Python数据分析基础PDF|Epub|txt|kindle电子书版本网盘下载

Python数据分析基础PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 Python编程基础1

1.1 Python系统配置1

1.2 Python基础知识5

1.2.1 帮助6

1.2.2 标识符6

1.2.3 行与缩进7

1.2.4 变量与对象7

1.2.5 数字与表达式9

1.2.6 运算符10

1.2.7 字符串11

1.2.7.1 转义字符11

1.2.7.2 字符串格式化12

1.2.7.3 字符串的内置方法13

1.2.8 日期和时间17

1.3 数据结构与序列18

1.3.1 列表19

1.3.1.1 列表索引和切片19

1.3.1.2 列表操作20

1.3.1.3 内置列表函数20

1.3.1.4 列表方法21

1.3.2 元组22

1.3.3 字典23

1.3.4 集合24

1.3.5 推导式26

1.4 语句与控制流27

1.4.1 条件语句27

1.4.2 循环语句28

1.4.2.1 while循环28

1.4.2.2 for循环29

1.4.2.3 循环控制30

1.5 函数30

1.5.1 函数的参数32

1.5.2 全局变量与局部变量32

1.5.3 匿名函数33

1.5.4 递归和闭包33

1.5.5 柯里化与反柯里化35

1.5.6 常用的内置函数36

1.5.6.1 filter函数36

1.5.6.2 map函数36

1.5.6.3 reduce函数37

1.6 迭代器、生成器和装饰器37

1.6.1 迭代器37

1.6.2 生成器38

1.6.3 装饰器40

1.7 类42

1.7.1 声明类42

1.7.2 方法44

1.7.2.1 实例方法44

1.7.2.2 类方法45

1.7.2.3 静态方法46

1.7.3 属性47

1.7.3.1 实例属性和类属性47

1.7.3.2 私有属性和公有属性48

1.7.4 继承49

1.7.4.1 隐式继承49

1.7.4.2 显式覆盖50

1.7.4.3 super继承51

1.7.4.4 多态52

1.7.4.5 多重继承54

1.8 模块54

1.9 包55

1.10 文件I/O55

第2章 数据预处理59

2.1 numpy基础59

2.1.1 向量61

2.1.2 数组62

2.1.2.1 数据类型与结构数组63

2.1.2.2 索引与切片64

2.1.2.3 数组的属性68

2.1.2.4 数组排序69

2.1.2.5 数组维度70

2.1.2.6 数组组合72

2.1.2.7 数组分拆75

2.1.2.8 ufunc运算76

2.1.3 矩阵81

2.1.4 文件读写81

2.2 pandas基础82

2.2.1 pandas的数据结构83

2.2.1.1 Series83

2.2.1.2 DataFrame87

2.2.2 pandas的数据操作96

2.2.2.1 排序96

2.2.2.2 排名98

2.2.2.3 运算100

2.2.2.4 函数应用与映射101

2.2.2.5 分组102

2.2.2.6 合并103

2.2.2.7 分类数据106

2.2.2.8 时间序列107

2.2.2.9 缺失值处理116

第3章 数据描述122

3.1 统计量122

3.1.1 集中趋势122

3.1.1.1 均值123

3.1.1.2 中位数124

3.1.1.3 分位数125

3.1.1.4 众数125

3.1.2 离散程度126

3.1.2.1 极差126

3.1.2.2 四分位差127

3.1.2.3 方差和标准差127

3.1.2.4 协方差128

3.1.2.5 变异系数128

3.1.3 分布形状128

3.1.3.1 偏度129

3.1.3.2 峰度129

3.2 统计表130

3.2.1 统计表的基本要素130

3.2.2 统计表的编制131

第4章 统计图形与可视化135

4.1 matplotlib基本绘图135

4.1.1 函数绘图135

4.1.2 图形基本设置140

4.1.2.1 创建图例140

4.1.2.2 刻度设置141

4.1.2.3 图像注解142

4.1.2.4 图像大小143

4.1.2.5 创建子图144

4.1.2.6 其他绘图函数145

4.1.3 面向对象绘图146

4.1.4 绘图样式148

4.2 pandas基本绘图148

4.3 基本统计图形150

4.3.1 折线图150

4.3.2 面积图153

4.3.3 直方图153

4.3.4 条形图155

4.3.5 龙卷风图158

4.3.6 饼图159

4.3.7 阶梯图160

4.3.8 盒须图161

4.3.9 小提琴图163

4.3.10 散点图164

4.3.11 气泡图166

4.3.12 六边形箱图167

4.3.13 雷达坐标图168

4.3.14 轮廓图169

4.3.15 调和曲线图169

4.3.16 等高线图170

4.3.17 极坐标图170

4.3.18 词云图171

4.3.19 数据地图174

4.4 其他绘图工具176

第5章 简单统计推断178

5.1 常用数据分析工具库178

5.1.1 scipy178

5.1.2 statsmodels179

5.1.3 sklearn180

5.2 简单统计推断的基本原理180

5.2.1 数据分布180

5.2.1.1 总体分布181

5.2.1.2 样本分布181

5.2.1.3 抽样分布181

5.2.2 参数估计183

5.2.2.1 点估计184

5.2.2.2 区间估计184

5.2.3 假设检验185

5.2.3.1 假设检验的基本思想185

5.2.3.2 假设检验基本步骤186

5.2.3.3 假设检验中总体的几种不同情况187

5.3 单总体参数的估计及假设检验189

5.3.1 单总体的参数估计189

5.3.1.1 单总体均值的参数估计189

5.3.1.2 单总体方差、标准差的参数估计190

5.3.1.3 单总体比例的参数估计191

5.3.2 单总体参数的假设检验191

5.3.2.1 总体均值的假设检验191

5.3.2.2 总体比例的假设检验194

5.4 两总体参数的假设检验194

5.4.1 独立样本的假设检验195

5.4.1.1 独立样本均值之差的假设检验195

5.4.1.2 独立样本比例之差的假设检验197

5.4.2 成对样本的假设检验198

第6章 方差分析201

6.1 方差分析的基本原理201

6.2 一元方差分析205

6.2.1 一元单因素方差分析205

6.2.1.1 方差同质性检验206

6.2.1.2 方差来源分解及检验过程206

6.2.1.3 多重比较检验207

6.2.1.4 方差分析模型的参数估计和预测208

6.2.1.5 方差分析模型的预测210

6.2.2 一元多因素方差分析210

6.2.2.1 只考虑主效应的多因素方差分析211

6.2.2.2 存在交互效应的多因素方差分析215

6.3 协方差分析217

第7章 非参数检验220

7.1 非参数检验的基本问题220

7.2 单样本非参数检验221

7.2.1 中位数（均值）的检验221

7.2.2 分布的检验223

7.2.3 游程检验224

7.3 两个样本的非参数检验225

7.3.1 独立样本中位数比较的Wilcoxon秩和检验225

7.3.2 独立样本的分布检验227

7.3.3 成对（匹配）样本中位数的检验228

7.3.4 两样本的游程检验228

7.4 多个样本的非参数检验229

7.4.1 多个样本的分布检验229

7.4.2 独立样本位置的检验230

第8章 相关分析与关联分析233

8.1 相关分析233

8.1.1 函数关系与相关关系233

8.1.2 简单相关分析234

8.1.2.1 用图形描述相关关系234

8.1.2.2 用相关系数测度相关关系235

8.1.2.3 相关系数的显著性检验236

8.1.3 偏相关分析238

8.1.4 点二列相关分析239

8.1.5 非参数相关分析240

8.1.5.1 Spearman相关系数240

8.1.5.2 Kendall tau-b系数241

8.1.5.3 Hoeffding’s D系数241

8.2 关联分析243

8.2.1 基本概念与数据预处理243

8.2.2 Apriori算法245

8.2.3 FP-growth算法249

第9章 回归分析251

9.1 线性回归251

9.1.1 回归分析的基本原理251

9.1.1.1 参数估计的普通最小二乘法253

9.1.1.2 回归方程的检验及模型预测254

9.1.2 一元线性回归255

9.1.3 多元线性回归262

9.1.4 含有定性自变量的线性回归266

9.2 非线性回归270

9.2.1 可线性化的非线性分析270

9.2.2 非线性回归模型273

9.3 多项式回归276

9.4 分位数回归279

第10章 离散因变量模型285

10.1 线性概率模型285

10.2 二元选择模型287

10.2.1 线性概率模型的缺陷与改进287

10.2.2 二元选择模型的基本原理287

10.2.2.1 模型构建和参数估计过程288

10.2.2.2 模型检验289

10.2.3 BINARY PROBIT模型289

10.2.4 BINARY LOGIT模型293

10.3 多重选择模型295

10.4 计数模型298

第11章 主成分与因子分析301

11.1 数据降维301

11.1.1 数据降维的基本问题302

11.1.2 数据降维的基本原理302

11.2 主成分分析303

11.2.1 主成分分析的基本概念与原理303

11.2.2 主成分分析的基本步骤和过程304

11.3 因子分析313

11.3.1 因子分析的基本原理313

11.3.1.1 因子分析模型313

11.3.1.2 因子旋转314

11.3.1.3 因子得分314

11.3.2 因子分析的基本步骤和过程315

第12章 列联分析与对应分析326

12.1 列联分析326

12.1.1 列联表326

12.1.2 列联表的分布329

12.1.3 X2分布与X2检验330

12.1.4 X2分布的期望值准则331

12.2 对应分析332

12.2.1 对应分析的基本思想332

12.2.2 对应分析的步骤和过程333

12.2.2.1 概率矩阵p333

12.2.2.2 数据点坐标333

12.2.2.3 行列变量分类降维335

12.2.2.4 对应分析图335

第13章 聚类345

13.1 聚类的基本原理345

13.1.1 聚类的基本原则346

13.1.2 单一指标的系统聚类过程347

13.1.3 多指标的系统聚类过程349

13.2 聚类的步骤和过程354

13.2.1 系统聚类354

13.2.2 K-MEANS聚类360

13.2.3 DBSCAN聚类361

第14章 判别和分类363

14.1 判别和分类的基本思想363

14.2 常用判别方法和分类算法364

14.2.1 距离判别和线性判别364

14.2.2 贝叶斯判别371

14.2.3 k-近邻373

14.2.4 决策树375

14.2.5 随机森林380

14.2.6 支持向量机381

第15章 时间序列分析384

15.1 时间序列的基本问题384

15.1.1 时间序列的组成部分384

15.1.2 时间序列的平稳性386

15.1.2.1 平稳性的含义386

15.1.2.2 时间序列的零均值化和平稳化387

15.1.2.3 时间序列的平稳性检验387

15.2 ARIMA模型的分析过程390

15.2.1 ARIMA模型391

15.2.1.1 AR模型391

15.2.1.2 MA模型391

15.2.1.3 ARMA模型392

15.2.2 ARMA模型的识别、估计与预测392

15.2.2.1 模型的识别392

15.2.2.2 模型参数估计及检验395

15.2.2.3 模型的预测398

附录：各章图形401