零基础入门Python数据分析与机器学习

前 言

人工智能是目前炙手可热的一个领域，多数互联网公司纷纷表示人工智能将是下一个时代的革命性技术。机器学习属于人工智能的一个重要分支，他更偏向于理论，其目的是研究一种为了让计算机不断从大量数据中学习知识，自动实现知识发现和预测，使结果不断接近目标。

实际工作中我们比较常见的是数据分析的概念，他是用适当的统计分析方法对收集来的大量数据进行分析，以求最大化地开发利用数据，从而发挥其商业价值。目前，数据分析已经是一种比较成熟的技术，而机器学习还处于快速发展的过程中，主要依靠算法和数据进行驱动。

在数据分析和机器学习研究热潮中，相关书籍大多偏重于理论。由于Python是开源免费的，而且目前市场上从零基础深入介绍数据分析和机器学习的书籍较少，鉴于此背景，本书基于最新版本的Python 3.10编写，全面而系统的讲解了基于Python的数据分析和机器学习技术。

本书既包括Python数据分析的主要方法和技巧，又融入了机器学习的案例实战，使广大读者通过对本书的学习，能够轻松快速的掌握数据分析和机器学习的主要方法。本书配套资源中包含案例实战中所采用的数据源，以及教学PPT和学习视频，供读者在阅读本书时练习使用。

本书的内容

第1章介绍数据分析的流程和思维，搭建Python 3.10开发环境，以及必会的库。

第2章介绍Python核心基础，包括数据类型、基础语法、常用高阶函数和编程技巧。

第3章介绍如何进行数据准备，包括数据的读取、索引、切片、聚合、透视、合并等。

第4章介绍NumPy基础知识和操作，包括索引与切片、维度变换、广播机制和矩阵运算。

第5章介绍如何利用Pandas进行数据清洗，包括重复值、缺失值、异常值的检测和处理。

第6章介绍Matplotlib绘图参数设置，包括线条、坐标轴、图例、绘图函数和图形整合等。

第7章介绍机器学习及Sklearn库的基本概念、基本流程、主要算法和自带的主要数据集等。

第8章介绍监督式机器学习算法，包括线性回归、逻辑回归、决策树、K近邻和支持向量机等。

第9章介绍无监督式机器学习算法，包括k均值聚类、主成分分析、关联分析和双聚类分析等。

第10章详细介绍机器学习的挑战，模型的主要评估方法，并通过实际案例介绍模型的调优方法。

第11章介绍基于中文的文本分词、关键词提取技术，以及如何生成词向量和进行中文情感分析。

本书的特色

（1）内容全面，讲解详细

本书是一本内容全面的Python专著，由浅入深，详细介绍了基于Python 3.10的数据分析和机器学习技术，包括软件应用与操作的方法和技巧，对于初学者帮助较大，可以使读者通过对本书的学习，能够轻松快速的提高数据分析和机器学习的综合能力。

本书的读者对象

本书的内容和案例适用于互联网、咨询、零售、能源等行业从事数据分析的读者，可以作为Python软件培训的参考资料，也可以作为高校计算机相关专业本科生、研究生的教材或教学参考书。

由于编者水平所限，书中难免存在错误和不妥之处，敬请广大读者批评指正，作者微信公众号：Hanalyst。