数据智能—Python数据分析与可视化

理论篇
第1章数据智能概述3
1.1数据智能技术3
1.1.1数据科学过程的基本概念4
1.1.2机器学习5
1.1.3深度学习9
1.1.4习题与实践10
1.2编程思维10
1.2.1编程思维概述10
1.2.2习题与实践11
1.3数据结构与应用11
1.3.1数据的逻辑结构11
1.3.2数据的存储结构12
1.3.3常见的数据结构13
1.3.4习题与实践14
1.4数据隐私与数据安全15
1.4.1数据隐私15
1.4.2数据安全16
1.4.3数据道德18
1.4.4习题与实践20
第2章基本数据处理21
2.1算法的表达21
2.1.1什么是算法21
2.1.2算法流程图22
2.1.3算法的控制结构23
2.1.4习题与实践25〖3〗数据智能——Python数据分析与可视化目录〖3〗2.2数据基础25
2.2.1数据的程序表达25
2.2.2数据的传递38
2.2.3习题与实践42
2.3批量数据处理应用43
2.3.1字符串43
2.3.2列表45
2.3.3元组47
2.3.4字典48
2.3.5集合50
2.3.6习题与实践52
第3章数据处理编程53
3.1程序的基本结构53
3.1.1控制流53
3.1.2程序运算选择58
3.1.3程序运算控制64
3.1.4习题与实践70
3.2模块化程序设计71
3.2.1函数71
3.2.2模块与Python库73
3.2.3习题与实践77
第4章数据获取与计算79
4.1数据采集和处理79
4.1.1文件输入输出80
4.1.2读取文件内容82
4.1.3将数据写入文件83
4.1.4习题与实践85
4.2数据预处理85
4.2.1数据探查86
4.2.2搜集数据86
4.2.3数据预处理的方法87
4.2.4习题与实践89
4.3Python数值统计90
4.3.1NumPy90
4.3.2ndarray对象90
4.3.3NumPy 数据类型92
4.3.4NumPy 数组属性94
4.3.5其他创建数组的方式96
4.3.6切片、迭代和索引100
4.3.7NumPy计算102
4.3.8习题与实践103
第5章数据分析与可视化104
5.1Python数据分析104
5.1.1Series数据结构105
5.1.2DataFrame对象107
5.1.3Pandas的数据预处理116
5.1.4习题与实践120
5.2Python数据可视化121
5.2.1Matplotlib模块121
5.2.2Seaborn模块131
5.2.3习题与实践135
第6章电信行业客户行为分析与流失预警136
6.1客户流失分析136
6.1.1客户流失分析的核心问题137
6.1.2流失客户分析137
6.2数据获取138
6.3数据预处理146
6.4流失用户的特征分析151
6.5流失用户分析与预警158
实验篇
实验1计算思维和编程思维实践165
实验2数据的输入和输出170实验3数据的程序表达172实验4程序运算选择174实验5程序运算控制177实验6批量数据处理180实验7模块化程序设计183实验8数据采集和预处理186实验9Python数据分析188实验10Python数据可视化1191实验11Python数据可视化2193