目 錄
第1篇 數(shù)據(jù)獲取篇
第1章 概述 2
1.1 科學(xué)計(jì)算概述 2
1.2 Python概述 3
1.3 Python開(kāi)發(fā)環(huán)境搭建 4
1.3.1 Python運(yùn)行環(huán)境安裝 4
1.3.2 PyCharm安裝 8
1.4 Python科學(xué)計(jì)算與可視化常用類(lèi)庫(kù) 13
1.4.1 Python科學(xué)計(jì)算與可視化常用類(lèi)庫(kù)介紹 13
1.4.2 安裝第三方類(lèi)庫(kù) 14
第2章 Python基礎(chǔ) 17
2.1 基本語(yǔ)法 17
2.1.1 基本數(shù)據(jù)類(lèi)型 17
2.1.2 標(biāo)識(shí)符 18
2.1.3 變量和賦值 18
2.1.4 運(yùn)算符和表達(dá)式 19
2.1.5 代碼的嵌套與對(duì)齊 19
2.1.6 注釋 20
2.2 復(fù)雜數(shù)據(jù)類(lèi)型 20
2.2.1 字符串 20
2.2.2 列表 24
2.2.3 元組 27
2.2.4 字典 29
2.3 流程控制 32
2.3.1 條件控制 32
2.3.2 循環(huán)控制 33
2.4 函數(shù) 35
2.4.1 函數(shù)的定義 35
2.4.2 lambda匿名函數(shù) 35

2.4.3 函數(shù)調(diào)用 36
2.5 類(lèi) 37
2.5.1 面向?qū)ο蠡�本概�?37
2.5.2 類(lèi)的定義及實(shí)現(xiàn) 37
2.6 文件操作 39
2.6.1 文件處理過(guò)程 39
2.6.2 數(shù)據(jù)的讀取 40
2.6.3 數(shù)據(jù)的寫(xiě)入 41
第3章 讀/寫(xiě)文件 43
3.1 讀/寫(xiě)文本文件 43
3.1.1 讀/寫(xiě)文本文件的方法介紹 43
3.1.2 讀/寫(xiě)文本數(shù)據(jù)實(shí)例 44
3.2 讀/寫(xiě)CSV文件 49
3.2.1 CSV類(lèi)庫(kù) 49
3.2.2 讀/寫(xiě)CSV文件數(shù)據(jù)實(shí)例 50
3.3 讀/寫(xiě)Excel文件 54
3.3.1 Excel文件相關(guān)類(lèi)庫(kù) 54
3.3.2 讀/寫(xiě)Excel文件數(shù)據(jù)實(shí)例 56
3.4 讀/寫(xiě)JSON文件 62
3.4.1 類(lèi)庫(kù)方法介紹 62
3.4.2 讀/寫(xiě)JSON文件數(shù)據(jù)實(shí)例 63
3.5 綜合實(shí)例 67
第4章 訪問(wèn)數(shù)據(jù)庫(kù) 74
4.1 SQLite3數(shù)據(jù)庫(kù)數(shù)據(jù)的插入、修改及刪除 74
4.1.1 SQLite3模塊常用方法 74
4.1.2 SQLite3數(shù)據(jù)庫(kù)操作實(shí)例 75
4.2 SQLite3數(shù)據(jù)庫(kù)數(shù)據(jù)的查詢(xún) 80
4.3 MySQL數(shù)據(jù)庫(kù)操作類(lèi)的實(shí)現(xiàn) 82
4.4 MySQL數(shù)據(jù)庫(kù)的訪問(wèn) 87
第2篇 數(shù)據(jù)處理篇
第5章 NumPy數(shù)據(jù)處理 91
5.1 NumPy基礎(chǔ) 91
5.1.1 認(rèn)識(shí)NumPy 91

5.1.2 創(chuàng)建NumPy數(shù)組 96
5.1.3 NumPy標(biāo)準(zhǔn)輸出 99
5.1.4 應(yīng)用案例：二手房文本數(shù)據(jù)處理 100
5.2 NumPy數(shù)組操作 102
5.2.1 數(shù)組的基礎(chǔ)運(yùn)算、形狀轉(zhuǎn)換 102
5.2.2 數(shù)組的形狀 105
5.2.3 數(shù)組的索引、切片 106
5.2.4 數(shù)組的遍歷 108
5.2.5 數(shù)組的副本與視圖 110
5.3 NumPy應(yīng)用案例：鄭州市二手房數(shù)據(jù)統(tǒng)計(jì)及計(jì)算 113
第6章 Pandas科學(xué)計(jì)算 116
6.1 Pandas概述 116
6.1.1 Pandas簡(jiǎn)介 116
6.1.2 Pandas在數(shù)據(jù)處理領(lǐng)域中的優(yōu)勢(shì) 117
6.2 Pandas數(shù)據(jù)結(jié)構(gòu) 117
6.2.1 Series 118
6.2.2 DataFrame 120
6.3 Pandas數(shù)據(jù)操作 124
6.3.1 Pandas文件操作 124
6.3.2 索引和數(shù)據(jù)選擇器 128
6.3.3 合并與連接 131
6.3.4 日期時(shí)間數(shù)據(jù)的處理 136
6.4 Pandas應(yīng)用案例 142
6.4.1 分析鄭州市各區(qū)域的房屋均價(jià) 142
6.4.2 數(shù)據(jù)分析之GDP 144
第7章 SciPy科學(xué)計(jì)算 148
7.1 SciPy概述 148
7.2 SciPy科學(xué)方法 149
7.2.1 SciPy特殊函數(shù) 149
7.2.2 SciPy積分函數(shù) 150
7.2.3 插值函數(shù) 154
7.2.4 傅里葉變換 156
7.2.5 線性代數(shù) 158
7.3 SciPy應(yīng)用案例：使用最小二乘法預(yù)測(cè)房?jī)r(jià)走勢(shì) 160
7.4 SciPy延展 163
第3篇 數(shù)據(jù)展示篇
第8章 數(shù)據(jù)可視化之Matplotlib 166
8.1 圖表的基本構(gòu)成元素 166
8.2 第一個(gè)Matplotlib繪圖程序 167
8.2.1 折線圖的繪制、存儲(chǔ)與顯示 167
8.2.2 折線圖的更多設(shè)置 168
8.2.3 設(shè)置中文字體 169
8.2.4 繪制多個(gè)圖形 170
8.2.5 使用子圖 172
8.3 繪制柱狀圖 173
8.4 繪制餅狀圖 174
8.5 繪制散點(diǎn)圖 175
8.6 綜合應(yīng)用實(shí)例 176
8.6.1 鄭州市二手房各區(qū)域分布柱狀圖 176
8.6.2 鄭州市二手房房屋類(lèi)型比例餅狀圖 178
8.6.3 鄭州市二手房地理位置分布圖 180
第9章 數(shù)據(jù)可視化之Seaborn 183
9.1 Seaborn簡(jiǎn)介、安裝和使用 183
9.2 Seaborn的樣式繪制 185
9.3 直方圖和密度曲線圖 188
9.4 條形圖 189
9.5 散點(diǎn)圖 190
9.6 箱線圖 191
9.7 小提琴圖 193
9.8 綜合應(yīng)用實(shí)例 194
9.8.1 繪制鄭州市二手房?jī)r(jià)格直方圖和密度曲線圖 194
9.8.2 繪制鄭州市二手房?jī)r(jià)格條形圖 195
第10章 數(shù)據(jù)可視化之pyecharts 197
10.1 pyecharts簡(jiǎn)介、安裝和使用 197
10.2 pyecharts常用圖表 198
10.2.1 柱狀圖 198
10.2.2 折線圖 201
10.2.3 餅狀圖 204

10.2.4 詞云圖 204
10.2.5 雷達(dá)圖 205
10.3 綜合應(yīng)用實(shí)例 206
10.3.1 繪制鄭州市二手房數(shù)量區(qū)域分布圖 206
10.3.2 繪制鄭州市二手房房屋類(lèi)型比例圖 208
參考文獻(xiàn) 210