Python数据分析、挖掘与可视化从入门到精通

封面

版权页

前言 Preface

第1篇 基础入门篇

第1章 从零开始：初识数据分析与挖掘

1.1 什么是数据分析

1.2 什么是数据挖掘

1.3 数据分析与挖掘的应用领域

1.4 用Python进行数据分析与挖掘

1.5 本章小结

1.6 思考与练习

第2章 Python数据分析基础

2.1 搭建Python开发环境

2.2 Python基础

2.3 本章小结

2.4 思考与练习

第3章 Python数据分析相关库应用

3.1 NumPy

3.2 SciPy

3.3 Pandas

3.4 Scikit-learn

3.5 其他常用模块

3.6 本章小结

3.7 思考与练习

第2篇 数据分析篇

第4章 数据的预处理

4.1 数据获取

4.2 文件与数据存储

4.3 数据清洗

4.4 本章小结

4.5 思考与练习

第5章 数据的分析方法

5.1 分布分析

5.2 对比分析

5.3 统计量分析

5.4 相关性分析

5.5 帕累托分析

5.6 正态分布分析

5.7 本章小结

5.8 思考与练习

第6章 数据可视化工具的应用

6.1 数据可视化工具——Matplotlib

6.2 数据可视化工具——Seaborn

6.3 本章小结

6.4 思考与练习

第3篇 数据挖掘篇

第7章 数据挖掘之线性回归

7.1 线性回归概述

7.2 一元线性回归

7.3 多元线性回归

7.4 线性回归模型的评估与检验

7.5 本章小结

7.6 思考与练习

第8章 数据挖掘之分类模型

8.1 逻辑回归模型

8.2 决策树和随机森林算法

8.3 KNN算法

8.4 本章小结

8.5 思考与练习

第9章 数据挖掘之关联分析

9.1 关联分析概述

9.2 Apriori关联分析算法

9.3 FP-growth关联分析算法

9.4 本章小结

9.5 思考与练习

第10章 数据挖掘之聚类分析

10.1 聚类分析概述

10.2 质心聚类——K-Means算法

10.3 密度聚类——DBSCAN算法

10.4 层次聚类——AGNES算法

10.5 本章小结

10.6 思考与练习

第4篇 实战应用篇

第11章 实战案例：房价评估数据分析与挖掘

11.1 加载数据集

11.2 数据分析

11.3 数据可视化

11.4 数据预处理

11.5 拆分数据集

11.6 建立线性回归模型

11.7 建立决策树模型

11.8 对比分析构建的线性回归和决策树模型

11.9 本章小结

第12章 实战案例：电信客户流失数据分析与挖掘

12.1 案例背景

12.2 加载数据

12.3 数据准备

12.4 数据清洗

12.5 数据处理

12.6 数据可视化

12.7 特征工程

12.8 数据建模

12.9 训练模型

12.10 模型的评估