎng)站設(shè)計(jì)與開發(fā)項(xiàng)目提供技術(shù)支持，成功保障人才選拔順利進(jìn)行，提升中國在世界技能大賽Web?Technologies項(xiàng)目的聲望和地位。書籍的作者由中慧科技的講師、高級工程師，山東科技職業(yè)學(xué)院教授Web前端開發(fā)的教師團(tuán)隊(duì)共同組成，從企業(yè)用人需求，課證賽融通、高職教學(xué)需求幾個(gè)方面出發(fā)，共同編寫。
目錄
第 一篇 數(shù)據(jù)收集與清洗
第 1章 NumPy 2
1.1 介紹和安裝開發(fā)環(huán)境 2
1.1.1 Python開發(fā)環(huán)境介紹 2
1.1.2 安裝Anaconda3 3
1.1.3 Jupyter編輯平臺(tái) 5
1.2 安裝NumPy 6
1.3 NumPy數(shù)組 7
1.3.1 NumPy ndarray對象 7
1.3.2 創(chuàng)建NumPy數(shù)組的常用函數(shù) 8
1.4 數(shù)組的索引與切片 11
1.4.1 數(shù)組的索引 11
1.4.2 數(shù)組的切片 15
1.5 基本數(shù)學(xué)運(yùn)算 17
1.5.1 數(shù)組與標(biāo)量的運(yùn)算 17
1.5.2 數(shù)組與數(shù)組的運(yùn)算 18
1.6 NumPy通用函數(shù) 18
1.6.1 mean()函數(shù) 18
1.6.2 average()函數(shù) 19
1.6.3 sum()函數(shù) 20
1.6.4 min()函數(shù) 20
1.6.5 max()函數(shù) 20
1.6.6 argmax()函數(shù) 21
1.6.7 maximum()/minimum()函數(shù) 21
1.6.8 median()函數(shù) 22
1.6.9 var()函數(shù) 23
1.6.10 std()函數(shù) 23
1.6.11 sort()函數(shù) 24
1.6.12 loadtxt()函數(shù) 24
1.7 NumPy字符串處理 26
1.7.1 add()函數(shù) 26
1.7.2 multiply()函數(shù) 26
1.7.3 center()函數(shù) 27
1.7.4 capitalize()函數(shù)和title()函數(shù) 27
1.7.5 lower()函數(shù)和upper()函數(shù) 27
1.7.6 split()函數(shù) 27
1.7.7 splitlines()函數(shù) 27
1.7.8 strip()函數(shù) 28
1.7.9 lstrip()函數(shù)和rstrip()函數(shù) 28
1.7.10 join()函數(shù) 28
1.7.11 replace()函數(shù) 28
1.8 項(xiàng)目實(shí)訓(xùn)——蘋果公司股票數(shù)據(jù)分析 29
1.8.1 項(xiàng)目需求 29
1.8.2 項(xiàng)目實(shí)施 29
1.8.3 項(xiàng)目分析 31
本章小結(jié) 31
習(xí)題 31
第 2章 pandas 34
2.1 安裝pandas 34
2.2 Series對象的基本操作 35
2.2.1 創(chuàng)建Series對象 36
2.2.2 查詢Series對象中的數(shù)據(jù) 37
2.2.3 修改、刪除Series對象中的數(shù)據(jù) 38
2.3 DataFrame對象的基本操作 40
2.3.1 創(chuàng)建DataFrame對象 41
2.3.2 DataFrame對象的屬性 42
2.3.3 查詢DataFrame對象中的數(shù)據(jù) 43
2.3.4 修改DataFrame對象中的數(shù)據(jù) 47
2.3.5 增加DataFrame對象中的數(shù)據(jù) 47
2.3.6 刪除DataFrame對象中的數(shù)據(jù) 49
2.4 pandas讀寫數(shù)據(jù) 51
2.4.1 讀寫CSV文件 51
2.4.2 讀寫Excel文件 54
2.4.3 讀寫JSON文件 56
2.5 數(shù)據(jù)索引、排序和排名 58
2.5.1 DataFrame的索引 58
2.5.2 DataFrame的排序 61
2.5.3 DataFrame的排名 64
2.6 項(xiàng)目實(shí)訓(xùn)——鏈家房屋數(shù)據(jù)分析 65
2.6.1 項(xiàng)目需求 65
2.6.2 項(xiàng)目實(shí)施 66
2.6.3 項(xiàng)目分析 69
本章小結(jié) 69
習(xí)題 70
第3章 數(shù)據(jù)處理 72
3.1 數(shù)據(jù)清洗 73
3.1.1 處理重復(fù)數(shù)據(jù) 73
3.1.2 處理缺失數(shù)據(jù) 75
3.2 數(shù)據(jù)計(jì)算 79
3.2.1 基本數(shù)學(xué)運(yùn)算 79
3.2.2 比較運(yùn)算 81
3.2.3 統(tǒng)計(jì)方法 81
3.3 數(shù)據(jù)分組 87
3.3.1 分組聚合 87
3.3.2 透視表 90
3.4 數(shù)據(jù)轉(zhuǎn)置與數(shù)據(jù)位移 91
3.4.1 數(shù)據(jù)類型轉(zhuǎn)換 91
3.4.2 數(shù)據(jù)轉(zhuǎn)置 98
3.4.3 數(shù)據(jù)位移 100
3.5 數(shù)據(jù)合并 100
3.5.1 堆疊合并 101
3.5.2 主鍵合并 104
3.5.3 重疊合并 106
3.6 項(xiàng)目實(shí)訓(xùn)——電影數(shù)據(jù)分析 106
3.6.1 項(xiàng)目需求 106
3.6.2 項(xiàng)目實(shí)施 107
3.6.3 項(xiàng)目分析 110
本章小結(jié) 111
習(xí)題 111
第二篇 數(shù)據(jù)可視化與數(shù)據(jù)分析
第4章 數(shù)據(jù)可視化 114
4.1 可視化介紹 114
4.2 Matplotlib簡介 115
4.2.1 什么是Matplotlib 115
4.2.2 Matplotlib的使用場景 115
4.2.3 Matplotlib的安裝 115
4.3 Matplotlib繪圖 115
4.3.1 Matplotlib繪圖的核心原理 115
4.3.2 折線圖 116
4.3.3 柱狀圖 128
4.3.4 直方圖 132
4.3.5 餅圖 136
4.3.6 散點(diǎn)圖 138
4.3.7 函數(shù)圖 142
4.3.8 3D繪圖 144
4.4 Seaborn繪圖 145
4.4.1 認(rèn)識(shí)Seaborn 145
4.4.2 折線圖 146
4.4.3 散點(diǎn)圖 147
4.4.4 直方圖 148
4.5 可視化分析報(bào)告 152
4.5.1 報(bào)告需求 152
4.5.2 報(bào)告內(nèi)容說明 152
4.5.3 業(yè)務(wù)實(shí)踐 152
4.5.4 報(bào)告分析 154
4.6 項(xiàng)目實(shí)訓(xùn)——2014年度用戶每月購買商品次數(shù)和購買商品數(shù)量分析報(bào)告 154
4.6.1 報(bào)告需求 154
4.6.2 報(bào)告內(nèi)容說明 154
4.6.3 項(xiàng)目實(shí)施 154
4.6.4 報(bào)告分析 155
本章小結(jié) 156
習(xí)題 156
第5章 數(shù)據(jù)分析 158
5.1 數(shù)據(jù)分析介紹 158
5.2 列表分析 159
5.2.1 分析需求 159
5.2.2 分析關(guān)注點(diǎn) 159
5.2.3 分析思路 159
5.2.4 列表分析結(jié)果 164
5.3 協(xié)方差分析 164
5.3.1 認(rèn)識(shí)協(xié)方差分析 164
5.3.2 協(xié)方差分析的意義 164
5.3.3 協(xié)方差分析實(shí)施 165
5.3.4 協(xié)方差分析結(jié)果 166
5.4 直方圖分析 166
5.4.1 需求分析 166
5.4.2 分析關(guān)注點(diǎn) 166
5.4.3 分析思路 166
5.4.4 直方圖分析結(jié)果 169
5.5 對比分析 169
5.5.1 認(rèn)識(shí)對比分析 169
5.5.2 分析需求 169
5.5.3 分析關(guān)注點(diǎn) 169
5.5.4 分析思路 169
5.5.5 對比分析結(jié)果 174
5.6 項(xiàng)目實(shí)訓(xùn)——全國各省份“985”高校高考錄取分?jǐn)?shù)線分析 174
5.6.1 需求分析 174
5.6.2 分析關(guān)注點(diǎn) 174
5.6.3 分析思路 174
5.6.4 對比分析結(jié)果 178
本章小結(jié) 178
習(xí)題 179
第三篇 人工智能應(yīng)用
第6章 機(jī)器學(xué)習(xí) 182
6.1 認(rèn)識(shí)機(jī)器學(xué)習(xí) 182
6.1.1 機(jī)器學(xué)習(xí)應(yīng)用場景 182
6.1.2 機(jī)器學(xué)習(xí)的組成 183
6.1.3 訓(xùn)練過程 185
6.1.4 算法匯總 185
6.1.5 開發(fā)流程 185
6.2 認(rèn)識(shí)并安裝Scikit-Learn 186
6.2.1 Scikit-Learn簡介 186
6.2.2 Scikit-Learn基本概括 186
6.2.3 模型選擇 186
6.2.4 數(shù)據(jù)劃分 187
6.2.5 常用模塊 188
6.2.6 安裝sklearn 188
6.3 回歸模型 188
6.3.1 廣義線性模型 189
6.3.2 樹回歸 191
6.3.3 k近鄰回歸 192
6.3.4 集成回歸模型：Bagging 193
6.3.5 集成回歸模型：Boosting 194
6.4 分類模型 194
6.4.1 邏輯回歸 195
6.4.2 決策樹 196
6.4.3 支持向量機(jī) 197
6.4.4 KNN 198
6.4.5 樸素貝葉斯 198
6.4.6 集成模型：Bagging 199
6.4.7 集成模型：Boosting 200
6.5 聚類模型 201
6.5.1 聚類 201
6.5.2 降維 203
6.6 項(xiàng)目實(shí)訓(xùn)——手寫數(shù)字識(shí)別 204
6.6.1 實(shí)訓(xùn)需求 204
6.6.2 項(xiàng)目分析 204
6.6.3 數(shù)據(jù)集導(dǎo)入及處理 204
6.6.4 劃分訓(xùn)練集和測試集 204
6.6.5 隨機(jī)森林模型 204
6.6.6 k近鄰模型 205
6.6.7 邏輯回歸模型 205
6.6.8 模型選擇及分類 205
6.6.9 項(xiàng)目結(jié)果分析 206
本章小結(jié) 206
習(xí)題 206
第7章 深度學(xué)習(xí) 208
7.1 神經(jīng)網(wǎng)絡(luò) 208
7.1.1 認(rèn)識(shí)神經(jīng)網(wǎng)絡(luò) 208
7.1.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 211
7.2 深度學(xué)習(xí)框架Keras 213
7.2.1 認(rèn)識(shí)Keras 213
7.2.2 Keras的安裝 214
7.2.3 Keras里的模塊介紹 215
7.2.4 Keras工作流程 216
7.3 深度學(xué)習(xí)的應(yīng)用 216
7.3.1 Mnist手寫數(shù)字?jǐn)?shù)據(jù)集 216
7.3.2 CNN 219
7.3.3 RNN 221
7.4 項(xiàng)目實(shí)訓(xùn)——CIFAR-10圖像識(shí)別 224
7.4.1 實(shí)訓(xùn)需求 224
7.4.2 CIFAR-10數(shù)據(jù)集簡介 224
7.4.3 項(xiàng)目實(shí)踐 224
7.4.4 項(xiàng)目總結(jié) 227
本章小結(jié) 228
習(xí)題 228
第8章 推薦系統(tǒng) 229
8.1 認(rèn)識(shí)協(xié)同過濾 229
8.2 基于用戶的協(xié)同過濾算法 230
8.3 基于項(xiàng)目的協(xié)同過濾算法 232
8.4 項(xiàng)目實(shí)訓(xùn)——電影推薦系統(tǒng) 237
8.4.1 實(shí)訓(xùn)需求 237
8.4.2 數(shù)據(jù)集介紹 237
8.4.3 項(xiàng)目實(shí)施 238
8.4.4 結(jié)果分析 242
本章小結(jié) 242
習(xí)題 242
書單推薦
