python数据分析、挖掘与可视化 慕课答案_Python数据分析、挖掘与可视化(慕课版)...

第1章 Python开发环境的搭建与编码规范 1n

1.1 Python开发环境的搭建与使用 1n

1.1.1 IDLE 2n

1.1.2 Anaconda3 3n

1.1.3 安装扩展库 4n

1.2 Python编码规范 5n

1.3 标准库、扩展库对象的n

导入与使用 7n

1.3.1 import模块名[ as 别名] 7n

1.3.2 from模块名importn

对象名[ as 别名] 7n

1.3.3 from模块名import * 8n

本章知识要点 8n

本章习题 9n

第2章 数据类型、运算符与内置函数 10n

第1章 Python开发环境的搭建与编码规范 1n

1.1 Python开发环境的搭建与使用 1n

1.1.1 IDLE 2n

1.1.2 Anaconda3 3n

1.1.3 安装扩展库 4n

1.2 Python编码规范 5n

1.3 标准库、扩展库对象的n

导入与使用 7n

1.3.1 import模块名[ as 别名] 7n

1.3.2 from模块名importn

对象名[ as 别名] 7n

1.3.3 from模块名import * 8n

本章知识要点 8n

本章习题 9n

第2章 数据类型、运算符与内置函数 10n

2.1 常用内置数据类型 10n

2.1.1 整数、浮点数、复数 11n

2.1.2 列表、元组、字典、集合 12n

2.1.3 字符串 13n

2.2 运算符与表达式 14n

2.2.1 算术运算符 15n

2.2.2 关系运算符 17n

2.2.3 成员测试运算符 18n

2.2.4 集合运算符 18n

2.2.5 逻辑运算符 18n

2.3 常用内置函数 19n

2.3.1 类型转换 21n

2.3.2 最大值、最小值 22n

2.3.3 元素数量、求和 23n

2.3.4 排序、逆序 24n

2.3.5 基本输入/输出 25n

2.3.6 range() 26n

2.3.7 zip() 26n

2.3.8 map()、reduce()、filter() 27n

2.4 综合应用与例题解析 28n

本章知识要点 29n

本章习题 30n

第3章 列表、元组、字典、集合与n

字符串 31n

3.1 列表与列表推导式 31n

3.1.1 创建列表 31n

3.1.2 使用下标访问列表中的n

元素 32n

3.1.3 列表常用方法 33n

3.1.4 列表推导式 34n

3.1.5 切片操作 35n

3.2 元组与生成器表达式 36n

3.2.1 元组与列表的区别 36n

3.2.2 生成器表达式 36n

3.2.3 序列解包 37n

3.3 字典 37n

3.3.1 字典元素的访问 38n

3.3.2 字典元素的修改、n

添加与删除 39n

3.4 集合 39n

3.4.1 集合概述 39n

3.4.2 集合常用方法 40n

3.5 字符串常用方法 40n

3.5.1 encode() 41n

3.5.2 format() 41n

3.5.3 index()、rindex()、count() 42n

3.5.4 replace()、maketrans()、n

translate() 42n

3.5.5 ljust()、rjust()、center() 43n

3.5.6 split()、rsplit()、join() 43n

3.5.7 lower()、upper()、capitalize()、n

title()、swapcase() 44n

3.5.8 startswith()、endswith() 44n

3.5.9 strip()、rstrip()、lstrip() 44n

3.6 综合应用与例题解析 45n

本章知识要点 47n

本章习题 47n

第4章 选择结构、循环结构、n

函数定义与使用 49n

4.1 选择结构 49n

4.1.1 条件表达式 49n

4.1.2 单分支选择结构 50n

4.1.3 双分支选择结构 50n

4.1.4 嵌套的分支结构 50n

4.2 循环结构 51n

4.2.1 for循环 51n

4.2.2 while循环 51n

4.2.3 break与continue语句 52n

4.3 函数定义与使用 52n

4.3.1 函数定义基本语法 52n

4.3.2 lambda表达式 52n

4.3.3 递归函数 53n

4.3.4 生成器函数 53n

4.3.5 位置参数、默认值参数、关键n

参数、可变长度参数 54n

4.3.6 变量作用域 55n

4.4 综合应用与例题解析 56n

本章知识要点 57n

本章习题 58n

第5章 文件操作 59n

5.1 文件操作基础 59n

5.1.1 内置函数open() 59n

5.1.2 文件对象常用方法 60n

5.1.3 上下文管理语句with 61n

5.2 JSON文件操作 61n

5.3 CSV文件操作 62n

5.4 Word、Excel、PowerPointn

文件操作实战 63n

本章知识要点 65n

本章习题 65n

第6章 numpy数组与矩阵运算 67n

6.1 numpy数组及其运算 67n

6.1.1 创建数组 67n

6.1.2 测试两个数组的对应元素n

是否足够接近 69n

6.1.3 修改数组中的元素值 70n

6.1.4 数组与标量的运算 71n

6.1.5 数组与数组的运算 71n

6.1.6 数组排序 72n

6.1.7 数组的内积运算 73n

6.1.8 访问数组中的元素 73n

6.1.9 数组对函数运算的支持 74n

6.1.10 改变数组形状 75n

6.1.11 数组布尔运算 76n

6.1.12 分段函数 77n

6.1.13 数组堆叠与合并 78n

6.2 矩阵生成与常用操作 79n

6.2.1 矩阵生成 79n

6.2.2 矩阵转置 79n

6.2.3 查看矩阵特征 80n

6.2.4 矩阵乘法 81n

6.2.5 计算相关系数矩阵 81n

6.2.6 计算方差、协方差、标准差 82n

6.3 计算特征值与特征向量 82n

6.4 计算逆矩阵 83n

6.5 求解线性方程组 84n

6.6 计算向量和矩阵的范数 85n

6.7 奇异值分解 86n

6.8 函数向量化 87n

本章知识要点 88n

本章习题 88n

第7章 pandas数据分析实战 91n

7.1 pandas常用数据类型 91n

7.1.1 一维数组与常用操作 92n

7.1.2 时间序列与常用操作 96n

7.1.3 二维数组DataFrame 99n

7.2 DataFrame数据处理与分析实战 101n

7.2.1 读取Excel文件中的数据 101n

7.2.2 筛选符合特定条件的数据 103n

7.2.3 查看数据特征和统计信息 106n

7.2.4 按不同标准对数据排序 108n

7.2.5 使用分组与聚合对员工n

业绩进行汇总 110n

7.2.6 处理超市交易数据中的n

异常值 114n

7.2.7 处理超市交易数据中的n

缺失值 115n

7.2.8 处理超市交易数据中的n

重复值 117n

7.2.9 使用数据差分查看员工n

业绩波动情况 118n

7.2.10 使用透视表与交叉表查看n

业绩汇总数据 119n

7.2.11 使用重采样技术按时间段n

查看员工业绩 123n

7.2.12 多索引相关技术与操作 125n

7.2.13 使用标准差与协方差分析n

员工业绩 127n

7.2.14 使用pandas的属性接口实现n

高级功能 130n

7.2.15 绘制各员工在不同柜台n

业绩平均值的柱状图 132n

7.2.16 查看DataFrame的内存n

占用情况 134n

7.2.17 数据拆分与合并 135n

本章知识要点 139n

本章习题 140n

第8章 sklearn机器学习实战 141n

8.1 机器学习基本概念 141n

8.2 机器学习库sklearn简介 147n

8.2.1 扩展库sklearn常用n

模块与对象 147n

8.2.2 选择合适的模型和算法 149n

8.3 线性回归算法的原理与应用 149n

8.3.1 线性回归模型的原理 149n

8.3.2 sklearn中线性回归模型的n

简单应用 150n

8.3.3 岭回归的基本原理与n

sklearn实现 151n

8.3.4 套索回归Lasso的基本n

原理与sklearn实现 152n

8.3.5 弹性网络ElasticNet的基本n

原理与sklearn实现 153n

8.3.6 使用线性回归模型预测n

儿童身高 153n

8.4 逻辑回归算法的原理与应用 155n

8.4.1 逻辑回归算法的原理与n

sklearn实现 155n

8.4.2 使用逻辑回归算法预测n

考试能否及格 157n

8.5 朴素贝叶斯算法的原理与应用 158n

8.5.1 基本概念 158n

8.5.2 朴素贝叶斯算法分类的原理与n

sklearn实现 160n

8.5.3 使用朴素贝叶斯算法对中文n

邮件进行分类 161n

8.6 决策树与随机森林算法的应用 163n

8.6.1 基本概念 163n

8.6.2 决策树算法原理与n

sklearn实现 163n

8.6.3 随机森林算法原理与n

sklearn实现 166n

8.6.4 使用决策树算法判断学员的n

Python水平 168n

8.7 支持向量机算法原理与应用 170n

8.7.1 支持向量机算法基本原理与n

sklearn实现 170n

8.7.2 使用支持向量机对手写数字n

图像进行分类 172n

8.8 KNN算法原理与应用 175n

8.8.1 KNN算法的基本原理与n

sklearn实现 175n

8.8.2 使用KNN算法判断交通n

工具类型 177n

8.9 KMeans聚类算法原理与应用 178n

8.9.1 KMeans聚类算法的基本原理n

与sklearn实现 178n

8.9.2 使用KMeans算法压缩n

图像颜色 181n

8.10 分层聚类算法原理与应用 182n

8.11 DBSCAN算法原理与应用 184n

8.12 使用协同过滤算法进行n

电影推荐 187n

8.13 关联规则分析原理与应用 189n

8.13.1 关联规则分析原理与n

基本概念 189n

8.13.2 使用关联规则分析n

演员关系 190n

8.14 数据降维 192n

8.15 交叉验证与网格搜索 195n

8.15.1 使用交叉验证评估模型n

泛化能力 195n

8.15.2 使用网格搜索确定模型n

最佳参数 197n

本章知识要点 199n

本章习题 200n

第9章 matplotlib数据可视化实战 201n

9.1 数据可视化库matplotlib基础 201n

9.2 绘制折线图实战 202n

9.3 绘制散点图实战 205n

9.4 绘制柱状图实战 208n

9.5 绘制饼状图实战 212n

9.6 绘制雷达图实战 215n

9.7 绘制三维图形实战 218n

9.8 绘图区域切分实战 224n

9.9 设置图例样式实战 225n

9.10 事件响应与处理实战 229n

9.11 填充图形 244n

9.12 保存绘图结果 246n

本章知识要点 247n

本章习题 247n

部分习题答案 248n

第1章 Python开发环境搭建与n

编码规范 248n

第2章 数据类型、运算符与n

内置函数 248n

第3章 列表、元组、字典、集合与n

字符串 249n

第4章 选择结构、循环结构、函数n

定义与使用 251n

第5章 文件操作 253n

第6章 numpy数组与矩阵运算 254n

第7章 pandas数据分析实战 255n

附录A 运算符、内置函数对常用内置n

对象的支持情况表 257n

附录B Python关键字清单 258n

附录C 常用标准库对象速查表 260n

附录D 常用Python扩展库清单 263n

参考文献 264

你可能感兴趣的:(python数据分析,挖掘与可视化,慕课答案)