Python數(shù)據(jù)分析入門：從數(shù)據(jù)獲取到可視化

定　價(jià)：￥59.00

作　者：	沈祥壯
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書可以去

ISBN：	9787121336539	出版時(shí)間：	2018-03-01	包裝：
開本：	16開	頁(yè)數(shù)：	260	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書作為數(shù)據(jù)分析的入門圖書，以Python語言為基礎(chǔ)，介紹了數(shù)據(jù)分析的整個(gè)流程。本書內(nèi)容涵蓋數(shù)據(jù)的獲?。淳W(wǎng)絡(luò)爬蟲程序的設(shè)計(jì)）、前期數(shù)據(jù)的清洗和處理、運(yùn)用機(jī)器學(xué)習(xí)算法進(jìn)行建模分析，以及使用可視化的方法展示數(shù)據(jù)及結(jié)果。首先，書中不會(huì)涉及過于高級(jí)的語法，不過還是希望讀者有一定的語法基礎(chǔ)，這樣可以更好地理解本書的內(nèi)容。其次，本書重點(diǎn)在于應(yīng)用Python來完成一些數(shù)據(jù)分析和數(shù)據(jù)處理的工作，即如何使用Python來完成工作而非專注于Python語言語法等原理的講解。本書的目的是讓初學(xué)者不論對(duì)數(shù)據(jù)分析流程本身還是Python語言，都能有一個(gè)十分直觀的感受，為以后的深入學(xué)習(xí)打下基礎(chǔ)。最后，讀者不必須按順序通讀本書，因?yàn)楦鱾€(gè)章節(jié)層次比較分明，可以根據(jù)興趣或者需要來自行安排。例如第5章介紹了一些實(shí)戰(zhàn)的小項(xiàng)目，有趣且難度不大，大家可以在學(xué)習(xí)前面內(nèi)容之余來閱讀這部分內(nèi)容。

作者簡(jiǎn)介

　　沈祥壯自學(xué)Python兩年，以數(shù)據(jù)分析為主線，系統(tǒng)學(xué)習(xí)了數(shù)據(jù)的采集，處理、分析和可視化。在研究統(tǒng)計(jì)機(jī)器學(xué)習(xí)理論的同時(shí)，使用Python語言實(shí)現(xiàn)了部分統(tǒng)計(jì)學(xué)習(xí)算法。研究方向包括數(shù)據(jù)采集，數(shù)據(jù)挖掘，統(tǒng)計(jì)機(jī)器學(xué)習(xí)及圖像處理。

圖書目錄

1 準(zhǔn)備 1
1．1 開發(fā)環(huán)境搭建 2
1．1．1 在Ubuntu系統(tǒng)下搭建Python集成開發(fā)環(huán)境 2
1．1．2 在Windows系統(tǒng)下搭建Python集成開發(fā)環(huán)境 13
1．1．3 三種安裝第三方庫(kù)的方法 16
1．2 Python基礎(chǔ)語法介紹 19
1．2．1 if__name__==＇__main__＇ 20
1．2．2 列表解析式 22
1．2．3 裝飾器 23
1．2．4 遞歸函數(shù) 26
1．2．5 面向?qū)ο?27
1．3 The Zen of Python 28
參考文獻(xiàn) 30
2 數(shù)據(jù)的獲取 31
2．1 爬蟲簡(jiǎn)介 31
2．2 數(shù)據(jù)抓取實(shí)踐 33
2．2．1 請(qǐng)求網(wǎng)頁(yè)數(shù)據(jù) 33
2．2．2 網(wǎng)頁(yè)解析 38
2．2．3 數(shù)據(jù)的存儲(chǔ) 46
2．3 爬蟲進(jìn)階 50
2．3．1 異常處理 50
2．3．2 robots．txt 58
2．3．3 動(dòng)態(tài)UA 60
2．3．4 代理IP 61
2．3．5 編碼檢測(cè) 61
2．3．6 正則表達(dá)式入門 63
2．3．7 模擬登錄 69
2．3．8 驗(yàn)證碼問題 74
2．3．9 動(dòng)態(tài)加載內(nèi)容的獲取 84
2．3．10 多線程與多進(jìn)程 93
2．4 爬蟲總結(jié) 101
參考文獻(xiàn) 102
3 數(shù)據(jù)的存取與清洗 103
3．1 數(shù)據(jù)存取 103
3．1．1 基本文件操作 103
3．1．2 CSV文件的存取 111
3．1．3 JSON文件的存取 116
3．1．4 XLSX文件的存取 121
3．1．5 MySQL數(shù)據(jù)庫(kù)文件的存取 137
3．2 NumPy 145
3．2．1 NumPy簡(jiǎn)介 145
3．2．2 NumPy基本操作 146
3．3 pandas 158
3．3．1 pandas簡(jiǎn)介 158
3．3．2 Series與DataFrame的使用 159
3．3．3 布爾值數(shù)組與函數(shù)應(yīng)用 169
3．4 數(shù)據(jù)的清洗 174
3．4．1 編碼問題 174
3．4．2 缺失值的檢測(cè)與處理 175
3．4．3 去除異常值 181
3．4．4 去除重復(fù)值與冗余信息 183
3．4．5 注意事項(xiàng) 185
參考文獻(xiàn) 187
4 數(shù)據(jù)的分析及可視化 188
4．1 探索性數(shù)據(jù)分析 189
4．1．1 基本流程 189
4．1．2 數(shù)據(jù)降維 197
4．2 機(jī)器學(xué)習(xí)入門 199
4．2．1 機(jī)器學(xué)習(xí)簡(jiǎn)介 200
4．2．2 決策樹――機(jī)器學(xué)習(xí)算法的應(yīng)用 202
4．3 手動(dòng)實(shí)現(xiàn)KNN算法 205
4．3．1 特例――最鄰近分類器 205
4．3．2 KNN算法的完整實(shí)現(xiàn) 213
4．4 數(shù)據(jù)可視化 215
4．4．1 高質(zhì)量作圖工具――matplotlib 215
4．4．2 快速作圖工具――pandas與matplotlib 223
4．4．3 簡(jiǎn)捷作圖工具――seaborn與matplotlib 226
4．4．4 詞云圖 230
參考文獻(xiàn) 232
5 Python與生活 234
5．1 定制一個(gè)新聞提醒服務(wù) 234
5．1．1 新聞數(shù)據(jù)的抓取 235
5．1．2 實(shí)現(xiàn)郵件發(fā)送功能 237
5．1．3 定時(shí)執(zhí)行及本地日志記錄 239
5．2 Python與數(shù)學(xué) 241
5．2．1 估計(jì)π值 242
5．2．2 三門問題 245
5．2．3 解決LP與QP問題（選讀） 247
5．3 QQ群聊天記錄數(shù)據(jù)分析 251
參考文獻(xiàn) 256