清華科技大講堂：Python數據分析實(shí)戰簡(jiǎn)介，目錄書(shū)摘
2020-04-23 18:29
來(lái)源：京東
作者：京東
清華科技大講堂：Python數據分析實(shí)戰
暫無(wú)報價(jià)
100+評論
100%好評
內容簡(jiǎn)介: 使用Python進(jìn)行數據分析是十分便利且高效的，因此它被認為是優(yōu)秀的數據分析工具之一。本書(shū)從理論和實(shí)戰兩個(gè)角度對Python數據分析工具進(jìn)行了介紹，并采用理論分析和Python實(shí)踐相結合的形式，按照數據分析的基本步驟對數據分析的理論知識以及相應的Python庫進(jìn)行了詳細的介紹，讓讀者在了解數據分析的基本理論知識的同時(shí)能夠快速上手實(shí)現數據分析程序。
本書(shū)適用于對數據分析有濃厚興趣但不知從何下手的初學(xué)者，在閱讀數據分析的基礎理論知識的同時(shí)可以通過(guò)Python實(shí)現簡(jiǎn)單的數據分析程序，從而快速對數據分析的理論和實(shí)現兩個(gè)層次形成一定的認知。
本書(shū)適用于對數據分析有濃厚興趣但不知從何下手的初學(xué)者，在閱讀數據分析的基礎理論知識的同時(shí)可以通過(guò)Python實(shí)現簡(jiǎn)單的數據分析程序，從而快速對數據分析的理論和實(shí)現兩個(gè)層次形成一定的認知。
目錄:第1章數據分析是什么
1.1海量數據背后蘊藏的知識
1.2數據分析與數據挖掘的關(guān)系
1.3機器學(xué)習與數據分析的關(guān)系
1.4數據分析的基本步驟
1.5Python和數據分析
第2章Python——從了解Python開(kāi)始
2.1Python的發(fā)展史
2.2Python及Pandas、scikitlearn、Matplotlib的安裝
2.2.1Windows環(huán)境下Python的安裝
2.2.2Mac環(huán)境下Python的安裝
2.2.3Pandas、scikitlearn和Matplotlib的安裝
2.2.4使用科學(xué)計算發(fā)行版Python進(jìn)行快速安裝
2.3Python基礎知識
2.3.1縮進(jìn)很重要
2.3.2模塊化的系統
2.3.3注釋
2.3.4語(yǔ)法
2.4重要的Python庫
2.4.1Pandas
2.4.2scikitlearn
2.4.3Matplotlib
2.4.4其他
2.5Jupyter
第3章數據預處理——不了解數據一切都是空談
3.1了解數據
3.2數據質(zhì)量
3.2.1完整性
3.2.2一致性
3.2.3準確性
3.2.4及時(shí)性
3.3數據清洗
3.4特征工程
3.4.1特征選擇
3.4.2特征構建
3.4.3特征提取
第4章NumPy——數據分析基礎工具
4.1多維數組對象ndarray
4.1.1ndarray的創(chuàng )建
4.1.2ndarray的數據類(lèi)型
4.2ndarray的索引、切片和迭代
4.3ndarray的shape的操作
4.4ndarray的基礎操作
第5章Pandas——處理結構化數據
5.1基本數據結構
5.1.1Series
5.1.2DataFrame
5.2基于Pandas的Index對象的訪(fǎng)問(wèn)操作
5.2.1Pandas的Index對象
5.2.2索引的不同訪(fǎng)問(wèn)方式
5.3數學(xué)統計和計算工具
5.3.1統計函數： 協(xié)方差、相關(guān)系數、排序
5.3.2窗口函數
5.4數學(xué)聚合和分組運算
5.4.1agg（）函數的聚合操作
5.4.2transform（）函數的轉換操作
5.4.3使用apply()函數實(shí)現一般的操作
第6章數據分析與知識發(fā)現——一些常用的方法
6.1分類(lèi)分析
6.1.1邏輯回歸
6.1.2線(xiàn)性判別分析
6.1.3支持向量機
6.1.4決策樹(shù)
6.1.5K近鄰
6.1.6樸素貝葉斯
6.2關(guān)聯(lián)分析
6.2.1基本概念
6.2.2典型算法
6.3聚類(lèi)分析
6.3.1K均值算法
6.3.2DBSCAN
6.4回歸分析
6.4.1線(xiàn)性回歸分析
6.4.2支持向量回歸
6.4.3K近鄰回歸
第7章scikitlearn——實(shí)現數據的分析
7.1分類(lèi)方法
7.1.1Logistic回歸
7.1.2SVM
7.1.3Nearest neighbors
7.1.4Decision Tree
7.1.5隨機梯度下降
7.1.6高斯過(guò)程分類(lèi)
7.1.7神經(jīng)網(wǎng)絡(luò )分類(lèi)（多層感知器）
7.1.8樸素貝葉斯示例
7.2回歸方法
7.2.1最小二乘法
7.2.2嶺回歸
7.2.3Lasso
7.2.4貝葉斯嶺回歸
7.2.5決策樹(shù)回歸
7.2.6高斯過(guò)程回歸
7.2.7最近鄰回歸
7.3聚類(lèi)方法
7.3.1Kmeans
7.3.2Affinity propagation
7.3.3Meanshift
7.3.4Spectral clustering
7.3.5Hierarchical clustering
7.3.6DBSCAN
7.3.7Birch
第8章Matplotlib——交互式圖表繪制
8.1基本布局對象
8.2圖表樣式的修改以及裝飾項接口
8.3基礎圖表的繪制
8.3.1直方圖
8.3.2散點(diǎn)圖
8.3.3餅圖
8.3.4柱狀圖
8.3.5折線(xiàn)圖
8.3.6表格
8.3.7不同坐標系下的圖像
8.4matplot3D
8.5Matplotlib與Jupyter結合
第9章實(shí)例： 科比職業(yè)生涯進(jìn)球分析
9.1預處理
9.2分析科比的命中率
9.3分析科比的投籃習慣
第10章實(shí)例： 世界杯
10.1數據說(shuō)明
10.2世界杯觀(guān)眾
10.3世界杯冠軍
10.4世界杯參賽隊伍與比賽
10.5世界杯進(jìn)球
參考文獻
1.1海量數據背后蘊藏的知識
1.2數據分析與數據挖掘的關(guān)系
1.3機器學(xué)習與數據分析的關(guān)系
1.4數據分析的基本步驟
1.5Python和數據分析
第2章Python——從了解Python開(kāi)始
2.1Python的發(fā)展史
2.2Python及Pandas、scikitlearn、Matplotlib的安裝
2.2.1Windows環(huán)境下Python的安裝
2.2.2Mac環(huán)境下Python的安裝
2.2.3Pandas、scikitlearn和Matplotlib的安裝
2.2.4使用科學(xué)計算發(fā)行版Python進(jìn)行快速安裝
2.3Python基礎知識
2.3.1縮進(jìn)很重要
2.3.2模塊化的系統
2.3.3注釋
2.3.4語(yǔ)法
2.4重要的Python庫
2.4.1Pandas
2.4.2scikitlearn
2.4.3Matplotlib
2.4.4其他
2.5Jupyter
第3章數據預處理——不了解數據一切都是空談
3.1了解數據
3.2數據質(zhì)量
3.2.1完整性
3.2.2一致性
3.2.3準確性
3.2.4及時(shí)性
3.3數據清洗
3.4特征工程
3.4.1特征選擇
3.4.2特征構建
3.4.3特征提取
第4章NumPy——數據分析基礎工具
4.1多維數組對象ndarray
4.1.1ndarray的創(chuàng )建
4.1.2ndarray的數據類(lèi)型
4.2ndarray的索引、切片和迭代
4.3ndarray的shape的操作
4.4ndarray的基礎操作
第5章Pandas——處理結構化數據
5.1基本數據結構
5.1.1Series
5.1.2DataFrame
5.2基于Pandas的Index對象的訪(fǎng)問(wèn)操作
5.2.1Pandas的Index對象
5.2.2索引的不同訪(fǎng)問(wèn)方式
5.3數學(xué)統計和計算工具
5.3.1統計函數： 協(xié)方差、相關(guān)系數、排序
5.3.2窗口函數
5.4數學(xué)聚合和分組運算
5.4.1agg（）函數的聚合操作
5.4.2transform（）函數的轉換操作
5.4.3使用apply()函數實(shí)現一般的操作
第6章數據分析與知識發(fā)現——一些常用的方法
6.1分類(lèi)分析
6.1.1邏輯回歸
6.1.2線(xiàn)性判別分析
6.1.3支持向量機
6.1.4決策樹(shù)
6.1.5K近鄰
6.1.6樸素貝葉斯
6.2關(guān)聯(lián)分析
6.2.1基本概念
6.2.2典型算法
6.3聚類(lèi)分析
6.3.1K均值算法
6.3.2DBSCAN
6.4回歸分析
6.4.1線(xiàn)性回歸分析
6.4.2支持向量回歸
6.4.3K近鄰回歸
第7章scikitlearn——實(shí)現數據的分析
7.1分類(lèi)方法
7.1.1Logistic回歸
7.1.2SVM
7.1.3Nearest neighbors
7.1.4Decision Tree
7.1.5隨機梯度下降
7.1.6高斯過(guò)程分類(lèi)
7.1.7神經(jīng)網(wǎng)絡(luò )分類(lèi)（多層感知器）
7.1.8樸素貝葉斯示例
7.2回歸方法
7.2.1最小二乘法
7.2.2嶺回歸
7.2.3Lasso
7.2.4貝葉斯嶺回歸
7.2.5決策樹(shù)回歸
7.2.6高斯過(guò)程回歸
7.2.7最近鄰回歸
7.3聚類(lèi)方法
7.3.1Kmeans
7.3.2Affinity propagation
7.3.3Meanshift
7.3.4Spectral clustering
7.3.5Hierarchical clustering
7.3.6DBSCAN
7.3.7Birch
第8章Matplotlib——交互式圖表繪制
8.1基本布局對象
8.2圖表樣式的修改以及裝飾項接口
8.3基礎圖表的繪制
8.3.1直方圖
8.3.2散點(diǎn)圖
8.3.3餅圖
8.3.4柱狀圖
8.3.5折線(xiàn)圖
8.3.6表格
8.3.7不同坐標系下的圖像
8.4matplot3D
8.5Matplotlib與Jupyter結合
第9章實(shí)例： 科比職業(yè)生涯進(jìn)球分析
9.1預處理
9.2分析科比的命中率
9.3分析科比的投籃習慣
第10章實(shí)例： 世界杯
10.1數據說(shuō)明
10.2世界杯觀(guān)眾
10.3世界杯冠軍
10.4世界杯參賽隊伍與比賽
10.5世界杯進(jìn)球
參考文獻
熱門(mén)推薦文章
相關(guān)優(yōu)評榜
1
杰士派
相關(guān)排行榜
相關(guān)產(chǎn)品
1
新華電腦
2
筆記電腦排名
8
nginx
9
浩鑫電子
10
十大筆記本電腦排名
13
易學(xué)C++
14
工業(yè)電腦排名
16
打印墨水包郵
17
ubuntu系統手機
20
PILON
22
京公網(wǎng)安備 11000002000088號
