Python数据分析与应用

Python编程语言是目前数据分析领域用得多的语言之一，Python编程语言的语法简洁，在数据分析方面有非常多的工具包的支持，因此得到了广泛的应用，成为数据分析重要的编程语言。
本书的目标是使读者能够运用Python编程语言进行数据分析工作，能够使用Python的数据分析工具包对数据进行可视化分析，利用Python进行图像处理、视觉分析、时序分析。
本书对Python数据分析相关的知识点进行了梳理和组织。为了帮助读者掌握所学内容，本书设计了丰富的实例，每章的后都有大量的习题和作业，帮助读者掌握相关内容。本书与当前人工智能技术相结合，介绍了Python用于深度学习的工具包，以及卷积神经网络、Faster R-CNN网络模型、YOLO网络模型、LSTM网络以及GRU网络等深度神经网络模型。
本书共10章，内容如下。
第1章“Python简介”，介绍了Python的主要特点、发展历史、常用工具包、运行环境以及常见问题，重点介绍Python中的常用工具包，使读者对Python的易用性与进行数据分析的方便性有初步的认识，产生进一步深入学习Python的兴趣。
第2章“Python语法”，介绍了Python常用数据结构，包括列表、元组、集合、字典、分支与循环结构，还介绍了Python中的函数、类和模块。使读者能够掌握Python中基本的数据结构和程序结构。
第3章“Python科学计算”，介绍了Python提供的基本计算功能，包括算术运算、比较运算、赋值运算、逻辑运算、成员运算符。介绍了NumPy科学计算包，NumPy包中的多维数组、广播特性、遍历轴、数组操作和矩阵运算。还介绍了Scipy工具包，以及如何利用Scipy工具包进行图像处理、快速傅里叶变换、函数插值以及优化。使读者掌握利用Python进行常用科学计算的方法。
第4章“Python数据分析”，介绍了利用Python进行数据分析时广泛使用的Pandas工具包，以及如何利用Pandas进行文件读取、数据显示、数据基本操作。介绍了机器学习工具包Scikit-learn，以及如何利用Scikit-learn实现特征降维、聚类、分类。另外，还介绍了如何利用Python进行频谱分析、时频分析以及动力学分析。使读者掌握利用Python进行数据分析的常用操作。
第5章“Python数据处理”，介绍了数据清洗、数据预处理、统计分析和网络数据采集等知识。数据清洗对数据分析的效果非常重要，网络数据采集是获取数据的一个重要渠道。本章可以让读者对如何利用Python进行数据处理有基本的了解。
第6章“Python数据可视化”，介绍了数据可视化的基本概念，Python数据可视化的工具包Matplotlib，介绍如何利用Matplotlib绘制图表、绘制统计图形。使读者对数据可视化有直观和清晰的认识。
第7章“Python图像分析”，图像是一种非常重要的数据形式，本章介绍了当前图像分析中应用广泛的卷积神经网络和经典卷积网络架构，使读者对Python进行图像分析的方便性有直观的认识。通过手写数字识别和猫狗大战两个案例帮助读者了解Python图像分析的具体应用。
第8章“Python视觉分析”，介绍了视觉分析中的目标检测技术，通过讲解目标检测中重要的两种深度神经网络技术R-CNN系列和YOLO系列，重点介绍了Faster R-CNN和YOLOv4两种算法模型。目标检测案例使读者可以了解基本的Python视觉分析方法和技术。
第9章“Python时序分析”，介绍了数据分析的一类重要应用——时序分析，详细讲解了当前Python进行时序分析的主要技术——循环神经网络，通过高铁乘客预测和飞机乘客预测的案例说明了用Python进行时序分析的方法和技术。
第10章“综合案例”，介绍了Python进行数据分析的两个综合案例——人脸识别和PM25预测，使读者对数据分析有较为综合与清晰的认识。
本书体现了计算机类、电子信息类、大数据类专业课程改革和实践的方向。本课程建议授课学时为32小时。除综合案例外，本书每章后附有习题和作业，并且附有课外阅读材料供读者拓展知识面。
参加本书编写工作的有赵志宏、王学军、王辉、李乐豪、李晴、马新娜、张然、刘克俭、吴冬冬。参与整体和校对工作的有李春秀、孙诗胜、周晓宁、窦广鉴、张敏茹、丁铂栩、魏宇涛。
本书的顺利出版要感谢机械工业出版社给予的支持，特别感谢郝建伟老师对本书提出的宝贵建议。
感谢国家自然科学基金项目（11972236）对本书的资助。
由于时间仓促，书中难免存在不妥之处，请读者原谅，也希望得到各位读者的支持和帮助。为了使这本书能够随着大数据的不断发展而得到改进，我们热切盼望收到您宝贵的意见。

本书共10章，内容包括Python基本语法、Python科学计算、数据分析、数据处理、数据可视化等，通过图像分析、视觉分析、时序分析等方面的例子指导读者进行数据分析方面的工作。
本书与数据分析应用紧密结合，语言通俗易懂、案例实用性强，能够使读者对Python数据分析有一个较为全面的认识。除综合案例外，本书每章后面附有习题和作业，便于读者了解自己对内容的掌握程度。
本书可作为计算机科学与技术、人工智能、大数据、统计学及相关专业的本科生、研究生教材，也可以作为从事人工智能、大数据相关研究的科研人员的参考书。

本书共10章，内容包括Python基本语法、Python科学计算、数据分析、数据处理、数据可视化等，通过图像分析、视觉分析、时序分析等方面的例子指导读者进行数据分析方面的工作。
本书与数据分析应用紧密结合，语言通俗易懂、案例实用性强，能够使读者对Python数据分析有一个较为全面的认识。除综合案例外，本书每章后面附有习题和作业，便于读者了解自己对内容的掌握程度。
本书可作为计算机科学与技术、人工智能、大数据、统计学及相关专业的本科生、研究生教材，也可以作为从事人工智能、大数据相关研究的科研人员的参考书。

前言

第1章Python简介

11Python概要介绍

111Python主要特点

112Python不足

113Python发展现状

12Python发展历史

121Python起源

122Python各版本

13Python常用工具包

14Python常见问题

141Python安装

142Python IDE安装

143Python和其他语言接口

144工具包的安装

145工具包的导入

15Python在国内的发展 

151国内镜像

152中小学教育

153国内使用Python情况

习题和作业

第2章Python语法

21Python常用数据结构

211列表

212元组

213集合

214字典

22分支与循环

221分支

222循环

223三目表达式

23函数、类和模块

231函数

232类

233模块

24Python语言与其他语言比较

习题和作业

第3章Python科学计算

31Python基本计算

311算术运算

312比较运算

313赋值运算

314逻辑运算

315成员运算符

316计算实例

32利用NumPy科学计算

321多维数组

322广播特性

323遍历轴

324数组操作

325矩阵运算

326应用案例——图像压缩

33Scipy包

331Scipy简单介绍

332基本操作

333图像处理

334快速傅里叶变换

335函数插值

336优化

34NumPy与Python的性能比较

习题和作业

第4章Python数据分析

41Pandas包

411读入csv文件

412截取数据与描述数据

413数据显示

414数据处理

42Scikit-learn包

421特征降维

422聚类

423分类

43其他Python分析包

431频谱分析

432时频分析

433动力学分析

习题和作业

第5章Python数据处理

51数据清洗

52数据预处理

53统计分析

54网络数据采集

541网络爬虫

542网页解析

55案例应用

习题和作业

第6章Python数据可视化

61可视化的基本概念

62利用Matplotlib进行可视化

621绘制Matplotlib的图表组成元素

622图表的美化和修饰

63绘制统计图形

64案例应用

641气温数据可视化分析

642交通线路图可视化

习题和作业

第7章Python图像分析

71图像分析简介

72卷积神经网络组成

721卷积层

722激活函数层

723池化层

724Dropout层

725Batch Normalization(BN)层

726全连接层

73经典卷积网络架构

731LeNet-5

732Alexlvet

733VGGNet

734ResNet

74案例应用

741MNIST手写数字识别

742Kaggle猫狗大战

75深度学习框架

习题和作业

第8章Python视觉分析

81基于OpenCV的视频操作

82目标检测简介

83R-CNN系列发展历程

84Faster R-CNN详解

85YOLO系列发展历程

86YOLOv4详解

87案例应用

871Faster R-CNN目标检测

872YOLOv4目标检测

88国内视觉分析研究

881工业界

882学术界

习题和作业

第9章Python时序分析

91时序分析介绍

92循环神经网络

921记忆单元

922输入输出序列

923LSTM单元

924GRU单元

93案例应用

931LSTM预测JetRail高铁乘客

932GRU预测飞机乘客

933LSTM预测温度

习题和作业

第10章综合案例

101人脸识别系统

1011人脸数据收集

1012训练人脸分类器

1013人脸识别实现

102PM25预测系统

1021数据导入

1022建立数据集

1023构造预测模型

1024模型训练与测试

参考文献

本书共10章，内容包括Python基本语法、Python科学计算、数据分析、数据处理、数据可视化等，通过图像分析、视觉分析、时序分析等方面的例子指导读者进行数据分析方面的工作。
本书与数据分析应用紧密结合，语言通俗易懂、案例实用性强，能够使读者对Python数据分析有一个较为全面的认识。除综合案例外，本书每章后面附有习题和作业，便于读者了解自己对内容的掌握程度。
本书可作为计算机科学与技术、人工智能、大数据、统计学及相关专业的本科生、研究生教材，也可以作为从事人工智能、大数据相关研究的科研人员的参考书。

配套资源：电子课件、习题答案、源代码、教学大纲

本书特色：

本书与数据分析应用紧密结合，语言通俗易懂、案例实用性强，能够使读者对Python数据分析有一个较为全面的认识。

本书与当前人工智能*新技术相结合，介绍了Python用于深度学习的工具包，以及卷积神经网络、Faster R-CNN网络模型、YOLO网络模型、LSTM网络以及GRU网络等深度神经网络模型。

除综合案例外，本书每章后附有习题和作业，并且附有课外阅读材料供读者拓展知识面。