本书介绍了Python中与计算传播学相关的库，并通过项目案例加以巩固。主要内容包括Python与计算传播学、Python编程基础、数据处理与分析基础、数据可视化基础，新闻关键词提取、评论情感分析、社会网络分析。

更多科学出版社服务，请扫码获取。

第1章　Python与计算传播学    1
1.1　Python与计算传播学简介    1
1.1.1　计算传播学介绍    1
1.1.2　Python介绍    2
1.1.3　Python常用计算传播学库    3
1.1.4　安装Anaconda发行版Python    7
1.2　Jupyter Notebook编程工具    10
1.2.1　启动Jupyter Notebook    10
1.2.2　新建一个Notebook    11
1.2.3　Jupyter Notebook的界面及其构成    12
1.2.4　Markdown    13
本章小结    17
第2章　Python编程基础    18
2.1　Python固定语法    18
2.1.1　声明与注释    18
2.1.2　保留字符与赋值    20
2.1.3　缩进    22
2.2　数据类型    23
2.2.1　数值    23
2.2.2　字符串    25
2.2.3　列表    28
2.2.4　字典    31
2.3　常用运算符    34
2.3.1　算术运算符    34
2.3.2　赋值运算符    35
2.3.3　比较运算符    36
2.3.4　逻辑运算符    37
2.3.5　成员运算符    37
2.3.6　运算符优先级    38
2.4　控制语句    39
2.4.1　if-elif-else语句    39
2.4.2　for语句    41
2.4.3　while语句    43
2.4.4　跳出循环    45
2.5　自定义函数    48
2.5.1　基本语法    48
2.5.2　参数    50
2.5.3　作用域    51
2.6　Python库    53
2.6.1　pip安装库    53
2.6.2　库调用方式    57
本章小结    58
第3章　数据处理与分析基础    59
3.1　NumPy基础    59
3.1.1　ndarray的创建与索引    60
3.1.2　ufunc    65
3.2　pandas数据读写    69
3.2.1　CSV    69
3.2.2　Excel    71
3.2.3　数据库    73
3.3　pandas基础类    76
3.3.1　序列    77
3.3.2　数据框    82
3.3.3　时间戳    86
3.4　pandas基础操作    90
3.4.1　索引    90
3.4.2　排序    97
3.4.3　合并    100
3.5　pandas与统计分析    106
3.5.1　描述性统计    106
3.5.2　分组运算    113
3.6　pandas与数据清洗    118
3.6.1　缺失值处理    118
3.6.2　重复数据处理    123
本章小结    124
第4章　数据可视化基础    125
4.1　Matplotlib基础图像绘制    125
4.1.1　绘图基础    125
4.1.2　rc参数与中文显示    130
4.1.3　散点图    131
4.1.4　折线图    134
4.1.5　饼图    137
4.1.6　条形图    138
4.2　Seaborn进阶绘图    140
4.2.1　Seaborn基础    140
4.2.2　关系图    142
4.2.3　热力图    155
4.2.4　网格图    157
本章小结    163
第5章　新闻关键词提取    164
5.1　背景与目标    164
5.1.1　数据说明    165
5.1.2　目标与流程    165
5.2　探索分析    166
5.2.1　数据加载    166
5.2.2　时间信息提取    167
5.2.3　绘制分布直方图并与百度指数比对    168
5.3　文本预处理    171
5.3.1　去除缺失数据和重复数据    171
5.3.2　分词    172
5.3.3　去停用词    175
5.4　模型构建与应用    176
5.4.1　主题分析概述    176
5.4.2　关键词提取算法    177
5.4.3　结果分析    184
本章小结    185
第6章　评论情感分析    186
6.1　背景与目标    186
6.1.1　数据说明    187
6.1.2　目标与流程    187
6.2　探索分析    188
6.2.1　数据加载    188
6.2.2　时间信息提取    188
6.2.3　绘制分布直方图    189
6.3　文本预处理    191
6.3.1　清洗冗余数据    191
6.3.2　机械压缩去词    192
6.3.3　分词与去停用词    195
6.4　模型构建与应用    195
6.4.1　情感分析概述    195
6.4.2　基于百度Senta和PaddleHub的文本情感分析    198
6.4.3　LDA主题模型    200
6.4.4　结果分析    203
本章小结    204
第7章　社会网络分析    205
7.1　背景与目标    205
7.1.1　数据说明    206
7.1.2　目标与流程    207
7.2　探索分析    208
7.2.1　数据加载    208
7.2.2　分析用户的关注与被关注情况    209
7.2.3　分析用户关注、被关注、赞同数、感谢数之间的相关关系    210
7.2.4　分析用户的主题关注情况    211
7.2.5　分析用户的问题回答情况    212
7.3　数据预处理    213
7.4　网络分析    214
7.4.1　知乎社交网络概述    214
7.4.2　构建社交网络    216
7.4.3　社交网络分析    218
本章小结    224
参考文献    225