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
电子书
内容简介
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，利用一个神经网络实战案例呈现机器学习的完整过程。
章节目录
- 基础部分
- 项目一 数据分析概述与环境 配置
- 1.1项目背景
- 1.2 技能图谱
- 1.3 工具介绍
- 1.3.1 Python 介绍
- 1.3.2 核心包介绍
- 1.3.3 辅助工具介绍
- 1.4 工作环境配置
- 1.4.1 安装 Python
- 1.4.2 配置虚拟环境
- 1.4.3 安装第三方包
- 1.5 Jupyter Notebook 使用入门
- 1.5.1 Notebook 架构
- 1.5.2 Notebook 启动
- 1.5.3 Notebook 主页基本操作
- 1.5.4 Notebook 的保存
- 1.6 项目总结
- 项目二 NumPy 实战
- 2.1 项目背景
- 2.2 技能图谱
- 2.3 数组介绍
- 2.3.1 创建数组
- 2.3.2 了解数组特性
- 2.3.3 了解广播
- 2.3.4 练习
- 2.4 数组基本操作
- 2.4.1 变换数组
- 2.4.2 访问数组
- 2.4.3 复制数组
- 2.4.4 练习
- 2.5 数组常用操作
- 2.5.1 使用 ufunc
- 2.5.2 查询数组
- 2.5.3 排序数组
- 2.5.4 练习
- 2.6 项目总结
- 数据分析部分
- 项目三 全球气温变化趋势（一） ——数据检查
- 3.1 项目背景
- 3.2 技能图谱
- 3.3 数据获取
- 3.3.1 了解获取途径
- 3.3.2 了解项目数据
- 3.3.3 练习
- 3.4 数据读入
- 3.4.1 了解数据格式
- 3.4.2 读入数据文件
- 3.4.3 处理读入异常
- 3.4.4 练习
- 3.5 数据检查
- 3.5.1 查看数据集大小
- 3.5.2 查看列标签和数据类型
- 3.5.3 了解数据结构
- 3.5.4 练习
- 3.6 数据内容访问
- 3.6.1 采用 [] 方式
- 3.6.2 采用 .[i]loc 方式
- 3.6.3 采用表达式方式
- 3.6.4 数据可视化
- 3.6.5 练习
- 3.7 项目总结
- 项目四 全球气温变化趋势（二） ——数据分析
- 4.1 项目背景
- 4.2 技能图谱
- 4.3 列处理
- 4.3.1 重命名列标签
- 4.3.2 删除、合并列
- 4.3.3 转换日期数据
- 4.3.4 练习
- 4.4 索引处理
- 4.4.1 设置单级索引
- 4.4.2 设置多级索引
- 4.4.3 查询索引
- 4.4.4 练习
- 4.5 统计分析
- 4.5.1 实现数据排序
- 4.5.2 实现简单统计
- 4.5.3 实现分组统计
- 4.5.4 练习
- 4.6 项目总结
- 项目五 全球气温变化趋势（三） ——数据呈现
- 5.1 项目背景
- 5.2 技能图谱
- 5.3 数据清洗
- 5.3.1 处理缺失值
- 5.3.2 检测异常值
- 5.3.3 处理异常值
- 5.3.4 练习
- 5.4 数据转换
- 5.4.1 实现数据替换
- 5.4.2 实现离散化
- 5.4.3 实现重取样
- 5.4.4 练习
- 5.5 数据可视化
- 5.5.1 绘制折线图
- 5.5.2 绘制饼图
- 5.5.3 绘制柱状图
- 5.5.4 练习
- 5.6 项目总结
- 项目六 全球气温变化趋势（四） ——数据多维化
- 6.1 项目背景
- 6.2 技能图谱
- 6.3 数据拆分与拼接
- 6.3.1 了解轴向
- 6.3.2 拆分数据
- 6.3.3 拼接数据
- 6.3.4 练习
- 6.4 数据透视表
- 6.4.1 了解数据透视表
- 6.4.2 使用 pivot table()
- 6.4.3 使用 crosstab()
- 6.4.4 练习
- 6.5 项目总结
- 机器学习实战部分
- 项目七 机器学习实战—— 模型的自我学习
- 7.1 项目背景
- 7.2 技能图谱
- 7.3 背景知识介绍
- 7.3.1 了解人工智能
- 7.3.2 了解机器学习
- 7.3.3 了解人工智能实际应用
- 7.3.4 练习
- 7.4 神经网络简介
- 7.4.1 了解神经网络
- 7.4.2了解常见神经网络
- 7.4.3 了解 CNN
- 7.4.4 练习
- 7.5 CNN 实战
- 7.5.1 预处理数据
- 7.5.2 构建和训练模型
- 7.5.3 分析模型性能
- 7.5.4 练习
- 7.6 项目总结
展开全部
Python数据分析（项目式）是2022年由人民邮电出版社出版,作者主编。
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（项目式）》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
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
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
《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
|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
