本书从零基础入门，内含丰富项目案例实战演练，详细讲解了Python的环境搭建、基本语法结构、趣味应用、分析与建模以及完整的项目案例。

第3章Python下的实际应用

Python是一种代表简单主义思想的语言，有“胶水语言”之称。目前，Python的应用层面也十分广泛，主要包括数据库的连接、系统编程、网络爬虫、人工智能、Web开发、系统运维、大数据、云计算、图形界面等。在当前环境下，Python重点应用于机器学习和人工智能方面。

视频讲解

3.1Python连接MySQL数据库

MySQL数据库是企业最常用的数据库之一，而MySQL数据库最常用的功能是select查询。数据分析人员希望可以用Python直接连接MySQL数据库，然后读取数据到pandas框架中。

首先安装好MySQL数据库，安装步骤详见附录B。然后安装pymysql，安装语句为： pip install pymysql，安装好这个包以后，在Jupyter Notebook中使用以下代码： 

import pandas as pd

import pymysql

conn = pymysql.connect(

host ='主机IP',

user ='用户名',

password ='密码',

db ='数据库名',

port =端口,

charset ='utf8')

table="select...from..."

上面的table就是连接mysql后查询到的表。然后用下面代码，就可以直接把数据读取到pandas框架中了。数据读取到pandas框架后，就可以使用pandas的常见功能对数据进行处理，比如填补缺失值、删除数据等。

data = pd.read_sql(table, conn)

目录

第1章Python开发环境搭建

1．1利器1： Notepad编辑器

1．2利器2： Anaconda

1．3利器3： Miniconda

1．4利器4： PyCharm IDE工具

1．5利器5： Spyder

1．6利器6： Jupyter Notebook

1．7小结

第2章Python数据类型用法讲解

2．1变量

2．2字符串

2．3列表list

2．3．1增(append、insert、extend)

2．3．2删(pop、remove、del)

2．3．3改、查

2．3．4列表的循环遍历

2．3．5排序(sort，reverse)

2．3．6列表的其他操作符

2．4集合set

2．4．1创建集合

2．4．2集合的增、删

2．4．3集合的交、并、补等操作

2．5字典dictionary

2．5．1字典的查找操作

2．5．2字典的增、改操作

2．5．3字典的删操作

2．5．4字典的常用方法

2．5．5有序字典

2．6函数

2．7小结

第3章Python下的实际应用

3．1Python连接MySQL数据库

3．2Python连接MongoDB数据库

3．3结巴分词和词云图

3．4简单社交网络

3．5JSON解析

3．6OCR文字识别

3．7pyecharts

3.8stats简单统计分析

3．9小结

第4章异常样本识别

4．1逻辑回归、交叉验证与欠采样

4．2基于分布的异常样本识别

4．3小结

第5章自然语言处理案例——电商评论

5．1数据加载与预处理

5．2数据可视化

5．3文本分析

5．4情感分析

5．5文本分类

5．6小结

第6章模型融合

6．1分类模型的融合方法

6．2回归模型的融合方法

6．3小结

第7章创建金融申请评分卡

7．1变量选择

7．2各变量按照ln(odds)进行分箱

7．3计算WOE与IV值

7．4逻辑回归建模

7．5创建评分卡

7．6申请评分卡的评价、使用与监控

7．7小结

第8章社交网络分析与反欺诈

8．1Neo4j的下载与安装

8．2图形界面介绍

8．3Cypher语言

8．4Neo4j案例1——《天龙八部》的人物关系分析

8．5Neo4j案例2——金融场景中的社交网络分析

8．6Py2neo

8．7小结

参考文献

附录APyCharm安装步骤

附录BMySQL安装步骤

附录CMongoDB安装步骤

附录DNeo4j安装步骤

附录Ejdk安装步骤

附录F第三方包安装步骤