Python數(shù)據(jù)分析從0到1

定　價(jià)：￥129.00

作　者：	鄧立文，俞心宇，?，?著
出版社：	清華大學(xué)出版社
叢編項(xiàng)：	清華開發(fā)者書庫.Python
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787302587170	出版時(shí)間：	2022-01-01	包裝：
開本：		頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書以Python作為數(shù)據(jù)分析的工具，系統(tǒng)地介紹數(shù)據(jù)分析所需的核心知識(shí)點(diǎn)，為書中的數(shù)據(jù)分析任務(wù)提供分析說明、代碼示例和極為詳細(xì)的代碼注釋，對(duì)于代碼中出現(xiàn)的重要知識(shí)點(diǎn)會(huì)細(xì)心地為讀者標(biāo)注出相關(guān)內(nèi)容在書中出現(xiàn)的章節(jié)位置。全書共11章，分為3篇：初識(shí)篇、基礎(chǔ)篇和進(jìn)階篇。初識(shí)篇（第1和2章），主要介紹數(shù)據(jù)分析和Python的相關(guān)基礎(chǔ)概念，一些數(shù)據(jù)分析的具體應(yīng)用場(chǎng)景及Python的集成開發(fā)環(huán)境；基礎(chǔ)篇（第3~9章），主要介紹Python的基礎(chǔ)語法，自動(dòng)化辦公的基礎(chǔ)操作，數(shù)據(jù)可視化庫Matplotlib和Seaborn，數(shù)據(jù)分析的核心庫Numpy和Pandas，提供了大量翔實(shí)有趣的編程和數(shù)據(jù)分析示例；進(jìn)階篇（第10和11章），主要介紹了機(jī)器學(xué)習(xí)的入門基礎(chǔ)理論知識(shí)和代碼實(shí)現(xiàn)，監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的各種典型算法，涉及機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的常用庫scikit-learn及神經(jīng)網(wǎng)絡(luò)框架PyTorch等的使用，還介紹了編程算法中的動(dòng)態(tài)規(guī)劃，數(shù)據(jù)分析的實(shí)戰(zhàn)例子。本書面向初學(xué)者，可以作為高等院校各專業(yè)的數(shù)據(jù)分析課程教材，也可以作為廣大數(shù)據(jù)分析從業(yè)者、愛好者、辦公人員、科研人員的參考和學(xué)習(xí)用書。

作者簡(jiǎn)介

　　鄧立文廈門大學(xué)智能多媒體技術(shù)實(shí)驗(yàn)室成員。承擔(dān)過多項(xiàng)數(shù)據(jù)分析與挖掘相關(guān)的科研項(xiàng)目工作，曾多次在各類數(shù)據(jù)科學(xué)競(jìng)賽中獲獎(jiǎng)，積累了豐富的實(shí)踐經(jīng)驗(yàn)，對(duì)數(shù)據(jù)分析有著深刻的理解，從事健康醫(yī)療大數(shù)據(jù)、機(jī)器學(xué)習(xí)和系統(tǒng)開發(fā)相關(guān)研究工作。俞心宇廈門大學(xué)數(shù)據(jù)挖掘與計(jì)算智能實(shí)驗(yàn)室成員。曾多次在國(guó)賽、美賽等各項(xiàng)數(shù)學(xué)建模和數(shù)據(jù)分析競(jìng)賽中獲獎(jiǎng)，在多個(gè)科研項(xiàng)目中承擔(dān)過數(shù)據(jù)分析和挖掘工作，有豐富的數(shù)據(jù)分析相關(guān)項(xiàng)目經(jīng)歷，從事生物信息學(xué)相關(guān)研究工作。牛瑤廈門大學(xué)智能多媒體技術(shù)實(shí)驗(yàn)室成員。曾多次在國(guó)賽等各項(xiàng)數(shù)學(xué)建模競(jìng)賽及廈門大學(xué)思維邏輯大賽中獲獎(jiǎng)，在多個(gè)科研項(xiàng)目中承擔(dān)過數(shù)據(jù)分析工作，有豐富的數(shù)據(jù)分析相關(guān)項(xiàng)目經(jīng)歷，從事醫(yī)療視覺和機(jī)器學(xué)習(xí)相關(guān)研究工作。

圖書目錄

初識(shí)篇
第1章Python與數(shù)據(jù)分析
1.1數(shù)據(jù)分析概念
1.2為什么使用Python
1.2.1智能時(shí)代的通用語言
1.2.2強(qiáng)大高效的第三方庫
1.2.3輕松的代碼結(jié)合能力
1.3數(shù)據(jù)分析領(lǐng)域的應(yīng)用場(chǎng)景
1.3.1醫(yī)療健康
1.3.2交通出行
1.3.3商業(yè)策略
1.3.4經(jīng)濟(jì)金融
1.3.5城鄉(xiāng)規(guī)劃
1.3.6氣象變化
1.3.7科研及自動(dòng)化辦公
1.4本章小結(jié)
第2章初識(shí)Python
2.1Python語言特點(diǎn)
2.2Python安裝方式
2.2.1Anaconda安裝
2.2.2官網(wǎng)安裝
2.3Python集成開發(fā)環(huán)境
2.3.1Jupyter Notebook
2.3.2Spyder
2.3.3PyCharm
2.4本章小結(jié)
基礎(chǔ)篇
第3章Python基礎(chǔ)
3.1變量與賦值
3.1.1變量
3.1.2賦值
3.2輸入與輸出
3.2.1輸入
3.2.2輸出
3.3Python對(duì)象
3.3.1Python對(duì)象的概念
3.3.2變量與對(duì)象的關(guān)系
3.4數(shù)據(jù)類型
3.4.1數(shù)字
3.4.2字符串
3.4.3列表
3.4.4元組
3.4.5字典
3.4.6集合
3.5運(yùn)算符與表達(dá)式
3.5.1算術(shù)運(yùn)算符
3.5.2比較運(yùn)算符
3.5.3邏輯運(yùn)算符
3.5.4位運(yùn)算符
3.5.5賦值運(yùn)算符
3.5.6成員運(yùn)算符
3.5.7身份運(yùn)算符
3.6選擇結(jié)構(gòu)
3.6.1if語句
3.6.2ifelse語句
3.6.3ifelifelse語句
3.7循環(huán)結(jié)構(gòu)
3.7.1while循環(huán)
3.7.2for循環(huán)
3.7.3循環(huán)嵌套
3.7.4循環(huán)控制語句
3.8綜合示例
3.9本章小結(jié)
第4章Python函數(shù)與模塊
4.1函數(shù)
4.1.1函數(shù)的概念
4.1.2函數(shù)的聲明
4.1.3函數(shù)的參數(shù)
4.1.4函數(shù)的調(diào)用及參數(shù)值的傳遞過程
4.1.5變量的作用域
4.1.6lambda函數(shù)
4.1.7函數(shù)編程示例
4.1.8遞歸函數(shù)
4.2第三方模塊
4.2.1概念與作用
4.2.2第三方模塊的導(dǎo)入與使用
4.3本章小結(jié)
第5章面向?qū)ο缶幊?br />5.1面向?qū)ο?br />5.1.1類和對(duì)象的概念
5.1.2面向過程編程與面向?qū)ο缶幊瘫容^
5.2類、對(duì)象的創(chuàng)建和使用
5.2.1類的定義及實(shí)例化
5.2.2類變量和類方法的權(quán)限
5.2.3綜合示例
5.3類的繼承
5.3.1繼承的概念
5.3.2繼承的語法和使用
5.4Python中的異常處理機(jī)制
5.4.1異常的概念
5.4.2異常處理語句
5.4.3assert斷言
5.4.4自定義異常
5.5本章小結(jié)
第6章Python文件操作
6.1文件字符的編碼方式
6.2Python文件的操作步驟
6.3文件的打開與關(guān)閉
6.4文件的讀取與寫入
6.5Excel文件操作庫簡(jiǎn)介
6.6Python文件的批量自動(dòng)化操作
6.7本章小結(jié)
第7章數(shù)據(jù)可視化
7.1Matplotlib
7.1.1Matplotlib簡(jiǎn)介及安裝
7.1.2Matplotlib繪圖基礎(chǔ)
7.1.3默認(rèn)屬性值的修改與繪圖填充
7.1.4常用繪圖形式
7.1.5詞云
7.2Seaborn
7.2.1折線圖
7.2.2散點(diǎn)圖
7.2.3關(guān)聯(lián)圖
7.2.4直方圖
7.2.5其他常用繪圖形式
7.2.6繪圖風(fēng)格與數(shù)據(jù)分組
7.3本章小結(jié)
第8章數(shù)值計(jì)算擴(kuò)展庫
8.1NumPy簡(jiǎn)介及安裝
8.2數(shù)組的創(chuàng)建
8.3數(shù)組對(duì)象ndarray的常用屬性
8.4數(shù)組對(duì)象的數(shù)據(jù)取值
8.4.1索引取值
8.4.2索引列表取值
8.4.3切片取值
8.4.4布爾取值
8.4.5搭配取值
8.4.6迭代取值
8.5數(shù)組對(duì)象元素的更新
8.6數(shù)組對(duì)象的合并與拆分
8.7數(shù)組對(duì)象的基本運(yùn)算與廣播機(jī)制
8.8數(shù)組對(duì)象支持的數(shù)據(jù)類型
8.9數(shù)組對(duì)象的維度轉(zhuǎn)換
8.10NumPy的隨機(jī)數(shù)組
8.11數(shù)組對(duì)象的常用數(shù)據(jù)統(tǒng)計(jì)函數(shù)
8.12數(shù)據(jù)處理常用操作
8.13數(shù)組對(duì)象的常用數(shù)學(xué)函數(shù)
8.14NumPy與線性代數(shù)計(jì)算
8.15NumPy文件和批量數(shù)據(jù)操作
8.16本章小結(jié)
第9章結(jié)構(gòu)化數(shù)據(jù)分析庫
9.1Pandas簡(jiǎn)介及安裝
9.2Pandas支持的數(shù)據(jù)類型
9.3Series對(duì)象詳細(xì)講解
9.3.1Series對(duì)象的創(chuàng)建方法
9.3.2Series對(duì)象的屬性
9.3.3Series對(duì)象的取值
9.3.4Series對(duì)象的更新
9.3.5Series對(duì)象的基本運(yùn)算
9.3.6Series對(duì)象的統(tǒng)計(jì)函數(shù)
9.3.7Series對(duì)象的字符串處理
9.3.8Series對(duì)象的常用函數(shù)
9.4DataFrame對(duì)象詳細(xì)講解
9.4.1DataFrame對(duì)象的創(chuàng)建方法
9.4.2DataFrame對(duì)象的屬性
9.4.3DataFrame對(duì)象的取值
9.4.4DataFrame對(duì)象的更新
9.4.5DataFrame對(duì)象的基本運(yùn)算
9.4.6DataFrame對(duì)象的統(tǒng)計(jì)函數(shù)
9.4.7DataFrame對(duì)象的字符串處理
9.4.8DataFrame對(duì)象的常用函數(shù)
9.5Pandas的文件操作
9.5.1讀取和寫入Excel文件
9.5.2批量處理多個(gè)Excel文件數(shù)據(jù)
9.5.3讀取和寫入csv文件
9.5.4讀取和寫入txt文件
9.6Pandas的數(shù)據(jù)分組與聚合
9.6.1數(shù)據(jù)分組
9.6.2數(shù)據(jù)聚合
9.6.3綜合示例
9.7Pandas的透視表與交叉表
9.7.1透視表
9.7.2交叉表
9.8Pandas的數(shù)據(jù)預(yù)處理
9.8.1缺失值處理
9.8.2重復(fù)值處理
9.8.3歸一化處理
9.8.4有效性審校
9.8.5連續(xù)值離散化
9.8.6離散值編碼
9.9Pandas的時(shí)間序列處理
9.9.1創(chuàng)建時(shí)間序列
9.9.2時(shí)間序列格式化
9.9.3時(shí)間序列運(yùn)算
9.9.4時(shí)間序列屬性
9.9.5時(shí)間序列處理綜合示例
9.10Pandas數(shù)據(jù)的可視化
9.11本章小結(jié)
進(jìn)階篇
第10章數(shù)據(jù)分析常用算法
10.1機(jī)器學(xué)習(xí)基礎(chǔ)
10.2監(jiān)督學(xué)習(xí)算法
10.2.1線性回歸
10.2.2邏輯回歸
10.2.3KNN算法
10.2.4基于PyTorch搭建神經(jīng)網(wǎng)絡(luò)
10.2.5線性判別分析
10.2.6樸素貝葉斯分類器
10.2.7SVM支持向量機(jī)
10.2.8決策樹
10.3無監(jiān)督學(xué)習(xí)算法
10.3.1聚類
10.3.2PCA數(shù)據(jù)降維
10.4編程算法在數(shù)據(jù)分析中的應(yīng)用
10.4.1編程算法與數(shù)據(jù)分析
10.4.2動(dòng)態(tài)規(guī)劃算法概念
10.4.3動(dòng)態(tài)規(guī)劃算法編程示例
10.4.4動(dòng)態(tài)規(guī)劃算法在數(shù)據(jù)分析中的應(yīng)用示例
10.5本章小結(jié)
第11章數(shù)據(jù)分析實(shí)戰(zhàn)
11.1數(shù)據(jù)集介紹
11.2實(shí)戰(zhàn)演練
11.2.1數(shù)據(jù)預(yù)處理
11.2.2統(tǒng)計(jì)分析與繪圖
11.2.3機(jī)器學(xué)習(xí)建模
11.3本章小結(jié)
參考文獻(xiàn)