内容简介
本书全面讲解Python数据分析的相关知识和技术，内容包括Python数据分析概述、NumPy数值计算、Matplotlib数据可视化、Pandas数据分析、数据预处理、Sklearn机器学习。 本书以培养学生编程能力和数据分析能力为目标，注重技术应用能力的培养。 本书内容充实、结构合理、实用性强，具有明确的应用能力培养目标，易于接受和理解，学完本书后，可以具备数据分析的基本能力。 本书适合作为普通高等院校人工智能、数据科学与大数据以及计算机相关专业课程的教材，也可以作为相关从业人员的技术参考用书。
展开全文
- 封面
- 书名页
- 版权页
- 前言
- 目录
- 第1章 Python数据分析概述
- 1.1 数据分析的概念、流程和应用
- 1.1.1 数据分析的概念
- 1.1.2 数据分析的流程
- 1.1.3 数据分析的应用
- 1.2 数据分析工具
- 1.2.1 常用工具
- 1.2.2 Python数据分析
- 1.3 Python数据分析环境
- 小结
- 习题
- 实验
- 第2章 NumPy数值计算
- 2.1 NumPy多维数组
- 2.1.1 数组创建
- 2.1.2 数组对象属性
- 2.1.3 数组数据类型
- 2.2 数组操作
- 2.2.1 修改数组形状
- 2.2.2 翻转数组
- 2.2.3 连接数组
- 2.2.4 分割数组
- 2.2.5 数组元素添加与删除
- 2.3 数组索引与切片
- 2.3.1 数组索引
- 2.3.2 数组切片
- 2.3.3 布尔型索引
- 2.3.4 花式索引
- 2.4 数组的运算
- 2.4.1 数组和标量间的运算
- 2.4.2 广播
- 2.4.3 算术函数
- 2.4.4 集合运算
- 2.4.5 统计运算
- 2.4.6 排序
- 2.4.7 搜索
- 2.5 线性代数
- 2.5.1 数组相乘
- 2.5.2 矩阵行列式
- 2.5.3 逆矩阵
- 2.5.4 线性方程组
- 2.5.5 特征值和特征向量
- 2.6 数组的存取
- 小结
- 习题
- 实验
- 第3章 Matplotlib数据可视化
- 3.1 线形图
- 3.1.1 绘制线形图
- 3.1.2 颜色设置
- 3.1.3 线型设置
- 3.1.4 坐标点设置
- 3.1.5 线宽设置
- 3.2 其他图形
- 3.2.1 散点图
- 3.2.2 柱形图
- 3.2.3 条形图
- 3.2.4 饼图
- 3.2.5 直方图
- 3.2.6 箱线图
- 3.3 自定义设置
- 3.3.1 图例设置
- 3.3.2 坐标网格设置
- 3.3.3 坐标系设置
- 3.3.4 样式设置与注解
- 3.3.5 RC设置
- 3.4 子图
- 3.4.1 创建子图
- 3.4.2 子图坐标系设置
- 3.4.3 图形嵌套
- 3.5 绘制三维图形
- 小结
- 习题
- 实验
- 第4章 Pandas数据分析
- 4.1 Pandas数据结构
- 4.2 DataFrame基本功能
- 4.3 读取外部数据
- 4.3.1 CSV文件
- 4.3.2 Sqlite数据库
- 4.4 数据帧的列操作和行操作
- 4.4.1 列操作
- 4.4.2 行操作
- 4.5 高级索引
- 4.5.1 重建索引
- 4.5.2 更换索引
- 4.5.3 层次化索引
- 4.6 Pandas数据运算
- 4.6.1 算术运算
- 4.6.2 函数应用与映射运算
- 4.6.3 排序
- 4.6.4 迭代
- 4.6.5 唯一值与值计数
- 4.7 统计函数
- 4.7.1 描述性统计
- 4.7.2 变化率
- 4.7.3 协方差
- 4.7.4 相关性
- 4.7.5 数据排名
- 4.8 分组与聚合
- 4.8.1 分组
- 4.8.2 聚合
- 4.9 透视表与交叉表
- 4.9.1 透视表
- 4.9.2 交叉表
- 小结
- 习题
- 实验
- 第5章 数据预处理
- 5.1 数据清洗
- 5.1.1 重复值
- 5.1.2 缺失值
- 5.1.3 异常值
- 5.2 合并连接与重塑
- 5.2.1 merge合并
- 5.2.2 concat合并
- 5.2.3 combine_first合并
- 5.2.4 数据重塑
- 5.3 数据变换
- 5.3.1 虚拟变量
- 5.3.2 函数变换
- 5.3.3 连续属性离散化
- 5.3.4 规范化
- 5.3.5 随机采样
- 小结
- 习题
- 实验
- 第6章 Sklearn机器学习
- 6.1 术语
- 6.2 Sklearn
- 6.2.1 Sklearn数据集
- 6.2.2 Sklearn常用算法
- 6.2.3 数据预处理
- 6.2.4 数据集拆分
- 6.2.5 模型评估
- 6.2.6 Sklearn常用方法
- 6.2.7 模型的保存和载入
- 6.3 降维
- 6.3.1 PCA（主成分分析）
- 6.3.2 LDA（线性评价分析）
- 6.4 回归
- 6.4.1 线性回归
- 6.4.2 逻辑回归
- 6.4.3 回归决策树
- 6.5 分类
- 6.5.1 朴素贝叶斯
- 6.5.2 分类决策树
- 6.5.3 SVM（支持向量机）
- 6.5.4 神经网络
- 6.5.5 K.近邻算法
- 6.6 聚类
- 6.6.1 K.means算法
- 6.2.2 DBSCAN
- 小结
- 习题
- 实验
- 参考文献
- 书脊
- 封底
展开全部
版权信息
出版社：中国铁道出版社
出版时间：2019
作者：吴道君,朱家荣
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Python数据分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
出版时间：2019
作者：吴道君,朱家荣
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《Python数据分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
Python数据分析
免费读 (VIP)