包郵 Python數(shù)據(jù)分析:零基礎(chǔ)入門(mén)到實(shí)戰(zhàn)開(kāi)發(fā)

作者：張玉皓編著

出版社：中國(guó)鐵道出版社出版時(shí)間：2020-11-01

開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 269頁(yè)

本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜

中圖價(jià):¥56.1(8.0折) 定價(jià) ~~¥69.8~~ 登錄后可看到會(huì)員價(jià)

加入購(gòu)物車(chē) 收藏

開(kāi)年大促， 全場(chǎng)包郵

?新疆、西藏除外

本類(lèi)五星書(shū)更多>

>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用

全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用

¥14.4¥45
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))

決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))

¥44.1¥88
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路

軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續(xù)交付

JAVA持續(xù)交付

¥58.1¥119
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)

EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學(xué)習(xí)

深度學(xué)習(xí)

¥92.4¥168

買(mǎi)過(guò)本商品的人還買(mǎi)了

Python程序設(shè)計(jì)基礎(chǔ)——面向金融數(shù)據(jù)分析
李靜
¥25.3~~¥49.5~~
Python數(shù)據(jù)分析基礎(chǔ)
余本國(guó)編著
¥15.0~~¥39.0~~

商品詳情
商品評(píng)論(0條)

中圖價(jià):¥56.1 加入購(gòu)物車(chē)

版權(quán)信息
本書(shū)特色
內(nèi)容簡(jiǎn)介
前言
目錄
作者簡(jiǎn)介

Python數(shù)據(jù)分析:零基礎(chǔ)入門(mén)到實(shí)戰(zhàn)開(kāi)發(fā) 版權(quán)信息

ISBN：9787113267377
條形碼：9787113267377 ; 978-7-113-26737-7
裝幀：簡(jiǎn)裝本
冊(cè)數(shù)：暫無(wú)
重量：暫無(wú)
所屬分類(lèi)：
計(jì)算機(jī)/網(wǎng)絡(luò)
>
程序設(shè)計(jì)

Python數(shù)據(jù)分析:零基礎(chǔ)入門(mén)到實(shí)戰(zhàn)開(kāi)發(fā) 本書(shū)特色

系統(tǒng)：立體化、全方位解讀數(shù)據(jù)分析行業(yè)技能掌握路線細(xì)致：沿著需求->代碼實(shí)現(xiàn)的思路，介紹上百個(gè)數(shù)分小技巧，適合各類(lèi)讀者閱讀深入：18個(gè)統(tǒng)計(jì)學(xué)知識(shí)點(diǎn)，建立數(shù)據(jù)分析背后的數(shù)學(xué)思維案例：列舉了多個(gè)數(shù)據(jù)分析案例，趁熱打鐵，理論與實(shí)踐相結(jié)合

Python數(shù)據(jù)分析:零基礎(chǔ)入門(mén)到實(shí)戰(zhàn)開(kāi)發(fā) 內(nèi)容簡(jiǎn)介

本書(shū)主要分為三部分。**部分為數(shù)據(jù)分析相關(guān)Python技能的介紹, 包括NumPy、pandas等重要的第三方庫(kù)的使用技巧。第二部分為數(shù)據(jù)分析相關(guān)統(tǒng)計(jì)學(xué)知識(shí)的介紹, 主要包含構(gòu)建模型的流程、思路、背后的數(shù)學(xué)原理的說(shuō)明。第三部分為數(shù)個(gè)實(shí)戰(zhàn)介紹, 結(jié)合Python數(shù)據(jù)分析工具與統(tǒng)計(jì)學(xué)知識(shí)進(jìn)行小試牛刀。

Python數(shù)據(jù)分析:零基礎(chǔ)入門(mén)到實(shí)戰(zhàn)開(kāi)發(fā)Python數(shù)據(jù)分析:零基礎(chǔ)入門(mén)到實(shí)戰(zhàn)開(kāi)發(fā) 前言

前　言
這本書(shū)是寫(xiě)給誰(shuí)看的？
首先，本書(shū)非常適合從事數(shù)據(jù)分析行業(yè)的人員學(xué)習(xí)。從書(shū)中可以學(xué)會(huì)利用pandas批量處理數(shù)據(jù)，通過(guò)可視化技術(shù)給領(lǐng)導(dǎo)和客戶帶來(lái)強(qiáng)烈的視覺(jué)沖擊。建議對(duì)這部分感興趣的讀者著重學(xué)習(xí)第4章、第6章、□□□章。
其次，本書(shū)還適合在科研過(guò)程中頻繁處理數(shù)據(jù)的研究人員。據(jù)我所知，尤其是生物領(lǐng)域的科研人員，在進(jìn)行數(shù)值分析、方程擬合時(shí)，有一部分人還在使用傳統(tǒng)的SPSS軟件，不過(guò)它功能有限，也很不靈活，而通過(guò)對(duì)SciPy的學(xué)習(xí)，可以感受到Python在科學(xué)計(jì)算方面的強(qiáng)大功能。建議這部分讀者著重學(xué)習(xí)第5章。
□后，本書(shū)對(duì)于那些有志于從事數(shù)據(jù)領(lǐng)域工作的讀者也很有指導(dǎo)作用。無(wú)論你以后想從事數(shù)據(jù)分析行業(yè)，還是大數(shù)據(jù)挖掘行業(yè)，本書(shū)都可以作為一本值得入手的啟蒙讀物。
本書(shū)架構(gòu)
□□章從總體講解數(shù)據(jù)分析，包括其發(fā)展歷史、技能需求等。通過(guò)經(jīng)典案例展示數(shù)據(jù)分析全過(guò)程，讓讀者帶著疑問(wèn)、興趣閱讀本書(shū)。□后介紹了兩個(gè)非常出色的數(shù)據(jù)分析案例。
第□章介紹Python基礎(chǔ)編程知識(shí)與技巧，有一定Python編程基礎(chǔ)的讀者可以跳過(guò)此章，往后閱讀。
第3～7章是本書(shū)的核心內(nèi)容，同時(shí)章節(jié)講述的先后順序與數(shù)據(jù)分析的流程相對(duì)應(yīng)。
NumPy中包含了許多大規(guī)模數(shù)組快速計(jì)算的算法，是數(shù)據(jù)分析的基礎(chǔ)，也是學(xué)習(xí)其他庫(kù)的基礎(chǔ)。
pandas非常擅長(zhǎng)將非結(jié)構(gòu)化數(shù)據(jù)處理為結(jié)構(gòu)化數(shù)據(jù)，包括清除缺失數(shù)據(jù)、填充值、表格的合并與刪除等操作。
SciPy是一個(gè)科學(xué)計(jì)算包，當(dāng)收到規(guī)整的數(shù)據(jù)集，如何挖掘數(shù)據(jù)信息的任務(wù)就落到了SciPy的身上。在本章中你可以掌握數(shù)值分析、數(shù)值擬合、插值等技能。
數(shù)據(jù)可視化是數(shù)據(jù)分析的□后一步，當(dāng)分析得出了結(jié)論就要展示出來(lái)。在第6章，會(huì)介紹兩個(gè)可視化庫(kù)，一個(gè)是matplotlib，另一個(gè)是pyechart。二者其中一個(gè)擅長(zhǎng)基礎(chǔ)繪圖，一個(gè)擅長(zhǎng)交互式繪圖，各有所長(zhǎng)，互相補(bǔ)充。
在現(xiàn)實(shí)生活中，尤其是在金融、科研等領(lǐng)域，很多數(shù)據(jù)都是時(shí)間序列的函數(shù)，因此本書(shū)在第7章還介紹了Python在時(shí)間序列中的應(yīng)用。
第8～1□章是本書(shū)的實(shí)戰(zhàn)章節(jié)，將介紹一些數(shù)據(jù)分析的實(shí)戰(zhàn)案例，幫助大家融會(huì)貫通前面掌握的技能。
本書(shū)的目的
希望閱讀本書(shū)的數(shù)據(jù)分析和大數(shù)據(jù)挖掘從業(yè)者、科研人員和愛(ài)好者能掌握一些數(shù)據(jù)分析編程技能，不再僅僅依賴于局限性很強(qiáng)的傳統(tǒng)工具。
希望閱讀本書(shū)的學(xué)生，能對(duì)數(shù)據(jù)分析的概念、流程，與其他領(lǐng)域的區(qū)別有大致的了解，并提高對(duì)數(shù)據(jù)分析技術(shù)的興趣。如果能引領(lǐng)出幾位目前迷茫，但閱讀完本書(shū)后有志于在數(shù)據(jù)領(lǐng)域深耕的極客那就更好了。

Python數(shù)據(jù)分析:零基礎(chǔ)入門(mén)到實(shí)戰(zhàn)開(kāi)發(fā) 目錄

第1章　什么是數(shù)據(jù)分析
1.1　Python開(kāi)發(fā)環(huán)境 1
1.2　數(shù)據(jù)分析的前世今生 2
1.2.1　數(shù)據(jù)分析歷史 2
1.2.2　數(shù)據(jù)分析的現(xiàn)實(shí)應(yīng)用 2
1.2.3　數(shù)據(jù)分析的技能需求 3
1.3　數(shù)據(jù)分析流程 4
1.3.1　數(shù)據(jù)導(dǎo)入、清洗 5
1.3.2　單變量分析 6
1.3.3　多變量分析 6
1.3.4　選擇模型 6
1.3.5　估計(jì)與假設(shè)檢驗(yàn) 7
1.3.6　可視化 8
1.4　數(shù)據(jù)分析經(jīng)典案例 8
1.4.1　犯罪率的下降與法律條文的生成 8
1.4.2　利用數(shù)據(jù)觀察校園作弊行為 9
1.4.3　靠統(tǒng)計(jì)學(xué)致富的數(shù)學(xué)家 11
1.5　數(shù)據(jù)分析的**個(gè)實(shí)戰(zhàn) 12
1.5.1　單變量探索 12
1.5.2　多變量分析 16
1.5.3　選擇模型 21
1.5.4　假設(shè)檢驗(yàn) 25
第2章　Python知識(shí)進(jìn)階
2.1　Python語(yǔ)言 28
2.1.1　Python的歷史 29
2.1.2　Python的特色 29
2.2　Python技巧與進(jìn)階 31
2.2.1　數(shù)據(jù)類(lèi)型方面的技巧 31
2.2.2　數(shù)字方面的使用技巧 32
2.2.3　枚舉 34
2.2.4　匿名函數(shù)的應(yīng)用 35
2.2.5　裝飾器：語(yǔ)法糖 37
2.2.6　列表生成式 39
2.2.7　迭代器與生成器 39
2.3　Python編程的易錯(cuò)點(diǎn) 41
2.3.1　全局變量與局部變量 42
2.3.2　閉包 43
2.3.3　函數(shù)傳參 44
2.3.4　列表和數(shù)組的區(qū)別 45
2.3.5　變量和按引用傳遞 45
2.3.6　None：一個(gè)獨(dú)特的類(lèi)型 47
2.4　小結(jié) 48
第3章　NumPy的入門(mén)與進(jìn)階
3.1　ndarray數(shù)組 49
3.1.1　ndarray數(shù)組的創(chuàng)建 49
3.1.2　C和Fortran順序 51
3.2　索引 51
3.2.1　基本索引 51
3.2.2　高維數(shù)組的索引 52
3.2.3　高階索引 54
3.3　廣播機(jī)制 56
3.4　NumPy數(shù)組的運(yùn)算 58
3.4.1　NumPy的數(shù)值計(jì)算 58
3.4.2　比較與排序 59
3.4.3　NumPy的數(shù)組計(jì)算 60
3.4.4　ufunc高級(jí)應(yīng)用 61
3.4.5　NumPy初等函數(shù)與math內(nèi)置初等函數(shù)的區(qū)別 63
3.4.6　NumPy中的多項(xiàng)式函數(shù) 64
3.4.7　其他功能函數(shù) 65
第4章　pandas的入門(mén)與進(jìn)階
4.1　pandas的數(shù)據(jù)結(jié)構(gòu) 66
4.1.1　Series的創(chuàng)建 67
4.1.2　Series的數(shù)值計(jì)算 68
4.1.3　DataFrame的創(chuàng)建 69
4.1.4　DataFrame的基本屬性 70
4.2　pandas數(shù)據(jù)結(jié)構(gòu)的基本操作 72
4.2.1　轉(zhuǎn)置 72
4.2.2　索引 73
4.2.3　DataFrame的關(guān)系型操作 75
4.2.4　DataFrame的畫(huà)圖操作 76
4.2.5　查看數(shù)據(jù) 80
4.3　pandas數(shù)據(jù)結(jié)構(gòu)的進(jìn)階操作 81
4.3.1　數(shù)據(jù)導(dǎo)入導(dǎo)出 81
4.3.2　表格合并 83
4.3.3　讀寫(xiě)文件中的編碼問(wèn)題 90
4.3.4　刪除與替換數(shù)據(jù) 92
4.3.5　表格整體性分析 96
4.3.6　GroupBy分組運(yùn)算 98
4.3.7　綜合練習(xí) 103
第5章　SciPy入門(mén)與進(jìn)階
5.1　SciPy中的常數(shù)與函數(shù) 106
5.1.1　SciPy中的常數(shù) 106
5.1.2　SciPy中的special模塊 107
5.2　SciPy中的科學(xué)計(jì)算工具 108
5.2.1　求解多元方程組 108
5.2.2　擬合方程 110
5.2.3　*優(yōu)化算法 113
5.2.4　統(tǒng)計(jì)分布 116
5.2.5　積分 120
5.2.6　插值 121
第6章　可視化
6.1　可視化的魅力 124
6.1.1　別出心裁的可視化 124
6.1.2　可視化的基本理論 126
6.1.3　可視化實(shí)例 127
6.2　matplotlib第三方庫(kù)的基本功能 131
6.2.1　matplotlib繪圖的基礎(chǔ)組件 131
6.2.2　餅圖 134
6.2.3　條形圖 139
6.2.4　散點(diǎn)圖 142
6.2.5　折線圖 145
6.2.6　箱線圖 146
6.2.7　小提琴圖 148
6.2.8　Basemap簡(jiǎn)單介紹 150
6.3　交互式繪圖 151
6.3.1　matplotlib的簡(jiǎn)單交互式繪圖 151
6.3.2　pyecharts可視化庫(kù) 154
第7章　時(shí)間序列
7.1　datetime庫(kù)的簡(jiǎn)單介紹 160
7.1.1　時(shí)間坐標(biāo)的構(gòu)造 160
7.1.2　時(shí)間和字符串的轉(zhuǎn)換 161
7.2　時(shí)間序列中pandas的應(yīng)用 162
7.2.1　DatetimeIndex 162
7.2.2　pandas中時(shí)間坐標(biāo)的構(gòu)造 163
7.2.3　PeriodIndex（時(shí)間索引類(lèi)型） 164
7.2.4　采樣 166
7.2.5　超前或滯后 167
7.2.6　移動(dòng)窗口函數(shù) 168
7.3　時(shí)間序列的時(shí)區(qū)轉(zhuǎn)換 169
第8章　數(shù)據(jù)分析中的統(tǒng)計(jì)學(xué)
8.1　有趣的選擇 171
8.2　數(shù)據(jù)分析回答ofo多久才能退押金 172
8.3　統(tǒng)計(jì)學(xué)在數(shù)據(jù)分析中扮演的角色 178
8.4　數(shù)據(jù)預(yù)處理 178
8.4.1　數(shù)據(jù)清洗 178
8.4.2　數(shù)據(jù)集成 180
8.4.3　數(shù)據(jù)變換 181
8.5　特征工程 182
8.5.1　過(guò)濾法 183
8.5.2　包裝法 186
8.5.3　嵌入式方法 190
8.5.4　正則化 193
8.6　模型訓(xùn)練 194
8.7　模型評(píng)估 199
8.8　數(shù)據(jù)分析中的其他問(wèn)題 201
8.8.1　數(shù)據(jù)泄露 201
8.8.2　大數(shù)據(jù)下的數(shù)據(jù)分析 202
8.8.3　辛普森悖論 204
8.8.4　數(shù)據(jù)集的劃分 205
8.8.5　優(yōu)化調(diào)參 206
第9章　豆瓣電影TOP 250數(shù)據(jù)分析
9.1　項(xiàng)目介紹 210
9.1.1　爬蟲(chóng)的簡(jiǎn)單介紹 210
9.1.2　網(wǎng)頁(yè)的構(gòu)成 210
9.1.3　實(shí)戰(zhàn)中的爬蟲(chóng)技術(shù)介紹 211
9.1.4　實(shí)戰(zhàn)中數(shù)據(jù)存儲(chǔ)與讀取 215
9.1.5　實(shí)戰(zhàn)中的界面設(shè)計(jì) 216
9.1.6　實(shí)戰(zhàn)中的數(shù)據(jù)可視化 219
9.2　數(shù)據(jù)庫(kù)操作 224
9.2.1　數(shù)據(jù)庫(kù)的安裝與配置 225
9.2.2　數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù) 227
9.3　數(shù)據(jù)庫(kù)標(biāo)準(zhǔn)語(yǔ)言 228
9.3.1　創(chuàng)建數(shù)據(jù)庫(kù)、表 229
9.3.2　表的刪除與更新 229
9.3.3　查詢 230
9.3.4　聚合與排序 230
9.3.5　數(shù)據(jù)更新 231
9.3.6　表的集合運(yùn)算 232
9.3.7　Python和數(shù)據(jù)庫(kù)語(yǔ)言的關(guān)系 234
第10章　Python豐富的可視化案例
10.1　turtle庫(kù)的簡(jiǎn)單使用 236
10.2　北上廣深租房分析可視化案例 238
10.2.1　數(shù)據(jù)爬取 238
10.2.2　讀取數(shù)據(jù) 240
10.2.3　數(shù)據(jù)分析 241
第11章　Python預(yù)測(cè)應(yīng)用——SVM預(yù)測(cè)股票漲跌
11.1　SVM介紹 246
11.1.1　SVM原理 246
11.1.2　核函數(shù) 247
11.2　SVM實(shí)戰(zhàn) 249
11.2.1　數(shù)據(jù)預(yù)處理 249
11.2.2　訓(xùn)練模型 251
11.2.3　遺傳算法 252
第12章　文本分析《三國(guó)演義》：挖掘人物圖譜
12.1　項(xiàng)目簡(jiǎn)單說(shuō)明 262
12.1.1　代碼分塊介紹 262
12.1.2　效果圖展示 265
12.2　工程具體實(shí)現(xiàn) 265
12.2.1　設(shè)計(jì)思想 266
12.2.2　代碼詳解 266
12.2.3　可視化 267

目　錄
第1章　什么是數(shù)據(jù)分析
1.1　Python開(kāi)發(fā)環(huán)境 1
1.2　數(shù)據(jù)分析的前世今生 2
1.2.1　數(shù)據(jù)分析歷史 2
1.2.2　數(shù)據(jù)分析的現(xiàn)實(shí)應(yīng)用 2
1.2.3　數(shù)據(jù)分析的技能需求 3
1.3　數(shù)據(jù)分析流程 4
1.3.1　數(shù)據(jù)導(dǎo)入、清洗 5
1.3.2　單變量分析 6
1.3.3　多變量分析 6
1.3.4　選擇模型 6
1.3.5　估計(jì)與假設(shè)檢驗(yàn) 7
1.3.6　可視化 8
1.4　數(shù)據(jù)分析經(jīng)典案例 8
1.4.1　犯罪率的下降與法律條文的生成 8
1.4.2　利用數(shù)據(jù)觀察校園作弊行為 9
1.4.3　靠統(tǒng)計(jì)學(xué)致富的數(shù)學(xué)家 11
1.5　數(shù)據(jù)分析的**個(gè)實(shí)戰(zhàn) 12
1.5.1　單變量探索 12
1.5.2　多變量分析 16
1.5.3　選擇模型 21
1.5.4　假設(shè)檢驗(yàn) 25
第2章　Python知識(shí)進(jìn)階
2.1　Python語(yǔ)言 28
2.1.1　Python的歷史 29
2.1.2　Python的特色 29
2.2　Python技巧與進(jìn)階 31
2.2.1　數(shù)據(jù)類(lèi)型方面的技巧 31
2.2.2　數(shù)字方面的使用技巧 32
2.2.3　枚舉 34
2.2.4　匿名函數(shù)的應(yīng)用 35
2.2.5　裝飾器：語(yǔ)法糖 37
2.2.6　列表生成式 39
2.2.7　迭代器與生成器 39
2.3　Python編程的易錯(cuò)點(diǎn) 41
2.3.1　全局變量與局部變量 42
2.3.2　閉包 43
2.3.3　函數(shù)傳參 44
2.3.4　列表和數(shù)組的區(qū)別 45
2.3.5　變量和按引用傳遞 45
2.3.6　None：一個(gè)獨(dú)特的類(lèi)型 47
2.4　小結(jié) 48
第3章　NumPy的入門(mén)與進(jìn)階
3.1　ndarray數(shù)組 49
3.1.1　ndarray數(shù)組的創(chuàng)建 49
3.1.2　C和Fortran順序 51
3.2　索引 51
3.2.1　基本索引 51
3.2.2　高維數(shù)組的索引 52
3.2.3　高階索引 54
3.3　廣播機(jī)制 56
3.4　NumPy數(shù)組的運(yùn)算 58
3.4.1　NumPy的數(shù)值計(jì)算 58
3.4.2　比較與排序 59
3.4.3　NumPy的數(shù)組計(jì)算 60
3.4.4　ufunc高級(jí)應(yīng)用 61
3.4.5　NumPy初等函數(shù)與math內(nèi)置初等函數(shù)的區(qū)別 63
3.4.6　NumPy中的多項(xiàng)式函數(shù) 64
3.4.7　其他功能函數(shù) 65
第4章　pandas的入門(mén)與進(jìn)階
4.1　pandas的數(shù)據(jù)結(jié)構(gòu) 66
4.1.1　Series的創(chuàng)建 67
4.1.2　Series的數(shù)值計(jì)算 68
4.1.3　DataFrame的創(chuàng)建 69
4.1.4　DataFrame的基本屬性 70
4.2　pandas數(shù)據(jù)結(jié)構(gòu)的基本操作 72
4.2.1　轉(zhuǎn)置 72
4.2.2　索引 73
4.2.3　DataFrame的關(guān)系型操作 75
4.2.4　DataFrame的畫(huà)圖操作 76
4.2.5　查看數(shù)據(jù) 80
4.3　pandas數(shù)據(jù)結(jié)構(gòu)的進(jìn)階操作 81
4.3.1　數(shù)據(jù)導(dǎo)入導(dǎo)出 81
4.3.2　表格合并 83
4.3.3　讀寫(xiě)文件中的編碼問(wèn)題 90
4.3.4　刪除與替換數(shù)據(jù) 92
4.3.5　表格整體性分析 96
4.3.6　GroupBy分組運(yùn)算 98
4.3.7　綜合練習(xí) 103
第5章　SciPy入門(mén)與進(jìn)階
5.1　SciPy中的常數(shù)與函數(shù) 106
5.1.1　SciPy中的常數(shù) 106
5.1.2　SciPy中的special模塊 107
5.2　SciPy中的科學(xué)計(jì)算工具 108
5.2.1　求解多元方程組 108
5.2.2　擬合方程 110
5.2.3　*優(yōu)化算法 113
5.2.4　統(tǒng)計(jì)分布 116
5.2.5　積分 120
5.2.6　插值 121
第6章　可視化
6.1　可視化的魅力 124
6.1.1　別出心裁的可視化 124
6.1.2　可視化的基本理論 126
6.1.3　可視化實(shí)例 127
6.2　matplotlib第三方庫(kù)的基本功能 131
6.2.1　matplotlib繪圖的基礎(chǔ)組件 131
6.2.2　餅圖 134
6.2.3　條形圖 139
6.2.4　散點(diǎn)圖 142
6.2.5　折線圖 145
6.2.6　箱線圖 146
6.2.7　小提琴圖 148
6.2.8　Basemap簡(jiǎn)單介紹 150
6.3　交互式繪圖 151
6.3.1　matplotlib的簡(jiǎn)單交互式繪圖 151
6.3.2　pyecharts可視化庫(kù) 154
第7章　時(shí)間序列
7.1　datetime庫(kù)的簡(jiǎn)單介紹 160
7.1.1　時(shí)間坐標(biāo)的構(gòu)造 160
7.1.2　時(shí)間和字符串的轉(zhuǎn)換 161
7.2　時(shí)間序列中pandas的應(yīng)用 162
7.2.1　DatetimeIndex 162
7.2.2　pandas中時(shí)間坐標(biāo)的構(gòu)造 163
7.2.3　PeriodIndex（時(shí)間索引類(lèi)型） 164
7.2.4　采樣 166
7.2.5　超前或滯后 167
7.2.6　移動(dòng)窗口函數(shù) 168
7.3　時(shí)間序列的時(shí)區(qū)轉(zhuǎn)換 169
第8章　數(shù)據(jù)分析中的統(tǒng)計(jì)學(xué)
8.1　有趣的選擇 171
8.2　數(shù)據(jù)分析回答ofo多久才能退押金 172
8.3　統(tǒng)計(jì)學(xué)在數(shù)據(jù)分析中扮演的角色 178
8.4　數(shù)據(jù)預(yù)處理 178
8.4.1　數(shù)據(jù)清洗 178
8.4.2　數(shù)據(jù)集成 180
8.4.3　數(shù)據(jù)變換 181
8.5　特征工程 182
8.5.1　過(guò)濾法 183
8.5.2　包裝法 186
8.5.3　嵌入式方法 190
8.5.4　正則化 193
8.6　模型訓(xùn)練 194
8.7　模型評(píng)估 199
8.8　數(shù)據(jù)分析中的其他問(wèn)題 201
8.8.1　數(shù)據(jù)泄露 201
8.8.2　大數(shù)據(jù)下的數(shù)據(jù)分析 202
8.8.3　辛普森悖論 204
8.8.4　數(shù)據(jù)集的劃分 205
8.8.5　優(yōu)化調(diào)參 206
第9章　豆瓣電影TOP 250數(shù)據(jù)分析
9.1　項(xiàng)目介紹 210
9.1.1　爬蟲(chóng)的簡(jiǎn)單介紹 210
9.1.2　網(wǎng)頁(yè)的構(gòu)成 210
9.1.3　實(shí)戰(zhàn)中的爬蟲(chóng)技術(shù)介紹 211
9.1.4　實(shí)戰(zhàn)中數(shù)據(jù)存儲(chǔ)與讀取 215
9.1.5　實(shí)戰(zhàn)中的界面設(shè)計(jì) 216
9.1.6　實(shí)戰(zhàn)中的數(shù)據(jù)可視化 219
9.2　數(shù)據(jù)庫(kù)操作 224
9.2.1　數(shù)據(jù)庫(kù)的安裝與配置 225
9.2.2　數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù) 227
9.3　數(shù)據(jù)庫(kù)標(biāo)準(zhǔn)語(yǔ)言 228
9.3.1　創(chuàng)建數(shù)據(jù)庫(kù)、表 229
9.3.2　表的刪除與更新 229
9.3.3　查詢 230
9.3.4　聚合與排序 230
9.3.5　數(shù)據(jù)更新 231
9.3.6　表的集合運(yùn)算 232
9.3.7　Python和數(shù)據(jù)庫(kù)語(yǔ)言的關(guān)系 234
第10章　Python豐富的可視化案例
10.1　turtle庫(kù)的簡(jiǎn)單使用 236
10.2　北上廣深租房分析可視化案例 238
10.2.1　數(shù)據(jù)爬取 238
10.2.2　讀取數(shù)據(jù) 240
10.2.3　數(shù)據(jù)分析 241
第11章　Python預(yù)測(cè)應(yīng)用——SVM預(yù)測(cè)股票漲跌
11.1　SVM介紹 246
11.1.1　SVM原理 246
11.1.2　核函數(shù) 247
11.2　SVM實(shí)戰(zhàn) 249
11.2.1　數(shù)據(jù)預(yù)處理 249
11.2.2　訓(xùn)練模型 251
11.2.3　遺傳算法 252
第12章　文本分析《三國(guó)演義》：挖掘人物圖譜
12.1　項(xiàng)目簡(jiǎn)單說(shuō)明 262
12.1.1　代碼分塊介紹 262
12.1.2　效果圖展示 265
12.2　工程具體實(shí)現(xiàn) 265
12.2.1　設(shè)計(jì)思想 266
12.2.2　代碼詳解 266
12.2.3　可視化 267

展開(kāi)全部

Python數(shù)據(jù)分析:零基礎(chǔ)入門(mén)到實(shí)戰(zhàn)開(kāi)發(fā) 作者簡(jiǎn)介

張玉皓畢業(yè)于中國(guó)科學(xué)院大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)專(zhuān)業(yè)，在國(guó)際ROBOmaster人工智能挑戰(zhàn)大賽上與中科院自動(dòng)化所、伯克利大學(xué)、哥倫比亞大學(xué)同臺(tái)競(jìng)技，榮獲第八名。映客直播實(shí)習(xí)期間，參與直播間文本分析，計(jì)算直播間受歡迎指標(biāo)的項(xiàng)目。京東實(shí)習(xí)期間，參與京東商城全品類(lèi)評(píng)論短文本聚類(lèi)項(xiàng)目，將短文本智能聚類(lèi)，積累短對(duì)話語(yǔ)料庫(kù)。畢業(yè)斬獲瓜子二手車(chē)、映客、馬蜂窩、百度、京東等大廠offer，后就職于京東零售，從事NLP算法領(lǐng)域智能客服的優(yōu)化工作。

商品評(píng)論(0條)

寫(xiě)書(shū)評(píng) 賺書(shū)幣

暫無(wú)評(píng)論……

書(shū)友推薦