内容简介

本书以Python 3.9为数据分析与挖掘的工具，课程内容包括基础篇和综合篇。基础篇从Python基础知识出发，围绕数据分析与挖掘常用的科学计算包NumPy、数据处理包Pandas、数据可视化包Matplotlib以及机器学习库Scikit-learn进行理实一体化讲练；综合篇聚焦汽车、交通行业案例进行数据分析综合应用，包括新能源汽车运行数据分析、汽车贷款违约概率预测、航空公司客户价值分析，以及吉利汽车用户在线评论数据分析4个综合应用案例。

本书遵循从基础到综合应用、理论与实践一体化的编写原则，各章按照“案例驱动”编写模式，体验从问题求解到程序设计的转换过程，适合应用型本科高校工科类、管理类专业学生及其他Python数据分析与挖掘爱好者使用。

编辑推荐

本书给出了各种跨学科的Python程序示例，难度适中，有助于读者循序渐进地掌握Python编程的核心技术和应用方法

作者介绍

黄强，硕士研究生，讲师、高级信息系统项目管理师、高级数据分析师，从事高等教育教学工作近10年，现任吉利学院智能科技学院数据科学教研室负责人，主要授课《数据分析与挖掘》、《数据结构与算法》、《数据库原理与应用》，公开发表论文近10篇，其中SCI/SSCI双检索1篇，SSCI检索1篇，主持、参与省厅级、校级课题6项。

目录

基  础  篇

第1章  Python数据分析与挖掘基础 3

1.1  数据分析与挖掘简介 3

1.2  Python开发环境 5

1.3  Python数据类型及常用操作 8

1.4  流程控制语句 13

1.5  函数定义与调用 16

本章小结 17

第2章  NumPy科学计算与分析 19

2.1  NumPy简介 19

2.2  数组的创建及常见操作 20

2.3  矩阵的创建及常见操作 27

2.4  NumPy统计分析 29

本章小结 36

第3章  Pandas数据处理与分析 37

3.1  Pandas简介 37

3.2  序列 37

3.3  数据框 45

3.4  外部文件读取 49

3.5  Pandas数据处理 53

3.6  Pandas数据分析 62

本章小结 69

第4章  Matplotlib数据可视化 71

4.1  数据可视化与Matplotlib简介 71

4.2  Matplotlib绘图基础 72

4.3  Matplotlib常见图表绘制 79

本章小结 88

第5章  Scikit-Learn机器学习 90

5.1  机器学习与Scikit-Learn简介 90

5.2  数据预处理与降维 92

5.3  回归分析 98

5.4  分类分析 101

5.5  聚类分析 110

本章小结 112

综合应用篇

第6章  新能源汽车运行数据分析 117

6.1  需求分析 117

6.2  数据加载与预处理 117

6.3  探索性数据分析 122

6.4  电池健康状态可视化 124

6.5  能耗预测 131

本章小结 135

第7章  汽车贷款违约概率预测 136

7.1  需求分析 136

7.2  数据加载、清洗与分析 136

7.3  预测模型构建与评估 146

7.4  预测可视化 148

本章小结 149

第8章  航空公司客户价值分析 151

8.1  需求分析与数据加载 152

8.2  数据预处理 153

8.3  数据K-均值聚类 156

8.4  价值分析可视化 157

本章小结 159

第9章  吉利汽车用户在线评论数据分析 160

9.1  需求分析 160

9.2  数据加载与预处理 161

9.3  词云图可视化分析 165

9.4  关键词共现分析 167

本章小结 170