全书共12章，主要内容包括：商业数据分析概论、Python商业数据存取、Python商业数据图形绘制与可视化、Python描述性统计、Python参数估计、Python参数假设检验、Python相关分析、Python一元线性回归分析、Python多元线性回归分析、Python时间序列分析、Python量化金融数据分析、Python机器学习。
电子书
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。
章节目录
- 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
Python数据分析是2019年由中国铁道出版社出版,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。
电子书
电子书
本书紧跟数据分析的最新发展趋势，基于Python的数据分析平台和工具，介绍数据分析的相关知识与技能。本书共7个项目，分为3部分：基础部分、数据分析部分、机器学习实战部分。基础部分包括项目一和项目二，介绍数据分析环境的搭建，以及NumPy的理论和实践知识；数据分析部分包括项目三~项目六，结合案例介绍数据检查、数据呈现、数据多维化等，涵盖真实数据分析工作的完整流程；机器学习实战部分只包括项目七，利用一
电子书
本书面向大数据应用型人才，以任务为导向，系统地介绍Python数据分析与挖掘的常用技术与真实案例。全书共7章，第1、2章介绍Python数据分析的常用模块及其应用，涵盖NumPy数值计算模块、pandas数据分析模块，较为系统地阐述Python数据分析的方法；第3、4章介绍轻量级的数据交换格式JSON和连接MySQL数据库的pymysql模块，并以此进行数据综合案例的分析；第5章介绍Matplot
电子书
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
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
|a本书以Python数据分析常用技术与真实案例相结合的方式，介绍Python商务数据分析应用的重要内容。全书共10章，内容包括：商务数据分析概述、Python数据分析简介、数据获取、探索性分析、数据预处理等。
电子书
本书共11章，分为基础篇(第1-5章)和实战篇(第6-11章)，基础篇包括数据挖掘基础、Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识：实战篇包括6个案例，分别为信用卡高风险客户识别、餐饮企业菜品关联分析、金融服务机构资金流量预测、O2O优惠券使用预测、电视产品个性化推荐，以及基于TipDM大数据挖掘建模平台实现金融服务机构资金流量预测。本书大部分章节包含实训和课后
电子书
本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的
