Python3智能數(shù)據(jù)分析快速入門

定　價(jià)：￥119.00

作　者：	李明江，張良均，周東平，張尚佳著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	智能系統(tǒng)與技術(shù)叢書
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787111628057	出版時(shí)間：	2019-07-01	包裝：	平裝
開本：	16開	頁數(shù)：	500	字?jǐn)?shù)：

內(nèi)容簡介

　　本書從邏輯上可分為兩大部分。第一部分是Python編程基礎(chǔ)（第1~4章），介紹了Python環(huán)境搭建、Python基礎(chǔ)語法、控制語句、函數(shù)、面向?qū)ο缶幊痰?。?章旨在讓讀者從全局把握Python，了解利用Python進(jìn)行智能數(shù)據(jù)分析的優(yōu)勢(shì)，并詳細(xì)介紹了Python環(huán)境搭建與配置，同時(shí)還對(duì)兩個(gè)常用集成開發(fā)環(huán)境做了詳細(xì)介紹。第2章先對(duì)Python固定語法做了介紹，包括編碼聲明、注釋、縮進(jìn)等；而后介紹了Python常見的數(shù)據(jù)類型，包括str、list、tuple、dict、set等；還介紹了Python常用運(yùn)算符，包括算術(shù)運(yùn)算符、邏輯運(yùn)算符、成員運(yùn)算符、位運(yùn)算符等。第3章主要對(duì)控制語句做了詳細(xì)介紹，包括條件語句和循環(huán)語句，同時(shí)還介紹了和條件語句類似的異常處理try-except-else語句。第4章主要介紹了Python的內(nèi)置函數(shù)、自定義函數(shù)、面向?qū)ο缶幊桃约暗谌綆斓陌惭b與使用方法。第二部分是數(shù)據(jù)分析編程（第5~9章），主要對(duì)數(shù)據(jù)分析中常用的第三方庫做了詳細(xì)介紹，強(qiáng)調(diào)在Python中對(duì)應(yīng)函數(shù)的使用方法及其結(jié)果的解釋說明。內(nèi)容涵蓋數(shù)值分析庫NumPy，數(shù)據(jù)處理庫pandas，繪圖庫Matplotlib、Seaborn、Bokeh，機(jī)器學(xué)習(xí)與數(shù)據(jù)分析建模庫scikit-learn。這一部分涉及數(shù)據(jù)讀取、數(shù)據(jù)預(yù)處理、模型構(gòu)建、模型評(píng)價(jià)、結(jié)果可視化，幾乎涵蓋了整個(gè)數(shù)據(jù)分析過程，充分而又詳細(xì)地說明了Python數(shù)據(jù)分析的常用操作，相信在本書的指導(dǎo)下，讀者能夠從零開始快速數(shù)據(jù)入門分析。

作者簡介

　　李明江　資深大數(shù)據(jù)專家，貴州省計(jì)算機(jī)學(xué)會(huì)常務(wù)理事，黔南州大數(shù)據(jù)專家委員會(huì)委員，黔南州計(jì)算機(jī)學(xué)會(huì)會(huì)長，黔南州教育信息化建設(shè)專家?guī)鞂＜?，黔南民族師范學(xué)院計(jì)算機(jī)與信息學(xué)院院長，全國高校大數(shù)據(jù)教育聯(lián)盟理事。主持過多項(xiàng)省廳級(jí)科研項(xiàng)目，并在《計(jì)算機(jī)應(yīng)用研究》《科技通報(bào)》上發(fā)表過多篇大數(shù)據(jù)分析與數(shù)據(jù)挖掘相關(guān)技術(shù)的研究論文，著有《數(shù)據(jù)挖掘的應(yīng)用與實(shí)踐：案例與探析》《計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)與應(yīng)用》等。張良均　資深大數(shù)據(jù)挖掘與分析專家、模式識(shí)別專家、AI技術(shù)專家。有10余年大數(shù)據(jù)挖掘與分析經(jīng)驗(yàn)，擅長Python、R、Hadoop、Matlab等技術(shù)實(shí)現(xiàn)的數(shù)據(jù)挖掘與分析，對(duì)機(jī)器學(xué)習(xí)等AI技術(shù)驅(qū)動(dòng)的數(shù)據(jù)分析也有深入研究。為電信、電力、政府、互聯(lián)網(wǎng)、生產(chǎn)制造、零售、銀行、生物、化工、醫(yī)藥等多個(gè)行業(yè)上百家大型企業(yè)提供過數(shù)據(jù)挖掘應(yīng)用與咨詢服務(wù)，實(shí)踐經(jīng)驗(yàn)非常豐富。華南師范大學(xué)、中南財(cái)經(jīng)政法大學(xué)、廣東工業(yè)大學(xué)、西安理工大學(xué)、廣西科技大學(xué)、重慶交通大學(xué)、桂林電子科技大學(xué)等校外碩導(dǎo)。撰寫了《Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》《R語言數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》《數(shù)據(jù)挖掘：實(shí)用案例分析》《Hadoop大數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》等多部暢銷書，累計(jì)銷量近20萬冊(cè)。

圖書目錄

目　　錄
前言
第1章　Python概述 1
1.1　Python語言介紹 1
1.1.1　Python的發(fā)展史 1
1.1.2　Python特性 2
1.1.3　Python應(yīng)用領(lǐng)域 3
1.1.4　Python機(jī)器學(xué)習(xí)優(yōu)勢(shì) 6
1.2　Python環(huán)境配置 8
1.2.1　Python 2還是Python 3 8
1.2.2　Anaconda簡介 8
1.2.3　安裝Anaconda 3 9
1.3　Python的解釋器與IDE 12
1.3.1　Python的解釋器 13
1.3.2　Python各IDE比較 13
1.3.3　PyCharm的安裝與使用 16
1.3.4　Jupyter Notebook的使用 26
小結(jié) 32
課后習(xí)題 33
第2章　Python基礎(chǔ)知識(shí) 34
2.1　固定語法 34
2.1.1　聲明與注釋 34
2.1.2　縮進(jìn)與多行語句 36
2.1.3　保留字符與賦值 38
2.2　運(yùn)算符 40
2.2.1　算術(shù)運(yùn)算符 40
2.2.2　賦值運(yùn)算符 41
2.2.3　比較運(yùn)算符 43
2.2.4　邏輯運(yùn)算符 44
2.2.5　按位運(yùn)算符 44
2.2.6　身份運(yùn)算符 45
2.2.7　成員運(yùn)算符 46
2.2.8　運(yùn)算符優(yōu)先級(jí) 47
2.3　數(shù)據(jù)類型 48
2.3.1　基礎(chǔ)數(shù)據(jù)類型 48
2.3.2　復(fù)合數(shù)據(jù)類型 55
2.4　Python I/O 63
2.4.1　input與print 64
2.4.2　文件I/O 67
小結(jié) 70
課后習(xí)題 70
第3章　控制語句 72
3.1　條件語句 72
3.1.1　if、elif與else 73
3.1.2　try、except與else 76
3.2　循環(huán)語句 80
3.2.1　for 81
3.2.2　while 83
3.2.3　break、continue與pass 85
3.2.4　列表推導(dǎo)式 89
小結(jié) 91
課后習(xí)題 91
第4章　函數(shù)與對(duì)象 94
4.1　函數(shù) 94
4.1.1　內(nèi)置函數(shù) 94
4.1.2　自定義函數(shù) 101
4.1.3　匿名函數(shù) 107
4.2　對(duì)象 109
4.2.1　面向?qū)ο蠛喗? 109
4.2.2　屬性與方法 110
4.2.3　裝飾器 116
4.2.4　繼承和多態(tài) 119
4.3　Python常用庫安裝 126
4.3.1　第三方庫安裝 126
4.3.2　第三方庫導(dǎo)入 130
4.3.3　第三方庫創(chuàng)建 131
小結(jié) 132
課后習(xí)題 133
第5章　NumPy數(shù)值計(jì)算 135
5.1　ndarray創(chuàng)建與索引 135
5.1.1　創(chuàng)建ndarray對(duì)象 135
5.1.2　ndarray的索引與切片 142
5.2　ndarray的基礎(chǔ)操作 145
5.2.1　變換ndarray的形態(tài) 145
5.2.2　排序與搜索 151
5.2.3　字符串操作 156
5.3　ufunc 159
5.3.1　ufunc的廣播機(jī)制 159
5.3.2　常用ufunc 160
5.4　matrix與線性代數(shù) 169
5.4.1　創(chuàng)建NumPy矩陣 169
5.4.2　矩陣的屬性和基本運(yùn)算 170
5.4.3　線性代數(shù)運(yùn)算 172
5.5　NumPy文件讀寫 175
5.5.1　二進(jìn)制文件讀寫 175
5.5.2　文件列表形式數(shù)據(jù)讀寫 178
小結(jié) 180
課后習(xí)題 180
第6章　pandas基礎(chǔ) 182
6.1　pandas常用類 182
6.1.1　Series 182
6.1.2　DataFrame 187
6.1.3　Index 191
6.2　DataFrame基礎(chǔ)操作 193
6.2.1　索引 193
6.2.2　排序 201
6.2.3　合并 204
6.3　其他數(shù)據(jù)類型操作 210
6.3.1　時(shí)間操作 210
6.3.2　文本操作 220
6.3.3　category操作 223
小結(jié) 227
課后習(xí)題 227