内容简介
本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；最后讨论如何解决实际的问题。
本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参考。
展开全文
- 版权信息
- 版 权
- 内容提要
- 技术审校者简介
- 前 言
- 服务与支持
- 第1章 数据的基础知识
- 1.1 数据类别
- 1.1.1 非结构化数据
- 1.1.2 结构化数据
- 1.1.3 半结构化数据
- 1.1.4 时间序列数据
- 1.2 数据来源
- 1.2.1 API
- 1.2.2 网页
- 1.2.3 数据框
- 1.2.4 文件
- 1.3 数据处理流程
- 1.3.1 数据获取
- 1.3.2 数据清洗
- 1.3.3 数据变换
- 1.3.4 数据分析
- 1.3.5 数据存储
- 1.4 Python特有的方式
- 1.5 总结
- 第2章 Python数据结构
- 2.1 列表
- 2.1.1 创建列表
- 2.1.2 使用常见列表对象方法
- 2.1.3 使用切片符号
- 2.1.4 用列表实现队列
- 2.1.5 用列表实现栈
- 2.1.6 用列表和栈进行自然语言处理
- 2.1.7 使用列表推导式改进算法
- 2.2 元组
- 2.2.1 元组列表
- 2.2.2 不变性
- 2.3 字典
- 2.3.1 字典列表
- 2.3.2 使用setdefault()在字典中添加元素
- 2.3.3 将JSON文件加载到字典中
- 2.4 集合
- 2.4.1 从序列中删除重复项
- 2.4.2 实现常见集合运算
- 2.5 总结
- 第3章 Python第三方库
- 3.1 NumPy库
- 3.1.1 安装NumPy库
- 3.1.2 创建NumPy数组
- 3.1.3 逐点运算
- 3.1.4 使用NumPy统计函数
- 3.2 pandas库
- 3.2.1 安装pandas库
- 3.2.2 序列
- 3.2.3 数据框
- 3.3 scikit-learn库
- 3.3.1 安装scikit-learn库
- 3.3.2 获得样本数据
- 3.3.3 把样本数据载入数据框
- 3.3.4 把数据分成训练数据集和测试数据集
- 3.3.5 把文本转化为数值特征向量
- 3.3.6 训练和评估模型
- 3.3.7 在新数据中做预测
- 3.4 总结
- 第4章 从文件和API访问数据
- 4.1 使用Python函数open()导入数据
- 4.1.1 文本文件
- 4.1.2 表格数据文件
- 4.1.3 二进制文件
- 4.2 将数据导出到文件
- 4.3 访问远程文件和API
- 4.3.1 HTTP请求的工作原理
- 4.3.2 urllib3库
- 4.3.3 Requests库
- 4.4 将数据移入或移出数据框
- 4.4.1 导入嵌套的JSON结构
- 4.4.2 将数据框转换为JSON文档
- 4.4.3 使用pandas-datareader库将在线数据加载到数据框中
- 4.5 总结
- 第5章 使用数据库
- 5.1 关系数据库
- 5.1.1 了解SQL语句
- 5.1.2 MySQL入门
- 5.1.3 定义数据库结构
- 5.1.4 将数据插入数据库中
- 5.1.5 查询数据库数据
- 5.1.6 使用数据库分析工具
- 5.2 NoSQL数据库
- 5.2.1 Redis数据库
- 5.2.2 MongoDB数据库
- 5.3 总结
- 第6章 聚合数据
- 6.1 要聚合的数据
- 6.2 合并数据框
- 6.3 分组和聚合数据
- 6.3.1 按多索引查看特定值
- 6.3.2 通过切片获得一系列值
- 6.3.3 多索引多层次切片
- 6.3.4 添加总计
- 6.3.5 添加小计
- 6.4 选择组中的所有行
- 6.5 总结
- 第7章 合并数据
- 7.1 合并Python数据结构
- 7.1.1 使用“+”合并列表和元组
- 7.1.2 使用“**”合并字典
- 7.1.3 合并两个结构的对应行
- 7.1.4 列表的多种合并方式
- 7.2 合并NumPy数组
- 7.3 合并pandas数据结构
- 7.3.1 连接数据框
- 7.3.2 合并两个数据框
- 7.4 总结
- 第8章 数据可视化
- 8.1 常见可视化形式
- 8.1.1 折线图
- 8.1.2 柱状图
- 8.1.3 饼状图
- 8.1.4 直方图
- 8.2 使用Matplotlib库绘制图
- 8.2.1 安装Matplotlib库
- 8.2.2 使用matplotlib.pyplot
- 8.2.3 使用Figure和Axes对象
- 8.3 总结
- 第9章 分析空间数据
- 9.1 获取空间数据
- 9.1.1 将人可读的地址转换为地理坐标
- 9.1.2 获取移动对象的地理坐标
- 9.2 基于geopy库和Shapely库的空间数据分析
- 9.2.1 查找最近的对象
- 9.2.2 在特定区域中查找对象
- 9.2.3 结合两种方法
- 9.3 结合空间数据和非空间数据
- 9.3.1 提取非空间属性
- 9.3.2 合并空间数据集和非空间数据集
- 9.4 总结
- 第10章 分析时间序列数据
- 10.1 规则时间序列与不规则时间序列
- 10.2 常见的时间序列分析技术
- 10.2.1 计算百分比变化
- 10.2.2 滚动窗口计算
- 10.2.3 计算滚动平均值的百分比变化
- 10.3 多元时间序列
- 10.3.1 处理多元时间序列
- 10.3.2 分析变量之间的依赖性
- 10.4 总结
- 第11章 从数据中挖掘信息
- 11.1 关联法则
- 11.1.1 支持度
- 11.1.2 置信度
- 11.1.3 提升度
- 11.2 Apriori算法
- 11.2.1 创建交易数据集
- 11.2.2 识别频繁项集
- 11.2.3 生成关联规则
- 11.3 可视化关联规则
- 11.4 从关联规则获得可操作信息
- 11.4.1 生成推荐信息
- 11.4.2 基于关联规则的折扣规划
- 11.5 总结
- 第12章 数据分析的机器学习
- 12.1 为什么选择机器学习
- 12.2 机器学习的类型
- 12.2.1 有监督学习
- 12.2.2 无监督学习
- 12.3 机器学习的工作原理
- 12.3.1 训练数据
- 12.3.2 统计模型
- 12.3.3 预测数据
- 12.4 情感分析示例：产品评论分类
- 12.4.1 获取产品评论
- 12.4.2 清理数据
- 12.4.3 拆分和转换数据
- 12.4.4 训练模型
- 12.4.5 评估模型
- 12.5 预测股票走势
- 12.5.1 获取数据
- 12.5.2 从连续数据中提取特征
- 12.5.3 生成输出变量
- 12.5.4 训练和评估模型
- 12.6 总结
展开全部
版权信息
出版社：人民邮电出版社
出版时间：2024
作者：著
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数据科学实战》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：2024
作者：著
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数据科学实战》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数据科学实战
免费读 (VIP)