本书从数据科学的角度，讲解了Python和R的语言特性以及各自的优缺点，介绍了包括包、框架和工作流在内的开源生态系统，分析了Python和R分别适用于哪些业务场景，并通过真实的案例演示如何在单个工作流中集成Python与R,使两种语言充分发挥优势，改善业务应用的效果。本书还提供了Python和R的对照翻译，帮助读者在两种语言间快速切换。本书适合数据科学领域有一定Python或R基础的开发人员阅读，
电子书
内容简介
本书共9章，主要内容包括数据科学概述、Python基础知识、Python数据科学常用库、Python数据获取、Python数据分析、Python数据挖掘、Python文本挖掘、深度学习基础、深度学习应用。
章节目录
- 基 础 篇
- 第1 章数据科学概述
- 1.1 什么是数据科学
- 1.2 如何学习数据科学
- 1.3 什么是数据科学家
- 1.4 数据科学家需要掌握的技能
- 1.5 Python 与数据科学
- 1.6 数据科学领域常用的Python 包
- 1.7 时代宠儿——深度学习
- 本章小结
- 习题
- 第2章Python 基础知识
- 2.1 Python 介绍
- 2.1.1 Jupyter Notebook 简介及使用
- 2.1.2 Python 基本概念
- 2.1.3 输入和输出
- 2.1.4 运算符
- 2.2 常见数据结构和基本语句
- 2.2.1 序列
- 2.2.2 字典
- 2.2.3 集合
- 2.3 函数和模块
- 2.3.1 函数
- 2.3.2 模块
- 2.4 异常处理
- 2.4.1 什么是异常
- 2.4.2 常见异常
- 2.4.3 捕捉异常
- 2.5 文件读写
- 2.5.1 编码
- 2.5.2 读取文本文件
- 2.5.3 Word 文件与Excel 文件的读取
- 2.6 Python 范儿编程
- 2.6.1 解析式
- 2.6.2 三元表达式
- 2.6.3 花样传参：zip()函数与星号（*）操作
- 本章小结
- 习题
- 第3章Python 数据科学常用库
- 3.1 Python 数据分析概述
- 3.2 NumPy 数值计算
- 3.2.1 NumPy 基础简介
- 3.2.2 NumPy 基础用法简介
- 3.2.3 NumPy 数据分析常用函数简介
- 3.3 Pandas 基础知识
- 3.3.1 Series 介绍及其基本操作
- 3.3.2 DataFrame 介绍及其基本操作
- 3.4 Pandas 数据预处理
- 3.4.1 数据合并
- 3.4.2 数据清洗
- 3.4.3 数据标准化
- 3.4.4 数据转换
- 3.5 Pandas 数据分析基础
- 3.5.1 分层索引
- 3.5.2 Pandas 常用函数介绍
- 3.5.3 分组
- 3.5.4 整形和旋转
- 3.6 Matplotlib 数据可视化
- 3.6.1 Matplotlib 简介
- 3.6.2 Matplotlib 绘图基础简介
- 3.6.3 常用统计图绘制简介
- 本章小结
- 习题
- 分 析 篇
- 第4章Python 数据获取
- 4.1 数据及其类型
- 4.1.1 属性与属性类型
- 4.1.2 数据类型
- 4.2 数据获取方法
- 4.2.1 从文件中获取数据
- 4.2.2 从数据库中获取数据
- 4.2.3 从网络接口获取数据
- 4.2.4 从网页抓取数据
- 4.3 网络爬虫
- 4.3.1 爬虫简介及爬虫流程
- 4.3.2 发起请求
- 4.3.3 获取响应内容
- 4.3.4 解析内容
- 4.3.5 Selenium
- 本章小结
- 习题
- 第5章Python 数据分析
- 5.1 数据分析基础
- 5.1.1 对比分析
- 5.1.2 分组分析
- 5.1.3 结构分析
- 5.1.4 分布分析
- 5.1.5 交叉分析
- 5.2 描述性统计分析
- 5.2.1 数据集中趋势分析
- 5.2.2 数据离散程度分析
- 5.2.3 数据分布形态分析
- 5.2.4 相关分析
- 5.2.5 基于Seaborn 的数据可视化分析
- 5.3 主成分分析
- 5.3.1 主成分分析原理简介
- 5.3.3 Python 实现主成分分析
- 5.4 回归分析
- 5.4.1 简单线性回归分析
- 5.4.2 多元线性回归分析
- 本章小结
- 习题
- 挖 掘 篇
- 第6章Python 数据挖掘
- 6.1 Python 数据挖掘概述
- 6.1.1 数据挖掘方法分类及常用方法
- 6.1.2 使用Scikit-learn 构建数据挖掘模型
- 6.2 分类预测：决策树算法
- 6.2.1 分类算法
- 6.2.2 决策树算法
- 6.2.3 决策树分枝
- 6.2.4 决策树剪枝
- 6.2.5 分类算法评估
- 6.2.6 决策树的Python 实现
- 6.3 朴素贝叶斯
- 6.3.1 贝叶斯简介
- 6.3.2 构建朴素贝叶斯模型
- 6.3.3 朴素贝叶斯的Python 实现
- 6.4 人工神经网络
- 6.4.1 人工神经网络简介
- 6.4.2 神经元与激活函数
- 6.4.3 前馈神经网络
- 6.4.4 反向传播机制
- 6.4.5 神经网络的Python 实现
- 6.5 集成学习
- 6.5.1 集成学习简介
- 6.5.2 装袋法的代表——随机森林
- 6.5.3 提升法的代表——XGBoost
- 6.6 关联分析
- 6.6.1 关联分析概述
- 6.6.2 Apriori 算法
- 6.6.3 FP-Growth 算法
- 6.7 聚类分析
- 6.7.1 聚类分析概述
- 6.7.2 常用聚类算法
- 6.7.3 聚类算法的Python 实现
- 本章小结
- 习题
- 第7章Python 文本挖掘
- 7.1 文本挖掘概述
- 7.1.1 文本挖掘的定义
- 7.1.2 Python 中的文本挖掘包
- 7.1.3 文本挖掘的过程
- 7.1.4 文本挖掘的应用
- 7.2 Python 文本特征提取
- 7.2.1 中文分词与词云
- 7.2.2 特征词量化与文本特征提取
- 7.2.3 文本表示
- 7.3 文本分类
- 7.3.1 文本分类概述
- 7.3.2 文本分类的Python 实现
- 7.4 文本情感分析
- 7.4.1 情感分析概述
- 7.4.2 情感分析的具体应用和示例
- 7.5 主题模型
- 7.5.1 主题模型简介
- 7.5.2 主题模型在文本语义挖掘中的应用
- 本章小结
- 习题
- 深度学习篇
- 第8章深度学习基础
- 8.1 深度学习概述
- 8.1.1 机器学习与深度学习
- 8.1.2 深度学习的发展
- 8.1.3 深度学习框架
- 8.2 PyTorch 概述
- 8.2.1 PyTorch 简介
- 8.2.2 PyTorch 安装
- 8.3 PyTorch 基础
- 8.3.1 Tensor
- 8.3.2 Variable
- 8.3.3 优化器
- 8.3.4 PyTorch 与NumPy
- 8.4 卷积神经网络
- 8.4.1 卷积神经网络简介
- 8.4.2 二维卷积运算的基础
- 8.4.3 二维卷积运算的填充与步长
- 8.4.4 三维卷积运算
- 8.4.5 其他卷积神经网络组件
- 8.5 循环神经网络
- 8.5.1 RNN 的结构
- 8.5.2 RNN 存在的问题
- 8.5.3 LSTM
- 8.5.4 GRU
- 8.6 CNN 与RNN 的PyTorch 实现
- 8.6.1 卷积层
- 8.6.2 池化层
- 8.6.3 全连接层
- 8.6.4 RNN
- 8.6.5 LSTM
- 本章小结
- 习题
- 第9章深度学习应用
- 9.1 图片分类与迁移学习
- 9.1.1 迁移学习与传统模型
- 9.1.2 图片分类的经典案例
- 9.1.3 PyTorch 实现DenseNet
- 9.2 命名实体识别
- 9.2.1 命名实体识别基础
- 9.2.2 PyTorch 实现命名实体识别
- 本章小结
- 习题
- 参考文献
展开全部
Python数据科学基础与实践是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数据科学基础与实践》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
本书以数据处理为主线，介绍了数据处理的基本原理、算法的可视化工具、常见算法的思想、Python程序设计及算法实现，以及常用的图文制作工具。
电子书
全书共分为10章，第1-2章介绍了数据科学的基础知识以及数据科学所需的各项技术；第3-5章涵盖了Python的语法基础，函数、模块与组合数据类型，文件读写；第6章介绍了网络爬虫的数据采集及方法；第7-8章重点介绍了数据分析过程中的两个重要模块：numpy和pandas；第9章介绍了数据可视化与应用；第10章结合之前的内容，以一个综合案例进行了实战分析。本书配有电子课件、电子教案、教学大纲、习题答案
电子书
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
电子书
本书分为11章，前6章讲解了Python基本语法和基本应用，后5章系统地讲解了用Python爬取数据、处理数据、分析数据的方法与过程。每章除了丰富的实例外，还设计了来源于实践的项目训练及拓展训练项目。
电子书
本书内容由浅入深，实例指导性强，通过大量的实例讲述Python程序设计基础，同时结合Python语言的特性，讲解各类基于Python的大数据应用实例。本书全部例题代码适用于Python3.6及更高版本。全书共13章，主要内容包括大数据及Python概述，Python基础知识、程序流程控制结构、常用组合数据类型、函数与模块、面向对象程序设计、文件相关操作、数据预处理和数据分析、使用NumPy进行处理
电子书
本书内容以任务为导向，以“实训+项目”为牵引，全面介绍Python编程基础及其相关知识的应用。全书共11章，第1章主要介绍Python的历史、特点及应用，还介绍了Python的开发环境及Python程序的运行，并通过精选的案例帮助读者进一步认识Python。第2～10章主要介绍Python的基础语法、字符串操作、程序的流程、组合数据类型、函数、标准库和第三方库、文件操作等内容。第11章详细讲解Py
