内容简介
本书以Python数据分析的常用技术与交通行业真实案例相结合的方式，深入浅出地介绍了Python数据分析与挖掘技术的重要内容。全书共10章，内容包括绪论、Python数据分析简介、数据获取、数据探索、数据预处理、构建模型、运输车辆驾驶行为分析、公交车站点设置优化分析、铁路站点客流量预测，以及基于TipDM大数据挖掘建模平台实现运输车辆驾驶行为分析。本书大部分章节包含课后习题，通过练习和操作实践，读者可以巩固所学的内容。 本书可作为高校数据分析相关专业的教材，也可作为交通行业相关的教学、培训教材，还可作为数据分析爱好者的自学用书。
展开全文
- 封面
- 扉页
- 版权页
- 内容提要
- 序
- 前言
- 第1章 绪论
- 1.1 了解交通大数据
- 1.1.1 交通大数据的背景
- 1.1.2 交通大数据的应用
- 1.2 认识数据分析
- 1.2.1 掌握数据分析的基本任务
- 1.2.2 熟悉数据分析的基本流程
- 1.3 了解常用的数据分析工具
- 1.4 配置Python开发环境
- 1.4.1 安装Anaconda
- 1.4.2 掌握Jupyter Notebook的使用方法
- 小结
- 课后习题
- 第2章 Python数据分析简介
- 2.1 入门Python数据分析
- 2.1.1 了解基本命令
- 2.1.2 掌握数据结构
- 2.1.3 函数式编程
- 2.1.4 导入与添加库
- 2.2 了解Python数据分析常用的扩展库
- 2.2.1 NumPy
- 2.2.2 SciPy
- 2.2.3 pandas
- 2.2.4 Matplotlib
- 2.2.5 scikit-learn
- 小结
- 课后习题
- 第3章 数据获取
- 3.1 了解常见的数据来源
- 3.2 了解交通信息的采集
- 3.2.1 交通信息的分类与特点
- 3.2.2 常见的交通信息采集技术
- 3.3 了解常见的数据类型
- 3.4 掌握数据的读取方式
- 3.4.1 读取数据库数据
- 3.4.2 读取文件数据
- 小结
- 课后习题
- 第4章 数据探索
- 4.1 分析数据质量
- 4.1.1 分析缺失值
- 4.1.2 分析异常值
- 4.2 分析数据特征
- 4.2.1 分析数据的统计量
- 4.2.2 分析数据的分布情况
- 4.2.3 对比分析数据
- 4.2.4 分析数据的周期性
- 4.2.5 分析数据的相关性
- 小结
- 课后习题
- 第5章 数据预处理
- 5.1 数据清洗
- 5.1.1 处理缺失值
- 5.1.2 处理异常值
- 5.2 数据变换
- 5.2.1 函数变换
- 5.2.2 数据标准化
- 5.2.3 离散化连续型数据
- 5.3 属性构造
- 5.4 属性规约
- 5.5 数据合并
- 5.5.1 多表合并
- 5.5.2 分组聚合
- 小结
- 课后习题
- 第6章 构建模型
- 6.1 构建分类与回归模型
- 6.1.1 了解回归分析
- 6.1.2 了解朴素贝叶斯
- 6.1.3 了解决策树
- 6.1.4 了解人工神经网络
- 6.1.5 评价分类与回归模型
- 6.2 构建聚类模型
- 6.2.1 了解常用的聚类算法
- 6.2.2 了解K-Means聚类
- 6.2.3 了解密度聚类
- 6.2.4 聚类模型评价
- 6.3 构建时间序列模型
- 6.3.1 了解常用的时间序列模型
- 6.3.2 预处理时间序列
- 6.3.3 分析平稳时间序列
- 6.3.4 分析非平稳时间序列
- 小结
- 课后习题
- 第7章 运输车辆驾驶行为分析
- 7.1 分析背景与目标
- 7.1.1 背景
- 7.1.2 数据说明
- 7.1.3 分析目标
- 7.2 数据探索分析
- 7.2.1 分布分析
- 7.2.2 相关性分析
- 7.2.3 异常值检测
- 7.3 驾驶行为聚类分析
- 7.3.1 K-Means聚类
- 7.3.2 层次聚类
- 7.3.3 高斯混合模型聚类
- 7.3.4 谱聚类
- 7.4 构建驾驶行为预测模型
- 7.4.1 构建线性判别分析模型
- 7.4.2 构建朴素贝叶斯模型
- 7.4.3 构建神经网络模型
- 7.5 驾驶行为分析总结与建议
- 小结
- 课后习题
- 第8章 公交车站点设置优化分析
- 8.1 分析背景与目标
- 8.1.1 背景
- 8.1.2 数据说明
- 8.1.3 分析目标
- 8.2 探索公交刷卡数据
- 8.3 预处理公交车载GPS数据与刷卡数据
- 8.3.1 属性规约
- 8.3.2 缺失值处理
- 8.3.3 数据去重
- 8.4 构建DBSCAN模型
- 8.5 公交车站点设置优化分析
- 8.5.1 计算上车人数
- 8.5.2 计算下车人数
- 8.5.3 结果分析
- 小结
- 课后习题
- 第9章 铁路站点客流量预测
- 9.1 分析背景与目标
- 9.1.1 背景
- 9.1.2 数据说明
- 9.1.3 分析目标
- 9.2 预处理客流量数据
- 9.3 探索客流量数据
- 9.3.1 不同站点上下车客流量分布分析
- 9.3.2 不同时段上下车客流量分布分析
- 9.3.3 分析节假日客流量变化
- 9.4 构建模型并预测客流量
- 9.4.1 构建时间序列模型
- 9.4.2 预测非节假日客流量
- 9.4.3 预测节假日客流量
- 小结
- 课后习题
- 第10章 基于TipDM大数据挖掘建模平台实现运输车辆驾驶行为分析
- 10.1 TipDM大数据挖掘建模平台简介
- 10.1.1 共享库
- 10.1.2 数据连接
- 10.1.3 数据集
- 10.1.4 我的工程
- 10.1.5 个人算法
- 10.2 实现运输车辆驾驶行为分析
- 10.2.1 数据源配置
- 10.2.2 数据探索分析
- 10.2.3 驾驶行为聚类分析
- 10.2.4 构建驾驶行为预测模型
- 小结
展开全部
版权信息
出版社：人民邮电出版社
出版时间：2023
作者：张良均 主编
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数据分析基础与案例实战》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：2023
作者：张良均 主编
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数据分析基础与案例实战》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数据分析基础与案例实战
免费读 (VIP)