随着云计算、大数据等的快速发展，越来越多的组织用信息化手段进行流程管理。如何提升流程执行的智能化程度、动态性和柔性，以提高对非标准业务的管理效率，是流程管理面临的一个重要问题。本书基于流程管理系统积累的日志，提出了3种流程管理的工作流活动推荐方法，分别为基于用户类别近邻的活动推荐方法、基于Pearson相关系数的活动推荐方法和基于协同过滤的活动推荐方法，并介绍了一种流程信息的可视化算法，实现了一个
电子书
内容简介
本书介绍利用Python进行大数据处理与分析的详细方法和步骤。全书共9章，主要内容包括搭建开发环境、Numpy库、Pandas库、Matplotlib库、数据预处理以及多个案例分析。
章节目录
- 第一部分基础篇
- 第1章 搭建开发环境
- 1.1 Python 解释器的安装
- 1.1.1 在Windows 系统下安装Python 解释器
- 1.1.2 在Linux 系统下安装Python 解释器
- 1.1.3 在macOS 系统下安装Python 解释器
- 1.1.4 运行第一个hello world 程序
- 1.2 Anaconda 的安装及环境变量配置
- 1.2.1 Anaconda 简介
- 1.2.2 安装Anaconda
- 1.2.3 配置Anaconda 环境变量
- 1.3 Jupyter Notebook 与PyCharm 的安装及工程环境设置
- 1.3.1 Jupyter Notebook 的简介与安装
- 1.3.2 设置Jupyter Notebook 工程环境
- 1.3.3 PyCharm 的简介与安装
- 1.3.4 设置PyCharm 工程环境
- 习题
- 第2章 使用NumPy进行数据计算
- 2.1 安装NumPy
- 2.2 NumPy 中的数组对象
- 2.2.1 数组对象的创建
- 2.2.2 数组对象的常用属性
- 2.2.3 数组元素的访问与修改
- 2.2.4 数组对象的基础运算
- 2.2.5 数组对象的常用函数
- 2.3 使用NumPy 进行数学运算
- 2.3.1 位运算函数
- 2.3.2 数学函数
- 2.3.3 算术函数
- 2.3.4 统计函数
- 2.3.5 线性代数函数
- 2.4 NumPy 使用案例
- 习题
- 第3章 使用pandas进行数据分析
- 3.1 安装pandas
- 3.2 pandas 中的对象
- 3.2.1 Series 对象
- 3.2.2 DataFrame 对象
- 3.3 pandas 的基本操作
- 3.3.1 导入与导出数据
- 3.3.2 数据的查看与检查
- 3.3.3 数据的增删查改
- 3.4 pandas 的基本运用
- 3.4.1 数据统计
- 3.4.2 算术运算与数据对齐
- 3.5 pandas 使用案例
- 习题
- 第4章 Matplotlib数据可视化
- 4.1 安装Matplotlib 与绘图基本步骤
- 4.1.1 安装Matplotlib
- 4.1.2 Matplotlib 绘图基本步骤
- 4.2 经典图形绘制
- 4.2.1 折线图
- 4.2.2 柱状图
- 4.2.3 直方图
- 4.2.4 散点图
- 4.2.5 等值线图及地理信息可视化
- 4.3 图表调整及美化
- 4.3.1 图表主要组成元素调整
- 4.3.2 颜色参数及映射表
- 4.4 Matplotlib 使用案例
- 习题
- 第5章 数据预处理
- 5.1 数据清洗与准备
- 5.1.1 数据清洗准备
- 5.1.2 数据清洗
- 5.2 正则表达式
- 5.2.1 正则表达式的特点与组成
- 5.2.2 字符串方法
- 5.2.3 re 模块
- 5.3 数据规整
- 5.3.1 聚合、分组及数据透视
- 5.3.2 特征选择（降维）
- 5.3.3 数据变换与数据规约
- 5.3.4 稀疏表示和字典学习
- 习题
- 第二部分实例篇
- 第6章 基于大数据的房产估价
- 6.1 情景问题提出及分析
- 6.2 多元回归模型介绍
- 6.3 方法与过程
- 6.3.1 读入数据并进行数据预处理
- 6.3.2 将预处理好的数据可视化
- 6.3.3 使用多元回归模型进行房产估价
- 6.3.4 模型效果评价
- 上机实验
- 第7章 某移动公司客户价值分析
- 7.1 情景问题提出及分析
- 7.2 K-Means 聚类算法简介
- 7.3 客户价值分析过程
- 7.3.1 读入数据并进行数据预处理
- 7.3.2 数据标准化
- 7.3.3 使用K-Means 聚类算法对客户进行分析
- 7.3.4 数据可视化及数据分析
- 上机实验
- 第8章 基于历史数据的气温及降水预测
- 8.1 情景问题提出及分析
- 8.2 常见的时间序列模型简介
- 8.2.1 AR 模型
- 8.2.2 MA 模型
- 8.2.3 ARMA 模型
- 8.2.4 ARIMA 模型
- 8.2.5 模型求解步骤
- 8.3 平稳序列建模示例（降水预测）
- 8.3.1 读入数据并进行预处理
- 8.3.2 时间序列的平稳性分析
- 8.3.3 模型选择及定阶
- 8.3.4 建立时序模型并预测
- 8.4 非平稳序列建模示例（气温预测）
- 8.4.1 读入数据并进行预处理
- 8.4.2 时间序列的平稳性分析
- 8.4.3 模型选择及定阶
- 8.4.4 建立时序模型并预测
- 上机实验
- 第9章 智能电网的电能预估及价值分析
- 9.1 情景问题提出及分析
- 9.2 决策树算法简介
- 9.2.1 ID3 算法
- 9.2.2 C4.5 算法
- 9.2.3 CART 算法
- 9.2.4 预剪枝与后剪枝
- 9.2.5 连续值处理
- 9.3 方法与过程
- 9.3.1 读入数据并预处理
- 9.3.2 模型构建
- 9.3.3 模型效果评价
- 上机实验
- 参 考 文 献
展开全部
Python大数据处理与分析是2021年由人民邮电出版社出版,作者编著。
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大数据处理与分析》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。
电子书
电子书
随着企业数字化转型不断深化，企业对数据库工程师的需求越来越大。本书结合实际工作场景，将企业数据库运维的相关工作分为10个项目，内容包括了解数据库运维工作，安装和配置MySQL，管理MySQL权限与安全，分析MySQL日志，备份与恢复MySQL，监控、测试并优化MySQL性能，MySQL复制，搭建及运维MySQLCluster，结合Redis的MySQL运维，数据库自动化运维。本书配套教学PPT、题
电子书
本书共10章，内容包括认识Python、Python语言基础、数据对象的读写、数据清洗和预处理、数据可视化、基本数据统计分析、高级数据建模分析、自然语言处理和文本挖掘、数据分析部署和应用、数据分析与数据化运营等。
电子书
本书以构建完整的知识体系为目标，按照从简单到复杂的思路，贯穿了数据处理与挖掘的各个环节，具体包括：Python快速入门、Python数据类型、Python常用模块、Python数据获取、Python数据挖掘基础、Python数据挖掘算法、Python大数据挖掘和Python数据可视化。此外，针对各知识点，全书均设计了相应的Python案例，并给出了实现代码、效果图以及相应的解释，以强化读者对各知识
电子书
《Python程序设计——编程基础、Web开发及数据分析》系统讲述了Python程序设计的基础知识。全书共15章，内容包括：Python概述、Python基本语法、Python的基本流程控制、Python的四种典型序列结构、Python函数、Python文件和数据库操作、面向对象程序设计、模块和包、字符串操作与正则表达式的使用、错误及异常处理、GUI编程、网络和多线程编程、基于Flask框架的We
电子书
本书内容包括：算法初步、排序算法、查找、双指针问题、哈希算法、深度优先搜索算法、广度优先搜索算法、回溯算法、动态规划、贪心算法、分治算法、并查集、最短路径算法和数论算法等常见算法。
电子书
本书主要介绍如何使用Python处理Excel数据。本书内容分为三大部分：第一部分主要介绍数据分析的概念和Python基础；第二部分通过蜂蜜电商数据分析案例详细介绍数据分析的技术要点，包括读写Excel文件所需的xlwings库和openpyxl库、数据分析的pandas核心库，以及数据可视化常用的Matplotlib库和Seaborn库；第三部分包括个人消费贷款数据分析和螺蛳粉连锁店销售数据分析
电子书
本书分为10章，内容包括Excel2016基础知识、数据输入与编辑、公式、函数、图表、数据管理、数据透视分析、宏、财务分析函数及应用、模拟分析。全书采用由易到难、循序渐进的方式介绍了Excel的常用知识点，并通过大量的实例讲解Excel的常用功能与操作步骤。本书内容翔实，案例丰富，操作步骤清晰，实用性强，并在各章配备微课视频，读者扫描二维码即可进行在线网络学习。本书可以作为高等院校相关专业的教学用
