P清華科技大講堂：ython數(shù)據(jù)分析實(shí)戰(zhàn)

定　價(jià)：￥39.00

作　者：	呂云翔，李伊琳，王肇一，張雅素
出版社：	清華大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787302518389	出版時(shí)間：	2018-12-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	184	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　使用Python進(jìn)行數(shù)據(jù)分析是十分便利且高效的，因此它被認(rèn)為是優(yōu)秀的數(shù)據(jù)分析工具之一。本書(shū)從理論和實(shí)戰(zhàn)兩個(gè)角度對(duì)Python數(shù)據(jù)分析工具進(jìn)行了介紹，并采用理論分析和Python實(shí)踐相結(jié)合的形式，按照數(shù)據(jù)分析的基本步驟對(duì)數(shù)據(jù)分析的理論知識(shí)以及相應(yīng)的Python庫(kù)進(jìn)行了詳細(xì)的介紹，讓讀者在了解數(shù)據(jù)分析的基本理論知識(shí)的同時(shí)能夠快速上手實(shí)現(xiàn)數(shù)據(jù)分析程序。本書(shū)適用于對(duì)數(shù)據(jù)分析有濃厚興趣但不知從何下手的初學(xué)者，在閱讀數(shù)據(jù)分析的基礎(chǔ)理論知識(shí)的同時(shí)可以通過(guò)Python實(shí)現(xiàn)簡(jiǎn)單的數(shù)據(jù)分析程序，從而快速對(duì)數(shù)據(jù)分析的理論和實(shí)現(xiàn)兩個(gè)層次形成一定的認(rèn)知。

作者簡(jiǎn)介

暫缺《P清華科技大講堂：ython數(shù)據(jù)分析實(shí)戰(zhàn)》作者簡(jiǎn)介

圖書(shū)目錄

第1章數(shù)據(jù)分析是什么
1.1海量數(shù)據(jù)背后蘊(yùn)藏的知識(shí)
1.2數(shù)據(jù)分析與數(shù)據(jù)挖掘的關(guān)系
1.3機(jī)器學(xué)習(xí)與數(shù)據(jù)分析的關(guān)系
1.4數(shù)據(jù)分析的基本步驟
1.5Python和數(shù)據(jù)分析
第2章Python——從了解Python開(kāi)始
2.1Python的發(fā)展史
2.2Python及Pandas、scikitlearn、Matplotlib的安裝
2.2.1Windows環(huán)境下Python的安裝
2.2.2Mac環(huán)境下Python的安裝
2.2.3Pandas、scikitlearn和Matplotlib的安裝
2.2.4使用科學(xué)計(jì)算發(fā)行版Python進(jìn)行快速安裝
2.3Python基礎(chǔ)知識(shí)
2.3.1縮進(jìn)很重要
2.3.2模塊化的系統(tǒng)
2.3.3注釋
2.3.4語(yǔ)法
2.4重要的Python庫(kù)
2.4.1Pandas
2.4.2scikitlearn
2.4.3Matplotlib
2.4.4其他
2.5Jupyter
第3章數(shù)據(jù)預(yù)處理——不了解數(shù)據(jù)一切都是空談
3.1了解數(shù)據(jù)
3.2數(shù)據(jù)質(zhì)量
3.2.1完整性
3.2.2一致性
3.2.3準(zhǔn)確性
3.2.4及時(shí)性
3.3數(shù)據(jù)清洗
3.4特征工程
3.4.1特征選擇
3.4.2特征構(gòu)建
3.4.3特征提取
第4章NumPy——數(shù)據(jù)分析基礎(chǔ)工具
4.1多維數(shù)組對(duì)象ndarray
4.1.1ndarray的創(chuàng)建
4.1.2ndarray的數(shù)據(jù)類型
4.2ndarray的索引、切片和迭代
4.3ndarray的shape的操作
4.4ndarray的基礎(chǔ)操作
第5章Pandas——處理結(jié)構(gòu)化數(shù)據(jù)
5.1基本數(shù)據(jù)結(jié)構(gòu)
5.1.1Series
5.1.2DataFrame
5.2基于Pandas的Index對(duì)象的訪問(wèn)操作
5.2.1Pandas的Index對(duì)象
5.2.2索引的不同訪問(wèn)方式
5.3數(shù)學(xué)統(tǒng)計(jì)和計(jì)算工具
5.3.1統(tǒng)計(jì)函數(shù)：協(xié)方差、相關(guān)系數(shù)、排序
5.3.2窗口函數(shù)
5.4數(shù)學(xué)聚合和分組運(yùn)算
5.4.1agg（）函數(shù)的聚合操作
5.4.2transform（）函數(shù)的轉(zhuǎn)換操作
5.4.3使用apply()函數(shù)實(shí)現(xiàn)一般的操作
第6章數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)——一些常用的方法
6.1分類分析
6.1.1邏輯回歸
6.1.2線性判別分析
6.1.3支持向量機(jī)
6.1.4決策樹(shù)
6.1.5K近鄰
6.1.6樸素貝葉斯
6.2關(guān)聯(lián)分析
6.2.1基本概念
6.2.2典型算法
6.3聚類分析
6.3.1K均值算法
6.3.2DBSCAN
6.4回歸分析
6.4.1線性回歸分析
6.4.2支持向量回歸
6.4.3K近鄰回歸
第7章scikitlearn——實(shí)現(xiàn)數(shù)據(jù)的分析
7.1分類方法
7.1.1Logistic回歸
7.1.2SVM
7.1.3Nearest neighbors
7.1.4Decision Tree
7.1.5隨機(jī)梯度下降
7.1.6高斯過(guò)程分類
7.1.7神經(jīng)網(wǎng)絡(luò)分類（多層感知器）
7.1.8樸素貝葉斯示例
7.2回歸方法
7.2.1最小二乘法
7.2.2嶺回歸
7.2.3Lasso
7.2.4貝葉斯嶺回歸
7.2.5決策樹(shù)回歸
7.2.6高斯過(guò)程回歸
7.2.7最近鄰回歸
7.3聚類方法
7.3.1Kmeans
7.3.2Affinity propagation
7.3.3Meanshift
7.3.4Spectral clustering
7.3.5Hierarchical clustering
7.3.6DBSCAN
7.3.7Birch
第8章Matplotlib——交互式圖表繪制
8.1基本布局對(duì)象
8.2圖表樣式的修改以及裝飾項(xiàng)接口
8.3基礎(chǔ)圖表的繪制
8.3.1直方圖
8.3.2散點(diǎn)圖
8.3.3餅圖
8.3.4柱狀圖
8.3.5折線圖
8.3.6表格
8.3.7不同坐標(biāo)系下的圖像
8.4matplot3D
8.5Matplotlib與Jupyter結(jié)合
第9章實(shí)例：科比職業(yè)生涯進(jìn)球分析
9.1預(yù)處理
9.2分析科比的命中率
9.3分析科比的投籃習(xí)慣
第10章實(shí)例：世界杯
10.1數(shù)據(jù)說(shuō)明
10.2世界杯觀眾
10.3世界杯冠軍
10.4世界杯參賽隊(duì)伍與比賽
10.5世界杯進(jìn)球
參考文獻(xiàn)