清华人手一本的Python数据分析基础教程学习指南分享给大家

前言

本书是 NumPy 的入门教程，主要介绍 NumPy 以及相关的 Python 科学计算库，如 SciPy 和 Matplotlib。 （文末送读者福利）

本书内容涵盖 NumPy 安装、数组对象、常用函数、矩阵运算、线性代数、金融函数、窗函数、质量控制、Matplotlib 绘图、SciPy 简介以及 Pygame 等内容，涉及面较广。

另外，Ivan Idris 针对每个知识点给出了简短而明晰的示例，并为大部分示例给出了实用场景（如股票数据分析），在帮助初学者入门的同时，提高了本书可读性。

目录大纲：

NumPy快速入门

动手实践：在不同的操作系统上安装 Python

显然，NumPy代码比等价的纯Python代码运行速度快得多。有一点可以肯定，即不论我们使用NumPy还是Python，得到的结果是一致的。

不过，两者的输出结果在形式上有些差异。注意，numpysum()函数的输出不包含逗号。这是为什么呢？显然，我们使用的是NumPy数组，而非Python自身的list容器。

正如前言中所述，NumPy数组对象以专用数据结构来存储数值。我们将在下一章中详细介绍NumPy数组对象。

常用函数

数组相关的函数
从文件中载入数据
将数组写入文件
简单的数学和统计分析函数

动手实践：用线性模型预测价格

我们姑且假设，一个股价可以用之前股价的线性组合表示出来，也就是说，这个股价等于之前的股价与各自的系数相乘后再做加和的结果，这些系数是需要我们来确定的。

用线性代数的术语来讲，这就是解一个最小二乘法的问题。步骤如下。

使用Matplotlib绘图

简单绘图
子图
直方图
定制绘图
三维绘图
等高线图
动画
对数坐标图

动手实践：绘制多项式函数

我们来绘制一个多项式函数，以及使用derive函数和参数m为1得到的其一阶导函数。我们已经在之前的“动手实践”教程中完成了第一部分。我们希望用两种不同风格的曲线来区分两条函数曲线。

NumPy 的扩展：SciPy

动手实践：处理 Lena 图像

在scipy.misc模块中，有一个函数可以载入Lena图像。这幅Lena Soderberg的图像是被用做图像处理的经典示例图像。我们将在该图像上应用一些滤波器，并进行旋转操作。请完成如下步骤。

(1) 载入Lena图像，并使用灰度颜色表将其在子图中显示出来。

文章的篇幅有限，为了不浪费大家宝贵的时间，这里为大家整理出了PDF版本，需要领取的小伙伴下方领取

资料领取

上述这份完整版的Python全套学习资料已经上传CSDN官方，朋友们如果需要可以微信扫描下方CSDN官方认证二维码输入“领取资料” 即可领取

好文推荐

了解python的前景：https://blog.csdn.net/SpringJavaMyBatis/article/details/127194835

了解python能做什么：https://blog.csdn.net/SpringJavaMyBatis/article/details/127196603