原副标题：画册所推荐 | Python面向对象与数据挖掘工程项目两栖作战（含专业课程rondes·微课）
Python面向对象与数据挖掘工程项目两栖作战（微课音频版）
撰稿所推荐：配微课音频、源代码、课堂教学幻灯片、课堂教学文本、解题课程表等，此基础+丰富事例，含专业课程rondes课堂教学文本
Python的第二个版问世于1991年，因其开放源码优点，颇受各阶层发烧友钟爱，截止目前，各专业领域的Python扩充库已超过20亿个工程项目，词汇应用专业领域覆盖范围广为。随著人工智慧控制技术的急速兴起，Python在数据采集、数据挖掘及建模专业领域的应用专业领域倍受倚重，考虑到Python在数据挖掘方面的众多缺点，兼具各阶层听众更惯于即学即用的自学形式，特将Python面向对象此基础、数据挖掘及事例紧密结合起来撰写该书，期望能为听众增添协助。
两本书主要就文本
两本书文本以问题为取向，适于新手自学Python，同时还能详尽介绍数据挖掘具体内容业务流程。 听众能在短时期内自学两本书中如是说的Python面向对象此基础与数据分析事例。
作为两本如是说Python面向对象此基础与数据挖掘事例的书刊，两本书共分成两部份13章。
首部份为Python面向对象此基础篇，主要就包括第1~8章。
第1章Python合作开发自然环境。Python概要部份主要就如是说Python的发展心路历程、Python的特征、Python的应用专业领域专业领域、Python的加装；Python IDLE合作开发自然环境部份主要就包括IDLE概要、采用IDLE自然环境建立Python流程；Anaconda 3软件系统自然环境与Jupyter Notebook部份主要就包括Anaconda浏览与加装、Conda指示用语以及Jupyter Notebook；Jupyter Notebook采用简述部份主要就包括Jupyter Notebook的启动、撰稿界面功能如是说； 扩充库加装及导入采用；Python撰写规范。
第2章Python变量类型、运算符与表达式、内置函数。变量与数据类型部份重点如是说了变量和常量的概念、命名规则和数据类型； 运算符与表达式部份详尽阐述了算术运算符、关系运算符、逻辑运算符、赋值运算符、位运算符、成员运算符、集合运算符、运算符优先级以及表达式； 函数部份如是说了Python中常用内置函数以及常用标准库函数。
第3章Python流程控制结构。选择结构部份主要就包括单分支选择结构、双分支选择结构、多分支选择结构及嵌套选择结构； 循环结构部份如是说了for循环、while循环、嵌套循环及循环控制语句； 异常处理部分如是说了异常的常见形式和异常处理结构语法。
第4章列表与元组。列表部份详尽讲述了列表的建立及删除、列表元素访问与切片、列表常用方法、列表运算及列表推导式； 元组部份讲述了元组的建立及元素访问、元组运算符、元组索引与切片、生成器推导式； 最后如是说了列表与元组的区别与联系。
第5章字典与集合。字典部份如是说了字典的概念与优点、字典的建立与删除、字典元素访问、字典元素的增加、修改和删除、字典内置函数与方法； 集合部份如是说了集合的概念、集合的建立与删除、集合元素的添加与删除、集合常用方法和综合例题。
第6章函数定义及采用。函数定义的语法格式与调用部份详尽如是说了函数定义的语法格式与调用概述、递归函数的定义与调用； 函数参数如是说了位置参数、默认参数、关键参数以及可变长度参数；Lambda表达式； 生成器函数与修饰器函数部份如是说了生成器函数与修饰器函数的定义与采用；Python中的包部份如是说了包的建立与导入。
第7章Python数据挖掘此基础。NumPy库部份如是说了NumPy数据结构、ndarray常见操作、常用的操作函数；Pandas库部份如是说了Pandas数据结构、Pandas数据读写及Pandas常用操作。
第8章Python数据建模。Matplotlib部份主要就包括Matplotlib加装与设置、图形的基本构成、基本绘图业务流程、常用图形绘制；Pyecharts部份主要就包括Pyecharts概述、Pyecharts图表配置项及Pyecharts常用图表绘制。
第二部份为数据挖掘综合事例篇，主要就包括第9~13章。
第9章白葡萄酒品质分析事例，首先进行了数据集描述，然后从导入数据、数据描述性统计及数据分布、数据清洗、数据分析等方面展开白葡萄酒品质数据挖掘。
第10章药品销售数据挖掘事例，以某医院药房2018年销售数据为例，介绍该医院2018年的药品销售情况。首先进行了事例如是说与数据集描述，之后进行了数据清洗，然后展开建模分析，最后进行了建模分析。
第11章电商用户行为分析事例，先进行了数据集描述与用户行为分析过程，然后进行数据清洗，之后将数据保存到本地，导入Pandas进行数据挖掘，主要就包括用户流量及购物情况、用户行为转化漏斗、购买率高低与人群特征、时间维度上介绍用户行为习惯及商品维度分析。
第12章电商平台大数据消费分析事例，先描述事例背景与目标，进行了数据集描述，然后对数据导入并进行了描述性统计分析，对异常值进行检测和处理，详尽分析了客户交易行为及客户标签画像。
第13章银行客户信用风险评估事例，如是说了工程项目背景与目标，进行了客户数据探索与预处理，构建了信用评估指标体系，最后构建了风控模型并应用专业领域。
两本书特色
（1） 需求取向，讲解详尽。紧密结合Python此基础知识与数据挖掘事例详尽讲解数据挖掘过程。
（2） 夯实此基础，事例多样。此基础篇各章节事例涵盖相应知识点，事例篇主要就包括5个完整工程项目事例。
（3） 代码详尽，易于操作。全书提供各章节的详尽代码与数据，方便听众实际操作。
（4） 风格简明，通俗易懂。由浅入深地带领听众学会 Python 词汇基本文本以及数据挖掘基本业务流程。
配套资源
为便于教与学，两本书配有微课音频（180分钟）、源代码、课堂教学幻灯片、课堂教学文本、课堂教学文本、解题课程表。
听众对象
两本书可作为全国高等学校计算机或非计算机专业“Python面向对象”“数据挖掘及建模”等专业课程的教材，也可作为从事高等教育的专任教师的课堂教学参考用书，以及有意向自学数据挖掘相关控制技术的研究生的参考用书。
