全書共12章，主要內(nèi)容包括：商業(yè)數(shù)據(jù)分析概論、Python商業(yè)數(shù)據(jù)存取、Python商業(yè)數(shù)據(jù)圖形繪制與可視化、Python描述性統(tǒng)計、Python參數(shù)估計、Python參數(shù)假設(shè)檢驗、Python相關(guān)分析、Python一元線性回歸分析、Python多元線性回歸分析、Python時間序列分析、Python量化金融數(shù)據(jù)分析、Python機器學(xué)習(xí)。
電子書
內(nèi)容簡介
本書全面講解Python數(shù)據(jù)分析的相關(guān)知識和技術(shù)，內(nèi)容包括Python數(shù)據(jù)分析概述、NumPy數(shù)值計算、Matplotlib數(shù)據(jù)可視化、Pandas數(shù)據(jù)分析、數(shù)據(jù)預(yù)處理、Sklearn機器學(xué)習(xí)。 本書以培養(yǎng)學(xué)生編程能力和數(shù)據(jù)分析能力為目標(biāo)，注重技術(shù)應(yīng)用能力的培養(yǎng)?！ ”緯鴥?nèi)容充實、結(jié)構(gòu)合理、實用性強，具有明確的應(yīng)用能力培養(yǎng)目標(biāo)，易于接受和理解，學(xué)完本書后，可以具備數(shù)據(jù)分析的基本能力?！ ”緯m合作為普通高等院校人工智能、數(shù)據(jù)科學(xué)與大數(shù)據(jù)以及計算機相關(guān)專業(yè)課程的教材，也可以作為相關(guān)從業(yè)人員的技術(shù)參考用書。
章節(jié)目錄
- 封面
- 書名頁
- 版權(quán)頁
- 前言
- 目錄
- 第1章 Python數(shù)據(jù)分析概述
- 1.1 數(shù)據(jù)分析的概念、流程和應(yīng)用
- 1.1.1 數(shù)據(jù)分析的概念
- 1.1.2 數(shù)據(jù)分析的流程
- 1.1.3 數(shù)據(jù)分析的應(yīng)用
- 1.2 數(shù)據(jù)分析工具
- 1.2.1 常用工具
- 1.2.2 Python數(shù)據(jù)分析
- 1.3 Python數(shù)據(jù)分析環(huán)境
- 小結(jié)
- 習(xí)題
- 實驗
- 第2章 NumPy數(shù)值計算
- 2.1 NumPy多維數(shù)組
- 2.1.1 數(shù)組創(chuàng)建
- 2.1.2 數(shù)組對象屬性
- 2.1.3 數(shù)組數(shù)據(jù)類型
- 2.2 數(shù)組操作
- 2.2.1 修改數(shù)組形狀
- 2.2.2 翻轉(zhuǎn)數(shù)組
- 2.2.3 連接數(shù)組
- 2.2.4 分割數(shù)組
- 2.2.5 數(shù)組元素添加與刪除
- 2.3 數(shù)組索引與切片
- 2.3.1 數(shù)組索引
- 2.3.2 數(shù)組切片
- 2.3.3 布爾型索引
- 2.3.4 花式索引
- 2.4 數(shù)組的運算
- 2.4.1 數(shù)組和標(biāo)量間的運算
- 2.4.2 廣播
- 2.4.3 算術(shù)函數(shù)
- 2.4.4 集合運算
- 2.4.5 統(tǒng)計運算
- 2.4.6 排序
- 2.4.7 搜索
- 2.5 線性代數(shù)
- 2.5.1 數(shù)組相乘
- 2.5.2 矩陣行列式
- 2.5.3 逆矩陣
- 2.5.4 線性方程組
- 2.5.5 特征值和特征向量
- 2.6 數(shù)組的存取
- 小結(jié)
- 習(xí)題
- 實驗
- 第3章 Matplotlib數(shù)據(jù)可視化
- 3.1 線形圖
- 3.1.1 繪制線形圖
- 3.1.2 顏色設(shè)置
- 3.1.3 線型設(shè)置
- 3.1.4 坐標(biāo)點設(shè)置
- 3.1.5 線寬設(shè)置
- 3.2 其他圖形
- 3.2.1 散點圖
- 3.2.2 柱形圖
- 3.2.3 條形圖
- 3.2.4 餅圖
- 3.2.5 直方圖
- 3.2.6 箱線圖
- 3.3 自定義設(shè)置
- 3.3.1 圖例設(shè)置
- 3.3.2 坐標(biāo)網(wǎng)格設(shè)置
- 3.3.3 坐標(biāo)系設(shè)置
- 3.3.4 樣式設(shè)置與注解
- 3.3.5 RC設(shè)置
- 3.4 子圖
- 3.4.1 創(chuàng)建子圖
- 3.4.2 子圖坐標(biāo)系設(shè)置
- 3.4.3 圖形嵌套
- 3.5 繪制三維圖形
- 小結(jié)
- 習(xí)題
- 實驗
- 第4章 Pandas數(shù)據(jù)分析
- 4.1 Pandas數(shù)據(jù)結(jié)構(gòu)
- 4.2 DataFrame基本功能
- 4.3 讀取外部數(shù)據(jù)
- 4.3.1 CSV文件
- 4.3.2 Sqlite數(shù)據(jù)庫
- 4.4 數(shù)據(jù)幀的列操作和行操作
- 4.4.1 列操作
- 4.4.2 行操作
- 4.5 高級索引
- 4.5.1 重建索引
- 4.5.2 更換索引
- 4.5.3 層次化索引
- 4.6 Pandas數(shù)據(jù)運算
- 4.6.1 算術(shù)運算
- 4.6.2 函數(shù)應(yīng)用與映射運算
- 4.6.3 排序
- 4.6.4 迭代
- 4.6.5 唯一值與值計數(shù)
- 4.7 統(tǒng)計函數(shù)
- 4.7.1 描述性統(tǒng)計
- 4.7.2 變化率
- 4.7.3 協(xié)方差
- 4.7.4 相關(guān)性
- 4.7.5 數(shù)據(jù)排名
- 4.8 分組與聚合
- 4.8.1 分組
- 4.8.2 聚合
- 4.9 透視表與交叉表
- 4.9.1 透視表
- 4.9.2 交叉表
- 小結(jié)
- 習(xí)題
- 實驗
- 第5章 數(shù)據(jù)預(yù)處理
- 5.1 數(shù)據(jù)清洗
- 5.1.1 重復(fù)值
- 5.1.2 缺失值
- 5.1.3 異常值
- 5.2 合并連接與重塑
- 5.2.1 merge合并
- 5.2.2 concat合并
- 5.2.3 combine_first合并
- 5.2.4 數(shù)據(jù)重塑
- 5.3 數(shù)據(jù)變換
- 5.3.1 虛擬變量
- 5.3.2 函數(shù)變換
- 5.3.3 連續(xù)屬性離散化
- 5.3.4 規(guī)范化
- 5.3.5 隨機采樣
- 小結(jié)
- 習(xí)題
- 實驗
- 第6章 Sklearn機器學(xué)習(xí)
- 6.1 術(shù)語
- 6.2 Sklearn
- 6.2.1 Sklearn數(shù)據(jù)集
- 6.2.2 Sklearn常用算法
- 6.2.3 數(shù)據(jù)預(yù)處理
- 6.2.4 數(shù)據(jù)集拆分
- 6.2.5 模型評估
- 6.2.6 Sklearn常用方法
- 6.2.7 模型的保存和載入
- 6.3 降維
- 6.3.1 PCA（主成分分析）
- 6.3.2 LDA（線性評價分析）
- 6.4 回歸
- 6.4.1 線性回歸
- 6.4.2 邏輯回歸
- 6.4.3 回歸決策樹
- 6.5 分類
- 6.5.1 樸素貝葉斯
- 6.5.2 分類決策樹
- 6.5.3 SVM（支持向量機）
- 6.5.4 神經(jīng)網(wǎng)絡(luò)
- 6.5.5 K.近鄰算法
- 6.6 聚類
- 6.6.1 K.means算法
- 6.2.2 DBSCAN
- 小結(jié)
- 習(xí)題
- 實驗
- 參考文獻
- 書脊
- 封底
展開全部
Python數(shù)據(jù)分析是2019年由中國鐵道出版社出版,作者吳道君,朱家榮。
溫馨提示：
1.本電子書已獲得正版授權(quán)，由出版社通過知傳鏈發(fā)行。
2.該電子書為虛擬物品，付費之后概不接收任何理由退款。電子書內(nèi)容僅支持在線閱讀，不支持下載。
3.您在本站購買的閱讀使用權(quán)僅限于您本人閱讀使用，您不得/不能給任何第三方使用，由此造成的一切相關(guān)后果本平臺保留向您追償索賠的權(quán)利！版權(quán)所有，后果自負(fù)！
得書感謝您對《Python數(shù)據(jù)分析》關(guān)注和支持，如本書內(nèi)容有不良信息或侵權(quán)等情形的，請聯(lián)系本網(wǎng)站。
電子書
電子書
本書緊跟數(shù)據(jù)分析的最新發(fā)展趨勢，基于Python的數(shù)據(jù)分析平臺和工具，介紹數(shù)據(jù)分析的相關(guān)知識與技能。本書共7個項目，分為3部分：基礎(chǔ)部分、數(shù)據(jù)分析部分、機器學(xué)習(xí)實戰(zhàn)部分?；A(chǔ)部分包括項目一和項目二，介紹數(shù)據(jù)分析環(huán)境的搭建，以及NumPy的理論和實踐知識；數(shù)據(jù)分析部分包括項目三~項目六，結(jié)合案例介紹數(shù)據(jù)檢查、數(shù)據(jù)呈現(xiàn)、數(shù)據(jù)多維化等，涵蓋真實數(shù)據(jù)分析工作的完整流程；機器學(xué)習(xí)實戰(zhàn)部分只包括項目七，利用一
電子書
本書面向大數(shù)據(jù)應(yīng)用型人才，以任務(wù)為導(dǎo)向，系統(tǒng)地介紹Python數(shù)據(jù)分析與挖掘的常用技術(shù)與真實案例。全書共7章，第1、2章介紹Python數(shù)據(jù)分析的常用模塊及其應(yīng)用，涵蓋NumPy數(shù)值計算模塊、pandas數(shù)據(jù)分析模塊，較為系統(tǒng)地闡述Python數(shù)據(jù)分析的方法；第3、4章介紹輕量級的數(shù)據(jù)交換格式JSON和連接MySQL數(shù)據(jù)庫的pymysql模塊，并以此進行數(shù)據(jù)綜合案例的分析；第5章介紹Matplot
電子書
隨著云計算、大數(shù)據(jù)等的快速發(fā)展，越來越多的組織用信息化手段進行流程管理。如何提升流程執(zhí)行的智能化程度、動態(tài)性和柔性，以提高對非標(biāo)準(zhǔn)業(yè)務(wù)的管理效率，是流程管理面臨的一個重要問題。本書基于流程管理系統(tǒng)積累的日志，提出了3種流程管理的工作流活動推薦方法，分別為基于用戶類別近鄰的活動推薦方法、基于Pearson相關(guān)系數(shù)的活動推薦方法和基于協(xié)同過濾的活動推薦方法，并介紹了一種流程信息的可視化算法，實現(xiàn)了一個
電子書
隨著企業(yè)數(shù)字化轉(zhuǎn)型不斷深化，企業(yè)對數(shù)據(jù)庫工程師的需求越來越大。本書結(jié)合實際工作場景，將企業(yè)數(shù)據(jù)庫運維的相關(guān)工作分為10個項目，內(nèi)容包括了解數(shù)據(jù)庫運維工作，安裝和配置MySQL，管理MySQL權(quán)限與安全，分析MySQL日志，備份與恢復(fù)MySQL，監(jiān)控、測試并優(yōu)化MySQL性能，MySQL復(fù)制，搭建及運維MySQLCluster，結(jié)合Redis的MySQL運維，數(shù)據(jù)庫自動化運維。本書配套教學(xué)PPT、題
電子書
《Python程序設(shè)計——編程基礎(chǔ)、Web開發(fā)及數(shù)據(jù)分析》系統(tǒng)講述了Python程序設(shè)計的基礎(chǔ)知識。全書共15章，內(nèi)容包括：Python概述、Python基本語法、Python的基本流程控制、Python的四種典型序列結(jié)構(gòu)、Python函數(shù)、Python文件和數(shù)據(jù)庫操作、面向?qū)ο蟪绦蛟O(shè)計、模塊和包、字符串操作與正則表達(dá)式的使用、錯誤及異常處理、GUI編程、網(wǎng)絡(luò)和多線程編程、基于Flask框架的We
電子書
本書是從實踐出發(fā)，同時結(jié)合一線教師的實踐教學(xué)經(jīng)驗，以示例為主線，把可視化需要的Python基礎(chǔ)語法，Numpy和pandas包中數(shù)據(jù)結(jié)構(gòu)及讀取Excel/CSV文件操作、無效數(shù)據(jù)處理操作，Matplotlib和pandas包的不同種類圖形繪制框架代碼等內(nèi)容都融入到示例中，通過示例，循序漸進、淺顯易懂地講解可視化分析所需要的知識點?！ ”緯m合Python可視化初學(xué)者使用，也可作為相關(guān)機構(gòu)的培訓(xùn)用書
電子書
本書系統(tǒng)地描述了如何利用Python語言進行數(shù)據(jù)分析。由淺入深的編寫方式可以幫助讀者輕松愉快地進入數(shù)據(jù)的世界。全書從理論到實踐、從基礎(chǔ)語法到科學(xué)計算庫，循序漸進地講解了Python數(shù)據(jù)分析所需要學(xué)習(xí)的技能。搭配項目實戰(zhàn)幫助讀者更好、更快地掌握Python數(shù)據(jù)分析知識點。此外，還全面介紹了數(shù)據(jù)分析的必知必會技能。本書提供代碼資源下載服務(wù)，每章均配有重要知識點串講視頻。本書不僅適合零基礎(chǔ)喜歡數(shù)據(jù)分析的
