中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
Python數據處理與挖掘 版權信息
- ISBN：9787115539786
- 條形碼：9787115539786 ; 978-7-115-53978-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
Python數據處理與挖掘 本書特色
1.本書助力讀者使用Python編程語言分析數據，并且能夠設計和應用模型以在數據中提取知識，進而對其進行可視化處理；2.任務驅動的知識學習過程，如結合數據挖掘知識探索一個地區*近房價波動的規律、天氣變化的規律、當前大眾關心和討論的熱點話題等；3.作者長期從事數據分析、人工智能、Linux編程等課程的教學工作。主要研究方向包括大數據分析與挖掘、智能駕駛等；4.三步驟：數據準備、數據模型構建、數據可視化，此過程即可提升學生的實踐能力，加固學生對理論知識的深入理解；5.針對各知識點均設計了相應的Python案例，并給出了實現代碼、效果圖以及相應的解釋，以強化讀者對各知識點的理解與掌握。
Python數據處理與挖掘 內容簡介
本書以構建完整的知識體系為目標，按照從簡單到復雜的思路，貫穿了數據處理與挖掘的各個環節，具體包括：Python快速入門、Python數據類型、Python常用模塊、Python數據獲取、Python數據挖掘基礎、Python數據挖掘算法、Python大數據挖掘和Python數據可視化。此外，針對各知識點，本書均設計了相應的Python案例，并給出了實現代碼、效果圖以及相應的解釋，以強化讀者對各知識點的理解與掌握。本書可作為高等院校人工智能、計算機科學與技術、經濟與金融等專業的教材，也可供大數據分析與處理等領域的技術人員學習使用，還可作為數據分析與挖掘研究人員的參考用書。
Python數據處理與挖掘 目錄
第 1章 Python快速入門 1
1．1 一種簡單的編程語言 2
1．1．1 Python--解釋型編程語言 2
1．1．2 Python應用 3
1．2 Python開發環境 4
1．2．1 搭建簡單的Python開發環境 4
1．2．2 功能強大的集成開發環境 6
1．2．3 交互式開發環境 6
1．3 Python中簡單的程序結構 8
1．3．1 文件是代碼的基本組成單元 8
1．3．2 模塊化地組織代碼 8
1．3．3 代碼縮進區分邏輯關系 10
1．3．4 輸入和輸出提升程序交互性 10
1．3．5 常見的Python解釋器 11
1．4 習題 12
第 2章 Python數據類型 13
2．1 數據類型是數據表示的基礎 14
2．1．1 Python中一切皆對象 14
2．1．2 數字類型 14
2．1．3 布爾類型 15
2．1．4 字符串類型 15
2．1．5 自定義數據類型 16
2．1．6 變量 17
2．2 語句組成邏輯結構 18
2．2．1 運算符和表達式 19
2．2．2 語句 20
2．3 控制程序的執行 21
2．3．1 順序結構 21
2．3．2 分支結構 21
2．3．3 循環結構 22
2．4 有效存儲數據 24
2．4．1 列表 25
2．4．2 元組 27
2．4．3 字典 28
2．4．4 集合 29
2．4．5 特殊運算符 30
2．5 函數實現代碼復用 31
2．5．1 自定義函數 31
2．5．2 內置函數 32
2．5．3 字符串處理函數 33
2．5．4 函數式編程 33
2．6 存儲數據 35
2．6．1 文件操作 36
2．6．2 JSON和XML 36
2．7 案例：傳感器數據分析 40
2．8 習題 42
第3章 Python常用模塊 43
3．1 模塊的概念 44
3．2 自定義模塊 46
3．3 正則表達式模塊 46
3．4 NumPy和SciPy模塊 50
3．4．1 NumPy 51
3．4．2 SciPy 59
3．5 Pandas庫 61
3．6 習題 71
第4章 Python數據獲取 73
4．1 Web的客戶端/服務器工作模式 74
4．1．1 Web數據傳輸協議 75
4．1．2 Web頁面標記語言 78
4．1．3 Web樣式設計 81
4．2 Python設計爬蟲軟件 84
4．2．1 頁面請求庫URLLib 84
4．2．2 增強的網絡請求庫Requests 88
4．2．3 頁面內容解析庫BeautifulSoup 91
4．2．4 案例：在互聯網上獲取電影評論數據 95
4．2．5 瀏覽器中模擬點擊的Selenium庫 97
4．3 多線程提升數據獲取的效率 103
4．3．1 多線程的使用方法 104
4．3．2 案例：多線程在頁面數據獲取中的應用 106
4．4 習題 109
第5章 Python數據挖掘基礎 111
5．1 數據挖掘的基本概念 112
5．1．1 數據挖掘中常用的術語 112
5．1．2 數據挖掘的流程 113
5．2 數據集是數據挖掘的基礎 115
5．2．1 各領域公開了大量的數據集 115
5．2．2 自定義數據 119
5．3 Python中常用的 數據挖掘庫 120
5．3．1 自然語言處理常用的NLTK庫 120
5．3．2 機器學習常用的Sklearn庫 125
5．4 習題 134
第6章 Python數據挖掘算法 135
6．1 數據挖掘中的分類 136
6．1．1 分類問題的基本思想 136
6．1．2 常見的分類算法 139
6．1．3 樸素貝葉斯分類算法的原理 145
6．1．4 案例：從頭實現樸素貝葉斯分類算法 146
6．2 數據挖掘中的聚類 148
6．2．1 聚類的基本思想 149
6．2．2 常見的聚類算法 152
6．2．3 K-means聚類算法的原理 168
6．2．4 案例：從頭實現K-means聚類算法 169
6．3 習題 171
第7章 Python大數據挖掘 173
7．1 深度學習是大數據處理的重要手段 174
7．1．1 深度學習來源于神經網絡 175
7．1．2 深度學習已有大量模型 187
7．1．3 深度學習框架提升使用效率 191
7．1．4 卷積神經網絡的工作原理 193
7．1．5 LSTM網絡的工作原理 196
7．1．6 案例：使用卷積神經網絡實現蔬菜識別系統 200
7．2 習題 204
第8章 Python數據可視化 207
8．1 可視化技術自然地展現數據規律 208
8．2 *為常用的Matplotlib庫 208
8．2．1 使用Matplotlib庫繪制各種圖形 211
8．2．2 Pandas庫中直接繪圖 216
8．3 Seaborn庫增強繪圖效果 219
8．4 Plotnine庫彌補可視化不足 225
8．5 案例：房價數據采集及可視化 228
8．6 習題 231
參考文獻 232
1．1 一種簡單的編程語言 2
1．1．1 Python--解釋型編程語言 2
1．1．2 Python應用 3
1．2 Python開發環境 4
1．2．1 搭建簡單的Python開發環境 4
1．2．2 功能強大的集成開發環境 6
1．2．3 交互式開發環境 6
1．3 Python中簡單的程序結構 8
1．3．1 文件是代碼的基本組成單元 8
1．3．2 模塊化地組織代碼 8
1．3．3 代碼縮進區分邏輯關系 10
1．3．4 輸入和輸出提升程序交互性 10
1．3．5 常見的Python解釋器 11
1．4 習題 12
第 2章 Python數據類型 13
2．1 數據類型是數據表示的基礎 14
2．1．1 Python中一切皆對象 14
2．1．2 數字類型 14
2．1．3 布爾類型 15
2．1．4 字符串類型 15
2．1．5 自定義數據類型 16
2．1．6 變量 17
2．2 語句組成邏輯結構 18
2．2．1 運算符和表達式 19
2．2．2 語句 20
2．3 控制程序的執行 21
2．3．1 順序結構 21
2．3．2 分支結構 21
2．3．3 循環結構 22
2．4 有效存儲數據 24
2．4．1 列表 25
2．4．2 元組 27
2．4．3 字典 28
2．4．4 集合 29
2．4．5 特殊運算符 30
2．5 函數實現代碼復用 31
2．5．1 自定義函數 31
2．5．2 內置函數 32
2．5．3 字符串處理函數 33
2．5．4 函數式編程 33
2．6 存儲數據 35
2．6．1 文件操作 36
2．6．2 JSON和XML 36
2．7 案例：傳感器數據分析 40
2．8 習題 42
第3章 Python常用模塊 43
3．1 模塊的概念 44
3．2 自定義模塊 46
3．3 正則表達式模塊 46
3．4 NumPy和SciPy模塊 50
3．4．1 NumPy 51
3．4．2 SciPy 59
3．5 Pandas庫 61
3．6 習題 71
第4章 Python數據獲取 73
4．1 Web的客戶端/服務器工作模式 74
4．1．1 Web數據傳輸協議 75
4．1．2 Web頁面標記語言 78
4．1．3 Web樣式設計 81
4．2 Python設計爬蟲軟件 84
4．2．1 頁面請求庫URLLib 84
4．2．2 增強的網絡請求庫Requests 88
4．2．3 頁面內容解析庫BeautifulSoup 91
4．2．4 案例：在互聯網上獲取電影評論數據 95
4．2．5 瀏覽器中模擬點擊的Selenium庫 97
4．3 多線程提升數據獲取的效率 103
4．3．1 多線程的使用方法 104
4．3．2 案例：多線程在頁面數據獲取中的應用 106
4．4 習題 109
第5章 Python數據挖掘基礎 111
5．1 數據挖掘的基本概念 112
5．1．1 數據挖掘中常用的術語 112
5．1．2 數據挖掘的流程 113
5．2 數據集是數據挖掘的基礎 115
5．2．1 各領域公開了大量的數據集 115
5．2．2 自定義數據 119
5．3 Python中常用的 數據挖掘庫 120
5．3．1 自然語言處理常用的NLTK庫 120
5．3．2 機器學習常用的Sklearn庫 125
5．4 習題 134
第6章 Python數據挖掘算法 135
6．1 數據挖掘中的分類 136
6．1．1 分類問題的基本思想 136
6．1．2 常見的分類算法 139
6．1．3 樸素貝葉斯分類算法的原理 145
6．1．4 案例：從頭實現樸素貝葉斯分類算法 146
6．2 數據挖掘中的聚類 148
6．2．1 聚類的基本思想 149
6．2．2 常見的聚類算法 152
6．2．3 K-means聚類算法的原理 168
6．2．4 案例：從頭實現K-means聚類算法 169
6．3 習題 171
第7章 Python大數據挖掘 173
7．1 深度學習是大數據處理的重要手段 174
7．1．1 深度學習來源于神經網絡 175
7．1．2 深度學習已有大量模型 187
7．1．3 深度學習框架提升使用效率 191
7．1．4 卷積神經網絡的工作原理 193
7．1．5 LSTM網絡的工作原理 196
7．1．6 案例：使用卷積神經網絡實現蔬菜識別系統 200
7．2 習題 204
第8章 Python數據可視化 207
8．1 可視化技術自然地展現數據規律 208
8．2 *為常用的Matplotlib庫 208
8．2．1 使用Matplotlib庫繪制各種圖形 211
8．2．2 Pandas庫中直接繪圖 216
8．3 Seaborn庫增強繪圖效果 219
8．4 Plotnine庫彌補可視化不足 225
8．5 案例：房價數據采集及可視化 228
8．6 習題 231
參考文獻 232
展開全部
Python數據處理與挖掘 作者簡介
【吳振宇】北京航空航天大學工學博士，南京郵電大學物聯網學院教師，中國指揮與控制學會認知與行為專業委員會委員，中國計算機學會網絡與數據通信專業委員會委員。具有長達4年的外商投資企業軟件開發經驗，長期從事數據分析、人工智能、Linux編程等課程的教學工作。主要研究方向包括大數據分析與挖掘、智能駕駛等。
書友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
李白與唐代文化
- >
莉莉和章魚
- >
我與地壇
- >
隨園食單
- >
唐代進士錄
- >
詩經-先民的歌唱
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
