本书是从实践出发，同时结合一线教师的实践教学经验，以示例为主线，把可视化需要的Python基础语法，Numpy和pandas包中数据结构及读取Excel/CSV文件操作、无效数据处理操作，Matplotlib和pandas包的不同种类图形绘制框架代码等内容都融入到示例中，通过示例，循序渐进、浅显易懂地讲解可视化分析所需要的知识点。
　　本书适合Python可视化初学者使用，也可作为相关机构的培训用书。

Python语言在大数据时代具有独特的优势，特别是在数据分析领域中的数据获取、数据处理、数据挖掘，以及数据分析可视化过程。本书重点是对数据可视化分析进行讲解。
　　对于初入Python领域进行数据分析的读者或者需要了解网络数据中存在的潜在信息的读者来说，如何在较短的时间内把数据的内在信息展现出来？数据可视化绝对是一个优秀的连接纽带。笔者是一名高校教师，有着多年Python数据分析教学经验，也有着较丰富的企业数据分析实战经验。书中设计的实践示例都是笔者在长期的Python教学、参与数据分析项目中的积累总结。从中学生可以学会利用Python语言进行数据可视化，为后续进行深度数据分析奠定坚实基础。书中示例简洁易懂，没有复杂的语法结构，化解枯燥学习理论的环节，实现在应用中学习的目的。更深入的内容读者可根据自己的兴趣或需要进一步研究学习。
本书是从实践出发，结合作者自身实践教学经验和参与分析项目经验，以示例为主线，把可视化需要的基础内容都融入到示例中，通过示例学习知识点，对有可视化需求的初学者起到有效的指导作用。
　　全书共6章内容：第1～3章讲解Python语言基础内容，包括Python的环境的搭建、基础语法、数据结构、面向对象思想的讲解，这些内容都融入到实战案例中进行实施，简洁明了，又能把数据分析中用到的知识阐述清楚，为后续分析实战的内容打下坚实基础；第4章讲解书中所需要第三方包的安装及数据处理包Numpy中数组结构、通过Numpy访问Excel和csv数据的读写操作和应用；第5章讲解利用Matplotlib包对数据进行分析可视化；第6章讲解数据处理包pandas中的数组结构、数据预处理中无效数据操作、对Excel和csv数据的读操作和应用，以及利用pandas包对数据进行分析可视化。全书的代码是基于Python 3.7.3进行的，使用集成开发环境IDE是PyCharm。
　　本书在撰写过程中得到很多人的帮助，包括我的学生们、项目合作伙伴、客户等，他们给我提出了许多宝贵建议和意见，使我在原有知识基础上有很大提高。同时，感谢中国铁道出版社有限公司的编辑们的帮助。
　　由于时间仓促、水平有限，书中难免存在疏漏与不足之处，恳请广大读者批评指正。
　　
　　著  者  
　　2019年5月

第1章  Python基础导入 1
1.1  Python到底是什么 1
1.1.1  Python的发展史 1
1.1.2  Python优缺点 1
1.2  Python快速准备 2
1.2.1  Python下载 3
1.2.2  配置环境变量 5
1.2.3  运行Python 7
1.3  在哪里编辑Python 9
1.3.1  Python自带的IDLE 10
1.3.2  Anaconda和PyCharm 12
1.3.3  关于中文编码问题 13
1.4  开始编程 17
1.4.1  从“Hello，World!”开始 18
1.4.2  缩进和标注问题 18
1.5  开始数据计算 19
1.5.1  直接进行算术运算 23
1.5.2  math模块提供丰富的数学函数 24
1.5.3  Python科学计算库 25
1.6  Python和我们沟通的开始 26
1.6.1  接收输入内容的input()函数 26
1.6.2  输出内容的print()函数 28
1.7  文件读取与写入功能 30
1.7.1  读文件 30
1.7.2  写文件 33

第2章  Python中的数据类型 35
2.1  Python数据类型：数值型 35
2.2  Python数据类型：字符串 37
2.2.1  字符串概念 37
2.2.2  字符串常用操作方法 38
2.2.3  原始字符串 47
2.3  Python数据结构：列表和元组 49
2.3.1  创建和操作列表 50
2.3.2  创建和操作元组 51
2.4  Python数据结构：字典 52
2.5  Python数据结构：集合 53

第3章  Python中重复利用的函数与模块 56
3.1  了解Python的流程控制语句 56
3.1.1  if...else语句 56
3.1.2  for和while循环语句 60
3.1.3  死循环 63
3.1.4  continue和break语句 64
3.1.5  pass语句 68
3.2  遍历实践 69
3.2.1  range()函数 69
3.2.2  列表遍历 70
3.3  函数 71
3.3.1  函数的定义 72
3.3.2  函数的参数及类型 73
3.3.3  函数调用 75
3.3.4  最简单的函数：使用lambda表达式定义函数 79
3.4  面向对象思想 80
3.4.1  Python中的面向对象思想 81
3.4.2  Python中类的定义及简单使用 82
3.4.3  Python中类的属性和方法 85
3.4.4  Python中类的继承使用 86

第4章  为数据分析做准备 90
4.1  助手pip 90
4.1.1  安装pip 90
4.1.2  pip最常干的工作 94
4.1.3  利用pip安装第三方库 94
4.2  Numpy包 96
4.2.1  Numpy中数组创建 96
4.2.2  Numpy中一维数组 99
4.2.3  Numpy中二维数组 100
4.3  Numpy数组可视化赏析 101
4.4  存储数据文件读写详解 105
4.4.1  csv格式数据读取 105
4.4.2  Excel格式数据读取 109

第5章  由Matplotlib 开始数据可视化 113
5.1  基础用法介绍 113
5.1.1  Matplotlib安装 113
5.1.2  绘图简述 114
5.2  绘制线形图 121
5.3  绘制散点图 125
5.4  绘制直方图 130
5.5  绘制条形图 132
5.6  绘制箱线图 135
5.7  绘制饼状图 138

第6章  用pandas进行文件数据分析 140
6.1  pandas安装 140
6.2  pandas数据结构简介 141
6.2.1  Series 141
6.2.2  DataFrame 142
6.3  pandas读写csv数据 143
6.4  pandas读写Excel数据 146
6.5  数据清洗 147
6.5.1  缺失数据处理问题 148
6.5.2  去除缺失数据 150
6.5.3  填充缺失数据 152
6.5.4  移除重复数据 155
6.6  pandas绘图 157
6.6.1  简单图 158
6.6.2  条形图 162
6.6.3  直方图 165
6.6.4  箱形图 167
6.6.5  区域块图形 169
6.6.6  散点图 170
6.6.7  饼状图 173
6.6.8  数据分析实战 177

附录A  math模块可用函数 182
附录B  内置函数 185
附录C  pandas中直方图参数 186

李迎 北京政法学院

内容丰富 结构合理