零基礎(chǔ)學(xué)Python爬蟲、數(shù)據(jù)分析與可視化從入門到精通

 
第1 章　Python 快速上手
1.1 Python編程環(huán)境的搭建
1.2 Python的模塊
1.2.1 初識模塊
1.2.2 模塊的安裝
 
 
第2章　Python的基礎(chǔ)語法知識
2.1 變量
2.2 數(shù)據(jù)類型：數(shù)字與字符串
2.2.1 數(shù)字
2.2.2 字符串
2.2.3 數(shù)據(jù)類型的查詢
2.2.4 數(shù)據(jù)類型的轉(zhuǎn)換
2.3 數(shù)據(jù)類型：列表、字典、元組與集合
2.3.1 列表
2.3.2 字典
2.3.3 元組和集合
2.4 運(yùn)算符
2.4.1 算術(shù)運(yùn)算符和字符串運(yùn)算符
2.4.2 比較運(yùn)算符
2.4.3 賦值運(yùn)算符
2.4.4 邏輯運(yùn)算符
2.5 編碼基本規(guī)范
2.5.1 縮進(jìn)
2.5.2 注釋
2.6 控制語句
2.6.1 if語句
2.6.2 for語句
2.6.3 while語句
2.6.4 控制語句的嵌套
2.7 函數(shù)
2.7.1 內(nèi)置函數(shù)
2.7.2 自定義函數(shù)
2.8 模塊的導(dǎo)入
2.8.1 import語句導(dǎo)入法
2.8.2 from語句導(dǎo)入法
 
 
第3章　數(shù)組的存儲和處理—NumPy模塊
3.1 創(chuàng)建數(shù)組
3.1.1 使用array()函數(shù)創(chuàng)建數(shù)組
3.1.2 創(chuàng)建等差數(shù)組
3.1.3 創(chuàng)建隨機(jī)數(shù)組
3.2 查看數(shù)組的屬性
3.3 選取數(shù)組元素
3.3.1 一維數(shù)組的元素選取
3.3.2 二維數(shù)組的元素選取
3.4 數(shù)組的重塑與轉(zhuǎn)置
3.4.1 一維數(shù)組的重塑
3.4.2 多維數(shù)組的重塑
3.4.3 數(shù)組的轉(zhuǎn)置
3.5 數(shù)組的處理
3.5.1 添加數(shù)組元素
3.5.2 刪除數(shù)組元素
3.5.3 處理數(shù)組的缺失值
3.5.4 處理數(shù)組的重復(fù)值
3.5.5 拼接數(shù)組
3.5.6 拆分?jǐn)?shù)組
3.6 數(shù)組的運(yùn)算
3.6.1 數(shù)組之間的四則運(yùn)算
3.6.2 數(shù)組元素的統(tǒng)計(jì)運(yùn)算
 
 
第4章　數(shù)據(jù)的簡單處理—pandas模塊入門
4.1 數(shù)據(jù)結(jié)構(gòu)
4.1.1 Series對象
4.1.2 DataFrame對象
4.2 讀取數(shù)據(jù)
4.2.1 讀取Excel工作簿數(shù)據(jù)
4.2.2 讀取csv文件數(shù)據(jù)
4.3 查看數(shù)據(jù)
4.3.1 查看數(shù)據(jù)的前幾行
4.3.2 查看數(shù)據(jù)的行數(shù)和列數(shù)
4.3.3 查看數(shù)據(jù)的類型
4.4 選擇數(shù)據(jù)
4.4.1 選擇行數(shù)據(jù)
4.4.2 選擇列數(shù)據(jù)
4.4.3 同時(shí)選擇行列數(shù)據(jù)
4.5 修改行標(biāo)簽和列標(biāo)簽
 
 
第5章　數(shù)據(jù)的高級處理—pandas模塊進(jìn)階
5.1 數(shù)據(jù)的查找和替換
5.1.1 查找數(shù)據(jù)
5.1.2 替換數(shù)據(jù)
5.2 數(shù)據(jù)的處理
5.2.1 插入數(shù)據(jù)
5.2.2 刪除數(shù)據(jù)
5.2.3 處理缺失值
5.2.4 處理重復(fù)值
5.2.5 排序數(shù)據(jù)
5.2.6 篩選數(shù)據(jù)
5.3 數(shù)據(jù)表的處理
5.3.1 轉(zhuǎn)置數(shù)據(jù)表的行列
5.3.2 將數(shù)據(jù)表轉(zhuǎn)換為樹形結(jié)構(gòu)
5.3.3 數(shù)據(jù)表的拼接
5.4 數(shù)據(jù)的運(yùn)算
5.4.1 數(shù)據(jù)的統(tǒng)計(jì)運(yùn)算
5.4.2 獲取數(shù)值分布情況
5.4.3 計(jì)算相關(guān)系數(shù)
5.4.4 分組匯總數(shù)據(jù)
5.4.5 創(chuàng)建數(shù)據(jù)透視表
5.5 案例：獲取并分析股票歷史數(shù)據(jù)
 
 
第6章　使用Python進(jìn)行數(shù)據(jù)分析
6.1 相關(guān)性分析
6.1.1 獲取股價(jià)數(shù)據(jù)
6.1.2 合并股價(jià)數(shù)據(jù)
6.1.3 股價(jià)數(shù)據(jù)相關(guān)性分析
6.2 假設(shè)檢驗(yàn)
6.3 方差分析
6.3.1 方差分析的基本步驟
6.3.2 單因素方差分析的代碼實(shí)現(xiàn)
6.3.3 雙因素方差分析的代碼實(shí)現(xiàn)
6.3.4 利用第三方模塊快速完成方差分析
6.4 描述性統(tǒng)計(jì)分析
6.4.1 描述性統(tǒng)計(jì)指標(biāo)的計(jì)算
6.4.2 數(shù)據(jù)的分布狀態(tài)分析
6.4.3 數(shù)據(jù)的頻數(shù)和頻率分析
6.5 線性回歸分析
6.5.1 線性回歸分析的數(shù)學(xué)原理
6.5.2 線性回歸分析的思路
6.5.3 廣告費(fèi)與銷量的一元線性回歸分析
6.5.4 不同渠道的廣告費(fèi)與銷量的多元線性回歸分析
 
 
第7章　Python爬蟲基礎(chǔ)
7.1 認(rèn)識網(wǎng)頁結(jié)構(gòu)
7.1.1 查看網(wǎng)頁的源代碼
7.1.2 網(wǎng)頁結(jié)構(gòu)的組成
7.1.3 百度新聞頁面結(jié)構(gòu)剖析
7.2 requests模塊
7.2.1 requests模塊獲取數(shù)據(jù)的方式
7.2.2 get()函數(shù)的參數(shù)介紹
7.3 案例：爬取豆瓣電影動畫排行榜
7.4 正則表達(dá)式
7.4.1 正則表達(dá)式基礎(chǔ)
7.4.2 用正則表達(dá)式提取數(shù)據(jù)
7.5 BeautifulSoup模塊
7.5.1 實(shí)例化BeautifulSoup對象
7.5.2 用BeautifulSoup對象定位標(biāo)簽
7.5.3 從標(biāo)簽中提取文本內(nèi)容和屬性值
7.6 XPath表達(dá)式
7.6.1 實(shí)例化etree對象
7.6.2 用XPath表達(dá)式定位標(biāo)簽并提取數(shù)據(jù)
7.6.3 快速獲取標(biāo)簽節(jié)點(diǎn)的XPath表達(dá)式
7.7 數(shù)據(jù)清洗
7.8 案例：爬取當(dāng)當(dāng)網(wǎng)的圖書銷售排行榜
 
 
第8章　Python爬蟲進(jìn)階
8.1 Selenium模塊基礎(chǔ)
8.1.1 Selenium模塊的安裝與基本用法
8.1.2 Selenium模塊的標(biāo)簽定位
8.1.3 Selenium模塊的標(biāo)簽操作
8.2 Selenium模塊進(jìn)階
8.2.1 模擬鼠標(biāo)操作
8.2.2 標(biāo)簽處理 8.2.3 顯式等待和隱式等待
8.3 案例：模擬登錄12306
8.4 IP反爬的應(yīng)對
8.4.1 IP反爬的應(yīng)對思路
8.4.2 搭建代理IP池
8.4.3 實(shí)戰(zhàn)案例
8.5 用cookie池模擬登錄
8.5.1 用瀏覽器獲取cookie信息
8.5.2 自動記錄cookie信息
8.5.3 cookie池的搭建和使用
8.6 提高爬蟲程序的數(shù)據(jù)爬取效率
8.6.1 多進(jìn)程實(shí)現(xiàn)并行
8.6.2 進(jìn)程池的創(chuàng)建
8.6.3 多線程實(shí)現(xiàn)并發(fā)
8.6.4 線程池的創(chuàng)建
8.6.5 多任務(wù)異步協(xié)程實(shí)現(xiàn)并發(fā)
8.6.6 多進(jìn)程、多線程和多任務(wù)異步協(xié)程在爬蟲中的應(yīng)用
 
 
第9章　表格數(shù)據(jù)獲取與數(shù)據(jù)庫詳解
9.1 表格類數(shù)據(jù)的獲取
9.1.1 用于構(gòu)建表格的標(biāo)簽
9.1.2 read_html()函數(shù)的基本用法
9.2 用數(shù)據(jù)庫存取數(shù)據(jù)
9.2.1 數(shù)據(jù)庫概述
9.2.2 MySQL的安裝和配置
9.2.3 數(shù)據(jù)表的基本操作
9.2.4 數(shù)據(jù)表中數(shù)據(jù)的基本操作
9.2.5 用PyMySQL模塊操作數(shù)據(jù)庫
9.2.6 用pandas模塊操作數(shù)據(jù)庫
9.3 案例：爬取58同城租房信息
 
 
第10章　自然語言處理
10.1 NLP概述
10.1.1 NLP的應(yīng)用領(lǐng)域和基本流程
10.1.2 文本分詞方法
10.2 jieba分詞器
10.2.1 jieba分詞器的基礎(chǔ)知識
10.2.2 jieba分詞器的基本用法
10.2.3 調(diào)整詞典
10.2.4 關(guān)鍵詞提取
10.2.5 停用詞過濾
10.2.6 詞頻統(tǒng)計(jì)
10.3 案例：新聞關(guān)鍵詞的提取與匯總
 
 
第11章　數(shù)據(jù)可視化—Matplotlib模塊
11.1 繪制基本圖表    
11.1.1 繪制柱形圖    
11.1.2 繪制條形圖    
11.1.3 繪制折線圖    
11.1.4 繪制面積圖    
11.1.5 繪制散點(diǎn)圖    
11.1.6 繪制餅圖和圓環(huán)圖 
11.2 圖表的繪制和美化技巧    
11.2.1 在一張畫布中繪制多個(gè)圖表 
11.2.2 添加圖表元素 
11.2.3 添加并設(shè)置網(wǎng)格線 
11.2.4 調(diào)整坐標(biāo)軸的刻度范圍 
11.3 繪制高級圖表    
11.3.1 繪制氣泡圖    
11.3.2 繪制組合圖    
11.3.3 繪制直方圖    
11.3.4 繪制雷達(dá)圖    
11.3.5 繪制樹狀圖    
11.3.6 繪制箱形圖    
11.3.7 繪制玫瑰圖    
 
 
第12章　數(shù)據(jù)可視化神器—pyecharts模塊
12.1 圖表配置項(xiàng)
12.2 繪制漏斗圖
12.3 繪制漣漪特效散點(diǎn)圖
12.4 繪制水球圖
12.5 繪制儀表盤
12.6 繪制詞云圖
12.7 繪制K線圖
 
 
第13章　量化金融—股票信息挖掘與分析
13.1 案例介紹   
13.2 獲取汽車行業(yè)股票的基本信息
13.3 獲取單只股票的歷史行情數(shù)據(jù)
13.4 獲取滬深A(yù)股漲幅前60名的信息 
13.5 計(jì)算股票的月漲跌幅
13.6 股票相關(guān)性分析
13.7 股票價(jià)格預(yù)測