书名：Python编程：从数据分析到数据科学（第2版）
定价：98.0
ISBN：9787121412004
作者：朝乐门
版次：第1版
出版时间：2021-06

内容提要：
本书是为具有数据思维的数据科学、数据分析和大数据应用人群编写的Python 学习图书。本书改变了同类图书中普遍存在的“将Python 当作C/Java 来教（或学）”的现状，强调了Python 在数据分析和数据科学中的特殊语法和数据思维；同时，改变了传统图书中“先将知识点、后摆代码”的编写风格，首次将代码放在中心位置，配合*必要的文字介绍，做到主次分明、一目了然，便于学习。本书主要介绍大数据人才常用的Python 语言及第三方扩展库的基础知识、思路、方法、经验和技巧，建立了从Python 到数据分析再到数据科学的通道，形成了Python 知识、数据分析和数据科学三个知识领域融为一体的知识模式。本书既可以作为从事数据科学、数据分析和大数据应用人群的入门级系统学习图书，又可以作为相关高校数据科学与大数据技术、大数据应用与管理、信息管理和大数据应用、数据分析、信息分析等专业方向的教材。



作者简介：
朝乐门，男，1979年生，中国人民大学信息资源管理学院、数据工程与知识工程***重点实验室副教授，博士生导师。中国计算机学会信息系统专委员会委员、ACM高级会员、国际知识管理协会正式委员、全国高校大数据教育联盟大数据教材专家指导委员会委员、清华大学博士后校友会IT分会副秘书长；主持完成国家自然科学基金、国家社会科学基金等重要科学研究项目10余项；参与完成核高基、973、863、国家自然科学基金重点项目、国家社会科学基金重大项目等国家重大科研项目10余项；发表SCI/SSCI/EI/CSCI论文30余篇，软件著作权5个、发明专利3项、出版学术专著3部；获得北京市中青年骨干教师称号、国际知识管理与智力资本杰出成就奖、IBM全球卓越教师奖、Emerald/EFMD国际杰出博士论文奖、国家自然科学基金项目优秀项目、中国大数据学术创新奖、中国大数据创新百人榜单、全国大数据教育行业杰出贡献奖等多种奖励30余项。

目录：

目 录

**篇准备工作

1 为什么要学习Python，学习Python 的什么 3

2 学习Python 之前需要准备的工作.... 6

3 如何看懂和运行本书代码 8

3.1 输入部分....8

3.2 输出部分. 10

3.3 错误与异常信息 11

3.4 外部数据文件.....12

3.5 注意事项. 14

第二篇Python 基础

4 数据类型..19

4.1 查看数据类型的方法.... 20

4.2 判断数据类型的方法.....21

4.3 转换数据类型的方法.....22

4.4 特殊数据类型.....23

4.5 序列类型.26

5 变量....28

5.1 变量的定义方法.29

5.2 Python 是动态类型语言.....29

5.3 Python 是强类型语言.. 30

5.4 Python 中的变量名是引用.31

5.5 Python 中区分大小写...32

5.6 变量命名规范.....32

5.7 iPython 的特殊变量33

5.8 查看Python 关键字的方法..... 34

5.9 查看已定义的所有变量.35

5.10 删除变量.....37

6 语句书写规范39

6.1 一行一句. 40

6.2 一行多句. 40

vi

目 录

6.3 一句多行. 41

6.4 复合语句 42

6.5 空语句..... 43

7 赋值语句...44

7.1 赋值语句在Python 中的重要地位..... 45

7.2 链式赋值语句.... 45

7.3 复合赋值语句.... 46

7.4 序列的拆包式赋值.. 46

7.5 两个变量值的调换.. 47

8 注释语句..48

8.1 注释方法. 48

8.2 注意事项. 49

9 运算符50

9.1 特殊运算符...53

9.2 内置函数..57

9.3 math 模块.....58

9.4 优先级与结合方向...59

10 if 语句.61

10.1 基本语法.....61

10.2 elif 语句62

10.3 if 与三元运算....63

10.4 注意事项.... 64

11 for 语句.....66

11.1 基本语法.....67

11.2 range()函数67

11.3 注意事项.....68

12 while 语句71

12.1 基本语法.....71

12.2 注意事项.....72

13 pass 语句.74

13.1 含义 74

13.2 作用.75

14 列表...76

14.1 定义方法.....78

vii

14.2 切片操作.....79

14.3 反向遍历.....81

14.4 类型转换.....83

14.5 extend 与append 的区别.....83

14.6 列表推导式 84

14.7 插入与删除.87

14.8 常用操作函数...89

15 元组...94

15.1 定义方法.....95

15.2 主要特征.....97

15.3 基本用法.....99

15.4 应用场景.. 100

16 字符串.. 103

16.1 定义方法.. 104

16.2 主要特征.. 105

16.3 字符串的操作 106

17 序列.111

17.1 支持索引.. 112

17.2 支持切片.. 113

17.3 支持迭代.. 114

17.4 支持拆包.. 114

17.5 支持*运算 115

17.6 通用函数.. 117

18 集合 120

18.1 定义方法.. 121

18.2 主要特征.. 122

18.3 基本运算.. 123

18.4 应用场景.. 125

19 字典.126

19.1 定义方法.. 127

19.2 字典的主要特征.. 128

19.3 字典的应用场景.. 129

20 函数..... 130

20.1 内置函数...131

viii

目 录

20.2 模块函数...131

20.3 用户自定义函数...132

21 内置函数.....133

21.1 内置函数的主要特点 134

21.2 数学函数.. 134

21.3 类型函数.. 135

21.4 其他功能函数 136

22 模块函数... 141

22.1 import 模块名.... 142

22.2 import 模块名as 别名.. 143

22.3 from 模块名import 函数名..... 143

23 自定义函数..... 145

23.1 定义方法.. 147

23.2 函数中的docString. 148

23.3 调用方法.. 148

23.4 返回值 149

23.5 形参与实参.... 150

23.6 变量的可见性 152

23.7 值传递与地址传递.... 154

23.8 其他注意事项 156

24 lambda 函数....158

24.1 lambda 函数的定义方法..... 159

24.2 lambda 函数的调用方法..... 160

第三篇Python 进阶

25 迭代器与生成器....165

25.1 可迭代对象与迭代器 166

25.2 生成器与迭代器.. 167

26 模块169

26.1 导入与调用用法.. 170

26.2 查看内置模块清单的方法.... 171

27 包... 174

27.1 相关术语 .. 175

27.2 安装包 175

ix

27.3 查看已安装包 176

27.4 更新（或删除）已安装包.... 176

27.5 导入包 177

27.6 查看包的帮助 178

27.7 常用包 179

28 帮助文档... 180

28.1 help 函数. 181

28.2 docString  181

28.3 查看源代码.... 182

28.4 doc 属性... 183

28.5 dir()函数... 184

28.6 其他方法.. 186

29 异常与错误187

29.1 try/except/finally... 188

29.2 异常信息的显示模式 189

29.3 断言.... 190

30 程序调试方法..192

30.1 调试程序的基本方法  193

30.2 设置错误信息的显示方式.... 194

30.3 设置断言的方法.. 195

31 面向对象编程...197

31.1 类的定义方法 198

31.2 类中的特殊方法.. 199

31.3 类之间的继承关系.... 201

31.4 私有属性及@property 装饰器. 203

31.5 self 和cls  204

31.6 new 与init 的区别和联系... 205

32 魔术命令... 208

32.1 运行.py 文件：%run 209

32.2 统计运行时间：%timeit 与%%timeit..... 210

32.3 查看历史In 和Out 变量：%history .. 211

32.4 更改异常信息的显示模式：%xmode.. 212

32.5 调试程序：%debug. 214

32.6 程序运行的逐行统计：%prun 与%lprun  215

x

目 录

32.7 内存使用情况的统计：%memit .... 216

33 搜索路径....218

33.1 变量搜索路径 219

33.2 模块搜索路径 221

34 当前工作目录..224

34.1 显示当前工作目录的方法.... 225

34.2 更改当前工作目录的方法.... 225

34.3 读/写当前工作目录的方法.. 226

第四篇数据加工

35 随机数..229

35.1 一次生成一个数.. 230

35.2 一次生成一个随机数组.. 231

36 数组234

36.1 创建方法.. 238

36.2 主要特征.. 241

36.3 切片/读取. 243

36.4 浅拷贝和深拷贝.. 249

36.5 形状和重构.... 250

36.6 属性计算.. 254

36.7 ndarray 的计算... 256

36.8 ndarray 的元素类型. 258

36.9 插入与删除.... 259

36.10 缺失值处理.. 260

36.11 ndarray 的广播规则..... 261

36.12 ndarray 的排序. 262

37 Series ....265

37.1 Series 的主要特点.... 266

37.2 Series 的定义方法.... 266

37.3 Series 的操作方法.... 269

38 DataFrame.274

38.1 DataFrame 的创建方法. 277

38.2 查看行或列.... 278

38.3 引用行或列.... 279

xi

38.4 index 操作.... 282

38.5 删除或过滤行/列 284

38.6 算术运算.. 289

38.7 大小比较运算 295

38.8 统计信息.. 296

38.9 排序.... 298

38.10 导入/导出.... 300

38.11 缺失数据处理.... 301

38.12 分组统计 307

39 日期与时间..... 310

39.1 常用包与模块 311

39.2 时间和日期类型的定义.. 311

39.3 转换方法.. 313

39.4 显示系统当前时间.... 315

39.5 计算时差.. 316

39.6 时间索引.. 316

39.7 period_range()函数. 319

40 可视化. 320

40.1 Matplotlib 可视化... 322

40.2 改变图的属性 325

40.3 改变图的类型 328

40.4 改变图的坐标轴的取值范围 329

40.5 去掉边界的空白.. 332

40.6 在同一个坐标上画两个图.... 332

40.7 多图显示.. 333

40.8 图的保存.. 334

40.9 散点图的画法 335

40.10 Pandas 可视化.. 336

40.11 Seaborn 可视化 339

40.12 数据可视化实战 342

41 Web 爬取....345

41.1 Scrapy 的下载与安装.... 348

41.2 Scrapy Shell 的基本原理.... 349

41.3 Scrapy Shell 的应用 350

xii

目 录

41.4 自定义Spider 类 352

41.5 综合运用.. 359

第五篇数据分析

42 统计分析....367

42.1 业务理解.. 369

42.2 数据读入.. 369

42.3 数据理解.. 370

42.4 数据准备.. 371

42.5 模型类型的选择与超级参数的设置 373

42.6 训练具体模型及查看其统计量.. 374

42.7 拟合优度评价 376

42.8 建模前提假定的讨论 376

42.9 模型的优化与重新选择.. 378

42.10 模型的应用.. 382

43 机器学习....383

43.1 机器学习的业务理解 384

43.2 数据读入.. 385

43.3 数据理解.. 386

43.4 数据准备.. 389

43.5 算法选择及其超级参数的设置.. 392

43.6 具体模型的训练.. 393

43.7 用模型进行预测.. 393

43.8 模型评价.. 394

43.9 模型的应用与优化.... 395

44 自然语言处理..399

44.1 自然语言处理的常用包.. 400

44.2 自然语言处理的包导入及设置.. 400

44.3 数据读入.. 401

44.4 分词处理.. 402

44.5 自定义词汇.... 403

44.6 停用词处理.... 407

44.7 词性分布分析 408

44.8 高频词分析.... 411

xiii

44.9 词频统计.. 412

44.10 关键词分析.. 414

44.11 生成词云 415

45 人脸识别与图像分析. 418

45.1 安装并导入opencv-python 包... 419

45.2 读取图像文件 419

45.3 将RGB 图像转换为灰度图. 419

45.4 人脸识别与绘制长方形.. 420

45.5 图像显示.. 421

45.6 图像保存.. 422

第六篇大数据处理

46 Spark 编程.425

46.1 导入pyspark 包. 427

46.2 SparkSession 及其创建 427

46.3 Spark 数据抽象类型 430

46.4 Spark DataFrame 操作. 433

46.5 SQL 编程.. 437

46.6 DataFrame 的可视化..... 440

46.7 Spark 机器学习.. 442

46.7.1 创建Spark Session .. 443

46.7.2 读入数据.... 443

46.7.3 数据理解.... 444

46.7.4 数据准备.... 444

46.7.5 模型训练.... 446

46.7.6 模型评价.... 446

46.7.7 预测 447

47 基于Spark 和MongoDB 的大数据分析..... 449

47.1 数据准备.. 450

47.2 数据读入.. 452

47.3 数据理解.. 453

47.4 数据准备.. 455

47.5 模型训练.. 458

xiv

目 录

47.6 模型评价.. 459

47.7 模型应用.. 461

第七篇 继续学习

48 Python 初学者常见错误及纠正方法.465

48.1 NameError: name ‘xxxx‘ is not defined ..... 465

48.2 IndentationError: unexpected indent ... 466

48.3 SyntaxError: invalid character in identifier .... 467

48.4 TypeError: ‘XXXX‘ object does not support item assignment .... 468

48.5 TypeError: unsupported operand type(s) for XXXX ..... 468

48.6 IndexError: list index out of range . 469

48.7 TypeError: type() takes XXXX arguments ..... 469

48.8 SyntaxError: unexpected EOF while parsing  470

48.9 ModuleNotFoundError: No module named XXXX .. 471

48.10 TypeError: ‘ list‘ object is not callable .... 472

48.11 SyntaxError: invalid syntax  473

48.12 AttributeError:XXXX object has no attribute XXXX . 474

48.13 TypeError: XXXX object is not an iterator... 475

48.14 FileNotFoundError: File XXXX does not exist. 476

48.15 IndexError: too many indices for array .... 478

48.16 TypeError: Required argument XXXX not found .. 479

48.17 TypeError: an XXXX is required (got type YYYY)  480

48.18 ValueError: Wrong number of items passed XXXX, placement

implies YYYY .. 481

49 Python 数据分析和数据科学面试题.483

50 继续学习本书内容的推荐资源... 494

50.1 重要网站.. 494

50.2 重要图书.. 494

50.3 常用模块与工具包.... 495

50.4 常用统计模型 495

50.5 核心机器学习算法.... 496

50.6 继续学习数据科学的建议路线图.....497

参考文献 501