数据交易导航，数据资产入表，数据交易平台，数据要素市场

第1部分  基  礎(chǔ)  篇

第1章

Python語言基礎(chǔ)    /2

1.0  引子    /2

1.1  工欲善其事，必先利其器（安裝Python）    /3

1.2  學(xué)跑得先學(xué)走（語法基礎(chǔ)）    /9

1.3  程序結(jié)構(gòu)    /11

1.3.1  Hello World !    /11

1.3.2  運算符介紹    /12

1.3.3  順序結(jié)構(gòu)    /14

1.3.4  判斷結(jié)構(gòu)    /17

1.3.5  循環(huán)結(jié)構(gòu)    /18

1.3.6  異常    /20

1.4  函數(shù)    /24

1.4.1  基本函數(shù)結(jié)構(gòu)    /24

1.4.2  參數(shù)結(jié)構(gòu)    /25

1.4.3  回調(diào)函數(shù)    /28

1.4.4  函數(shù)的遞歸與嵌套    /28

1.4.5  閉包    /31

1.4.6  匿名函數(shù)lambda    /32

1.4.7  關(guān)鍵字yield    /32

1.5  數(shù)據(jù)結(jié)構(gòu)    /35

1.5.1  列表（list）    /35

1.5.2  元組（tuple）    /38

1.5.3  集合（set）    /39

1.5.4  字典（dict）    /40

1.5.5  集合的操作    /41

1.5.6  學(xué)以致用    /45

1.6  3個函數(shù)（map、filter、reduce）    /47

1.6.1  遍歷函數(shù)（map）    /47

1.6.2  篩選函數(shù)（filter）    /48

1.6.3  累計函數(shù)（reduce）    /48

1.7  面向?qū)ο缶幊袒A(chǔ)    /50

1.7.1  類    /50

1.7.2  類和實例    /51

1.7.3  數(shù)據(jù)封裝    /52

1.7.4  私有變量與私有方法    /53

本章小結(jié)    /54

第2章

數(shù)據(jù)處理    /60

2.1  Anaconda簡介    /60

2.2  Numpy簡介    /66

2.3  關(guān)于Pandas    /68

2.3.1  什么是Pandas    /68

2.3.2  Pandas中的數(shù)據(jù)結(jié)構(gòu)    /68

2.4  數(shù)據(jù)準(zhǔn)備    /68

2.4.1  數(shù)據(jù)類型    /68

2.4.2  數(shù)據(jù)結(jié)構(gòu)    /69

2.4.3  數(shù)據(jù)導(dǎo)入    /79

2.4.4  數(shù)據(jù)導(dǎo)出    /86

2.5  數(shù)據(jù)處理    /88

2.5.1  數(shù)據(jù)清洗    /89

2.5.2  數(shù)據(jù)抽取    /97

2.5.3  插入記錄    /114

2.5.4  修改記錄    /117

2.5.5  交換行或列    /120

2.5.6  排名索引    /122

2.5.7  數(shù)據(jù)合并    /131

2.5.8  數(shù)據(jù)計算    /137

2.5.9  數(shù)據(jù)分組    /141

2.5.10  日期處理    /143

帶你飛（數(shù)據(jù)處理案例）    /148

本章小結(jié)    /160

第3章

數(shù)據(jù)分析    /165

3.1  基本統(tǒng)計分析    /165

3.2  分組分析    /169

3.3  分布分析    /171

3.4  交叉分析    /173

3.5  結(jié)構(gòu)分析    /174

3.6  相關(guān)分析    /176

小試牛刀（相關(guān)分析案例：電商數(shù)據(jù)分析）    /178

本章小結(jié)    /180

第4章

數(shù)據(jù)可視化    /181

4.1  使用Python對數(shù)據(jù)進行可視化處理    /181

4.1.1  準(zhǔn)備工作    /181

4.1.2  Matplotlib繪圖示例    /186

4.1.3  Seabon中的圖例    /198

4.1.4  pandas的一些可視化功能    /212

4.1.5  文本數(shù)據(jù)可視化    /217

4.1.6  networkx網(wǎng)絡(luò)圖    /218

4.1.7  folium繪制地圖    /220

4.2  Python圖像處理基礎(chǔ)    /221

4.2.1  PIL圖庫    /221

4.2.2  OpenCV圖庫    /224

本章小結(jié)    /226

第5章

字符串處理與網(wǎng)絡(luò)爬蟲    /228

5.1  字符串處理    /228

5.1.1  字符串處理函數(shù)    /228

5.1.2  正則表達(dá)式    /230

5.1.3  編碼處理    /237

5.2  網(wǎng)絡(luò)爬蟲    /240

5.2.1  獲取網(wǎng)頁源碼    /240

5.2.2  從源碼中提取信息    /241

5.2.3  數(shù)據(jù)存儲    /246

5.2.4  網(wǎng)絡(luò)爬蟲從這里開始    /248

本章小結(jié)    /260

第2部分  實戰(zhàn)案例篇

第6章

詞云    /262

6.1  安裝文件包    /263

6.2  jieba功能用法    /264

6.2.1  cut用法    /264

6.2.2  詞頻與分詞字典    /265

6.3  文本詞云圖    /269

6.4  背景輪廓詞云圖的制作    /271

6.4.1  數(shù)據(jù)準(zhǔn)備    /271

6.4.2  分詞    /272

6.4.3  構(gòu)建詞云    /273

本章小結(jié)    /278

第7章

航空客戶分類    /279

7.1  問題的提出    /279

7.2  聚類分析相關(guān)概念    /280

7.3  模型的建立    /281

7.4  Python實現(xiàn)代碼    /281

7.5  分類結(jié)果展示與分析    /284

本章小結(jié)    /287

第8章

《紅樓夢》文本分析    /288

8.1  準(zhǔn)備工作    /289

8.2  分詞    /291

8.2.1  讀取數(shù)據(jù)    /291

8.2.2  數(shù)據(jù)預(yù)處理    /293

8.2.3  對紅樓夢進行分詞    /301

8.2.4  制作詞云    /303

8.3  文本聚類分析    /312

8.3.1  構(gòu)建分詞TF-IDF矩陣    /312

8.3.2  使用TF-IDF矩陣對章節(jié)進行聚類    /314

8.4  LDA主題模型    /322

8.5  人物社交網(wǎng)絡(luò)分析    /328

本章小結(jié)    /334

第3部分  拓展與延伸

第9章

Python字符串格式化    /336

9.1  使用%符號進行格式化    /336

9.2  使用format()方法進行格式化    /339

9.3  使用f方法進行格式化    /341

本章小結(jié)    /342

第10章

在Python中操作MySQL數(shù)據(jù)庫    /343

10.1  對MySQL的連接與訪問    /344

10.2  對MySQL的增、刪、改、查操作    /345

10.2.1  查詢操作    /345

10.2.2  插入操作    /346

10.2.3  更新操作    /347

10.2.4  刪除操作    /347

10.3  創(chuàng)建數(shù)據(jù)庫表    /348

本章小結(jié)    /349

第11章

fractal（分形）庫的發(fā)布    /350

11.1  用Python繪制分形    /351

11.1.1  分形簡介    /351

11.1.2  先睹為快    /351

11.1.3  繪制方法簡介    /352

11.2  第三方庫發(fā)布到PyPi    /364

本章小結(jié)    /369

參考文獻(xiàn)    /370