Python数据分析与应用

基础篇

第1章 Python编程概述

第2章Python编程基础

第3章序列

第4章流程控制

第5章函数和模块

应 用 篇

第6章 Python 网络爬虫

第7章 Python与数据分析

第8章 NumPy

第9章 Matplotlib

第10章Pandas

第11章SciPy

第12章Seaborn

第13章 Sklearn

参考文献

2.Python的特点

Python 具有如下一些特点：

（1）简单易学。Python 作为体现简单主义思想的语言，其语法简洁清晰，结构简单，易于快速掌握，编程者在学习过程中不必过多关注程序语言在形式上的诸多细节和规则，从而可以专注于程序本身的逻辑和算法。

（2)免费开源。Python是FLOSS（自由/开放源码软件）之一，人们可以自由地发布这个软件的拷贝，阅读它的源代码，对其进行改动，并将其用于新的自由软件中。

（3）解释型语言。用高级语言编写的源程序需要由“翻译程序”翻译成机器语言形式的目标程序，才能被计算机识别和执行。这种“翻译”通常有两种方式：一种是编译执行。另一种是解释执行。编译执行是指由编译器将源程序代码编译成可执行的机器码，一次性将高级语言源程序编译成二进制的可执行指令，通常执行效率较高。C、C++等属于编译语言。解释执行是指解释器把源代码转换成称为字节码的中间形式，由虚拟机负责运行。Python 作为解释型语言，与Java语言类似，不需要编译成二进制代码，具有跨平台、便于移植等特点。

（4）面向对象。Python是完全面向对象的语言，函数、模块、数字、字符串都是对象，并且完全支持继承、重载、派生、多重继承。Python语言编写程序无须考虑硬件和内存等底层细节。

（5）丰富的库。Python 被称为胶水语言，它能够轻松地与其他语言（特别是C或 C++）结合在一起，具有丰富的API和标准库，能完成多种功能。

……

本书致力于培养学生掌握数据分析与应用的基本思想及方法，具有如下特点：

(1) 采用基于Python语言相关的科学分析库，如NumPy、Pandas、SciPy和Matplotlib等，便于学生更快地掌握数据分析的基本思想和原理。

(2) 实践是学习的最好方法，本书的所有程序都在Anaconda下进行了调试和运行。

本书分为基础篇和应用篇，共13章。基础篇包括Python编程概述、Python编程基础、序列、流程控制、函数和模块五章；应用篇包括Python网络爬虫、Python与数据分析、Numpy、Matplotlib、Pandas、SciPy、Seaborn和Sklearn八章。