掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
PYTHON數據分析(普通高等教育數據科學與大數據技術專業教材) 版權信息
- ISBN：9787522621661
- 條形碼：9787522621661 ; 978-7-5226-2166-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
PYTHON數據分析(普通高等教育數據科學與大數據技術專業教材) 內容簡介
本書內容表達圖文并茂、通俗易懂，以實踐操作應用為導向，側重知識的內在認知邏輯引導，適合于理論與實踐相結合的教學方式。本書從開發環境配置入手，隨后對 Python 簡介及數據分析概述和 Python 語言基礎進行介紹，著重講解了科學計算庫 NumPy 和數據處理庫 Pandas，然后進一步對數據分析的數 據可視化和數據分析方法進行內容展開，由淺入深地引出數據分析實戰案例，在對這三個案例進行數據分析的過程中，將前面內容綜合應用到數據分析案例中，進一步加深理論知識的理解。全書理論部分可以作為理論課知識進行教學，后面案例可以作為實訓課使用。全書章節可以拆分重組，為不同背景知識的學生提供合適的知識組合，為教師組織教學提供教學便利。本書適合作為本科或高職院校的計算機科學技術、數據科學與大數據技術、人工智能、信息管理、電子商務、應用數學、信息與計算科學、統計學、金融工程、市場營銷等專業的教學用書，同時也適合作為其他相關專業的選修課程教材。本書提供微課視頻，并配套程序源代碼、教學課件和習題答案。
PYTHON數據分析(普通高等教育數據科學與大數據技術專業教材) 目錄
前言
第1章 Python簡介及數據分析概述
1.1 Python簡介
1.1.1 Python語言的特點
1.1.2 Python語言的應用領域
1.2 Python開發環境部署
1.2.1 下載對應版本安裝文件
1.2.2 Python的安裝及相關文件介紹
1.3 擴展庫的安裝
1.4 開發環境應用示例
1.4.1 Anaconda的功能介紹及安裝
1.4.2 JupyterLab的使用及文本數據分析實例演示
1.5 數據分析概述
1.5.1 數據分析的過程
1.5.2 數據分析常用擴展庫
本章小結
練習1
第2章 Python語言基礎
2.1 數據類型
2.1.1 數值
2.1.2 字符串
2.1.3 列表
2.1.4 元組
2.1.5 集合
2.1.6 字典
2.2 數據類型的共有方法
2.2.1 索引
2.2.2 切片
2.2.3 提取長度
2.2.4 統計
2.2.5 確認成員身份
2.2.6 刪除變量
2.3 字符串、列表、元組、集合及字典的方法
2.3.1 字符串的方法
2.3.2 列表的方法
2.3.3 元組的方法
2.3.4 集合的方法
2.3.5 字典的方法
2.4 內置函數、內置模塊與自定義函數
2.4.1 內置函數
2.4.2 高級函數
2.4.3 help（）函數
2.4.4 內置函數與內置模塊的區別
2.4.5 常用的內置模塊
2.4.6 自定義函數
2.5 類和對象
2.5.1 類和對象的概念
2.5.2 類和對象的使用
2.5.3 類和對象實例演示
2.6 讀取數據文件
本章小結
練習2
第3章 科學計算庫NumPy
3.1 NumPy簡介
3.2 NumPy中的對象
3.2.1 ndarray對象
3.2.2 array對象的屬性和方法
3.2.3 NumPy創建數組
3.3 NumPy中數組的索引
3.3.1 數組的維度和基本索引
3.3.2 高級索引
3.4 Numpy中的統計函數
3.5 Numpy中的矩陣操作
本章小結
練習3
第4章 數據處理庫Pandas
4.1 Pandas簡介
4.1.1 Pandas的安裝與導入
4.1.2 數據類型Series
4.1.3 數據類型DataFrame
4.2 數據文件讀取
4.2.1 excel文件讀取
4.2.2 csv文件讀取
4.3 數據類型Series和DataFrame
4.3.1 Series常見的屬性與方法
4.3.2 DataFrame常見的屬性與方法
4.4 Pandas的高級操作
4.4.1 Pandas的高級操作簡介
4.4.2 Pandas數據分析案例
4.4.3 Pandas數據分析案例
本章小結
練習4
第5章 數據可視化
5.1 數據可視化簡介
5.2 Matplotlib可視化
5.2.1 Matplotlib散點圖示例
5.2.2 Matplotlib線圖示例
5.2.3 Matplotlib柱狀圖示例
5.2.4 Matplotlib餅圖示例
5.2.5 Matplotlib箱線圖示例
5.2.6 Matplotlib直方圖示例
5.2.7 Matplotlib多子圖示例
5.3 Pandas繪圖
本章小結
練習5
第6章 數據分析方法
6.1 數據分析方法概述
6.1.1 ETL（Extract-Transform-Load）
6.1.2 數據分析中常用的方法
6.2 數據預處理
6.2.1 異常值處理
6.2.2 缺失值處理
6.2.3 歸一化處理
6.3 分類與預測
6.3.1 決策樹
6.3.2 樸素貝葉斯
6.3.3 支持向量機
6.3.4 神經網絡
6.4 回歸
6.4.1 線性回歸
6.4.2 非線性回歸
6.5 聚類
6.5.1 層次聚類
6.5.2 非層次聚類
本章小結
練習6
第7章 電影數據分析
7.1 項目簡介
7.2 代碼實現
7.2.1 數據清洗
7.2.2 編程打分
7.2.3 其他數據類型處理
7.2.4 建模分析
本章小結
練習7
第8章 客戶價值分析
8.1 項目簡介
8.2 代碼實現
8.2.1 數據清洗
8.2.2 客戶屬性與客戶流失的關系分析
8.2.3 產品屬性與客戶流失的關系分析
8.2.4 客戶行為與客戶流失的關系分析
本章小結
練習8
第9章 房價預測分析
9.1 項目簡介
9.2 代碼實現
9.2.1 線性回歸
9.2.2 隨機森林
9.2.3 支持向量機
9.2.4 模型評估比較
本章小結
練習9
參考文獻
第1章 Python簡介及數據分析概述
1.1 Python簡介
1.1.1 Python語言的特點
1.1.2 Python語言的應用領域
1.2 Python開發環境部署
1.2.1 下載對應版本安裝文件
1.2.2 Python的安裝及相關文件介紹
1.3 擴展庫的安裝
1.4 開發環境應用示例
1.4.1 Anaconda的功能介紹及安裝
1.4.2 JupyterLab的使用及文本數據分析實例演示
1.5 數據分析概述
1.5.1 數據分析的過程
1.5.2 數據分析常用擴展庫
本章小結
練習1
第2章 Python語言基礎
2.1 數據類型
2.1.1 數值
2.1.2 字符串
2.1.3 列表
2.1.4 元組
2.1.5 集合
2.1.6 字典
2.2 數據類型的共有方法
2.2.1 索引
2.2.2 切片
2.2.3 提取長度
2.2.4 統計
2.2.5 確認成員身份
2.2.6 刪除變量
2.3 字符串、列表、元組、集合及字典的方法
2.3.1 字符串的方法
2.3.2 列表的方法
2.3.3 元組的方法
2.3.4 集合的方法
2.3.5 字典的方法
2.4 內置函數、內置模塊與自定義函數
2.4.1 內置函數
2.4.2 高級函數
2.4.3 help（）函數
2.4.4 內置函數與內置模塊的區別
2.4.5 常用的內置模塊
2.4.6 自定義函數
2.5 類和對象
2.5.1 類和對象的概念
2.5.2 類和對象的使用
2.5.3 類和對象實例演示
2.6 讀取數據文件
本章小結
練習2
第3章 科學計算庫NumPy
3.1 NumPy簡介
3.2 NumPy中的對象
3.2.1 ndarray對象
3.2.2 array對象的屬性和方法
3.2.3 NumPy創建數組
3.3 NumPy中數組的索引
3.3.1 數組的維度和基本索引
3.3.2 高級索引
3.4 Numpy中的統計函數
3.5 Numpy中的矩陣操作
本章小結
練習3
第4章 數據處理庫Pandas
4.1 Pandas簡介
4.1.1 Pandas的安裝與導入
4.1.2 數據類型Series
4.1.3 數據類型DataFrame
4.2 數據文件讀取
4.2.1 excel文件讀取
4.2.2 csv文件讀取
4.3 數據類型Series和DataFrame
4.3.1 Series常見的屬性與方法
4.3.2 DataFrame常見的屬性與方法
4.4 Pandas的高級操作
4.4.1 Pandas的高級操作簡介
4.4.2 Pandas數據分析案例
4.4.3 Pandas數據分析案例
本章小結
練習4
第5章 數據可視化
5.1 數據可視化簡介
5.2 Matplotlib可視化
5.2.1 Matplotlib散點圖示例
5.2.2 Matplotlib線圖示例
5.2.3 Matplotlib柱狀圖示例
5.2.4 Matplotlib餅圖示例
5.2.5 Matplotlib箱線圖示例
5.2.6 Matplotlib直方圖示例
5.2.7 Matplotlib多子圖示例
5.3 Pandas繪圖
本章小結
練習5
第6章 數據分析方法
6.1 數據分析方法概述
6.1.1 ETL（Extract-Transform-Load）
6.1.2 數據分析中常用的方法
6.2 數據預處理
6.2.1 異常值處理
6.2.2 缺失值處理
6.2.3 歸一化處理
6.3 分類與預測
6.3.1 決策樹
6.3.2 樸素貝葉斯
6.3.3 支持向量機
6.3.4 神經網絡
6.4 回歸
6.4.1 線性回歸
6.4.2 非線性回歸
6.5 聚類
6.5.1 層次聚類
6.5.2 非層次聚類
本章小結
練習6
第7章 電影數據分析
7.1 項目簡介
7.2 代碼實現
7.2.1 數據清洗
7.2.2 編程打分
7.2.3 其他數據類型處理
7.2.4 建模分析
本章小結
練習7
第8章 客戶價值分析
8.1 項目簡介
8.2 代碼實現
8.2.1 數據清洗
8.2.2 客戶屬性與客戶流失的關系分析
8.2.3 產品屬性與客戶流失的關系分析
8.2.4 客戶行為與客戶流失的關系分析
本章小結
練習8
第9章 房價預測分析
9.1 項目簡介
9.2 代碼實現
9.2.1 線性回歸
9.2.2 隨機森林
9.2.3 支持向量機
9.2.4 模型評估比較
本章小結
練習9
參考文獻
展開全部
PYTHON數據分析(普通高等教育數據科學與大數據技術專業教材) 作者簡介
馮志輝，天津城建大學理學院教師，主要從事科學計算及數據分析方面的教學及研究工作，發表國際國內學術論文多篇，近六年指導本科畢業生18人，主要進行Python相關研究，多次獲得校級優秀畢業論文，且就業方面良好。本人多次在校級教師基本競賽及多媒體課件比賽獲獎，獲第十三屆天津市高校青年教師教學基本功競賽三等獎，所授課程：“Python科學計算”“Python數據分析”“Python編程及案例分析”等。
書友推薦
- >
煙與鏡
- >
月亮與六便士
- >
唐代進士錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
回憶愛瑪儂
- >
二體千字文
- >
龍榆生：詞曲概論/大家小書
- >
名家帶你讀魯迅:故事新編
本類暢銷
