掃一掃
關注中圖網
官方微博
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
數據科學:理論、方法與Python語言實踐 版權信息
- ISBN：9787115585950
- 條形碼：9787115585950 ; 978-7-115-58595-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
數據科學:理論、方法與Python語言實踐 本書特色
（1）邊學邊練，百余程序實例貫穿全書 （2）配套慕課，鏈接見人郵教育社區本書頁面 （3）提供課件、教案、答案、模擬試卷、實訓資料、源代碼等 （4）從零起步、定位明確，特別適合工商管理、經濟學、電子商務等經濟管理類專業作為數據科學與Python語言入門的教材，可讓毫無編程基礎的讀者快速了解數據分析的完整過程，并初步掌握Python這門程序設計語言的基本語法。
數據科學:理論、方法與Python語言實踐 內容簡介
全書共分為10章，～2章介紹了數據科學的基礎知識以及數據科學所涉及的各項技術；第3～5章涵蓋了Python的語法基礎，函數、模塊與組合數據類型，文件讀寫；第6章介紹了網絡爬蟲的數據采集及方法；第7～8章重點介紹了數據分析過程中的兩個重要模塊：numpy和pandas；第9章介紹了數據可視化與應用；第10章結合之前的內容，以一個綜合案例進行了實戰分析。 本書配有電子課件、電子教案、教學大綱、習題答案、模擬試卷及答案等教學和學習資料（部分資料有且只有用書教師下載），索取方式參見書末的“更新勘誤表和配套資料索取示意圖”。 本書適合作為經濟管理類專業數據科學與Python語言入門的教材，特別適合工商管理、經濟學、電子商務等專業的學生學習。
數據科學:理論、方法與Python語言實踐 目錄
第 1章 數據科學概述 1
【知識目標】 1
【本章導讀】 1
1．1 數據 1
1．1．1 數據的定義和分類 1
1．1．2 數據產生方式的變革 2
1．2 走進數據科學 3
1．2．1 數據科學的發展歷程 4
1．2．2 數據科學基礎 5
1．2．3 數據科學的知識結構 8
1．2．4 數據科學的工作流程 8
1．2．5 數據科學的成果 11
1．2．6 數據科學與大數據 11
1．3 數據科學管理與應用 12
1．3．1 運籌優化 12
1．3．2 管理決策 12
1．3．3 質量控制 13
1．3．4 商務智能 13
1．3．5 網絡管理 14
歸納與提高 14
知識鞏固與訓練 15
第 2章 數據科學關鍵技術分析 17
【知識目標】 17
【本章導讀】 17
2．1 數據采集技術 17
2．1．1 數據采集 17
2．1．2 數據采集相關技術 19
2．2 數據預處理技術 20
2．2．1 數據清洗 20
2．2．2 數據集成 22
2．3 數據分析技術 23
2．3．1 數據分析概述 23
2．3．2 數據分析的相關技術 24
2．4 數據可視化技術 25
2．4．1 數據可視化概述 26
2．4．2 數據可視化的相關技術 26
歸納與提高 27
知識鞏固與訓練 27
第3章 Python基礎 29
【知識目標】 29
【本章導讀】 29
3．1 Python簡介 29
3．1．1 Python語言概述 29
3．1．2 Python語言的優點和缺點 30
3．2 Python程序的開發與基本語法 31
3．2．1 程序開發的流程 31
3．2．2 程序編寫的基本方法 32
3．2．3 Python的輸入與輸出 32
3．2．4 Python的基本語法 34
3．2．5 變量與常量 35
3．2．6 標識符 37
3．3 Python的基本數據類型 38
3．3．1 數字類型 38
3．3．2 字符串類型 39
3．3．3 布爾類型 41
3．4 運算符與表達式 42
3．4．1 運算符 42
3．4．2 表達式 44
3．4．3 數據類型轉換 45
3．5 程序的控制結構 46
3．5．1 程序流程圖 46
3．5．2 程序的基本結構 47
3．5．3 分支結構 49
3．5．4 循環結構 51
歸納與提高 54
知識鞏固與訓練 54
第4章 函數、模塊與組合數據類型 57
【知識目標】 57
【本章導讀】 57
4．1 函數的定義和調用 57
4．1．1 函數的定義 57
4．1．2 函數的調用 58
4．1．3 函數的遞歸調用 59
4．1．4 lambda表達式 60
4．2 函數的參數傳遞 61
4．2．1 函數值傳遞和引用傳遞 61
4．2．2 參數的位置傳遞 62
4．2．3 參數的關鍵字傳遞 64
4．2．4 參數的默認值傳遞 64
4．3 內置函數 65
4．4 變量作用域 67
4．4．1 Python的局部變量 67
4．4．2 Python的全局變量 68
4．5 模塊 69
4．5．1 模塊的定義 69
4．5．2 導入模塊 69
4．5．3 自定義模塊 70
4．5．4 math模塊 71
4．6 組合數據類型與字符串 72
4．6．1 列表 73
4．6．2 元組 76
4．6．3 字典 78
4．6．4 集合 82
4．6．5 字符串 84
歸納與提高 88
知識鞏固與訓練 88
第5章 文件操作 92
【知識目標】 92
【本章導讀】 92
5．1 錯誤處理 92
5．1．1 錯誤 92
5．1．2 異常處理 94
5．2 文件讀寫 96
5．2．1 讀寫文本文件 96
5．2．2 讀寫csv文件 98
5．2．3 讀寫JSON文件 100
歸納與提高 101
知識鞏固與訓練 102
第6章 數據采集 104
【知識目標】 104
【本章導讀】 104
6．1 HTTP請求概述 104
6．1．1 HTTP和HTTPS 104
6．1．2 HTTP的工作原理 105
6．1．3 HTTP的請求與響應 105
6．2 HTML、DOM樹結構和XPath 109
6．2．1 HTML簡述 109
6．2．2 DOM樹結構 110
6．2．3 用XPath選擇HTML元素 110
6．3 Scrapy數據采集入門 113
6．3．1 安裝Scrapy 113
6．3．2 Scrapy框架結構 114
6．3．3 基礎Spider源碼解析 115
6．4 Scrapy實例 117
6．4．1 實例一 117
6．4．2 實例二 123
6．5 Scrapy應對反爬蟲程序 127
6．5．1 爬蟲的檢測方法 127
6．5．2 應對反爬蟲的對策 128
6．5．3 反爬蟲實例 128
歸納與提高 130
知識鞏固與訓練 131
第7章 numpy數值計算 132
【知識目標】 132
【本章導讀】 132
7．1 numpy數組概述 132
7．1．1 numpy數組的特點及屬性 132
7．1．2 創建numpy數組 134
7．1．3 numpy的數據類型及其轉換 135
7．2 數組形狀操作 136
7．2．1 利用reshape()函數改變數組維度 136
7．2．2 利用ravel()函數展平數組 137
7．2．3 利用flatten()函數橫向或縱向展平數組 137
7．2．4 利用hstack()、vstack()、concatenate()函數進行數組組合 137
7．2．5 利用hsplit()、vsplit()和split()函數進行數組分割 138
7．3 數組數據獲取：索引、切片、復制及條件 139
7．3．1 一維數組的索引及切片 139
7．3．2 多維數組的索引及切片 140
7．3．3 數組數據的復制 140
7．3．4 利用條件獲取數組數據 140
7．4 數組運算 141
7．4．1 常用的ufunc函數運算 141
7．4．2 ufunc函數的廣播機制 143
7．5 數組排序及統計分析 144
7．5．1 排序 144
7．5．2 去重與重復數據 145
7．5．3 常用的統計函數 146
7．6 矩陣創建及運算 147
7．6．1 創建矩陣 147
7．6．2 矩陣的基本運算 148
7．6．3 矩陣的轉置、共軛及逆矩陣 149
7．6．4 查看矩陣特征 149
7．7 讀寫文件 150
7．7．1 文本數據讀寫函數savetxt()、loadtxt()、genfromtxt() 150
7．7．2 二進制文件讀寫函數save()及load() 151
歸納與提高 152
知識鞏固與訓練 152
第8章 數據處理：pandas統計分析 154
【知識目標】 154
【本章導讀】 154
8．1 pandas的數據結構 154
8．1．1 Series（數據序列） 155
8．1．2 DataFrame（數據框） 157
8．2 DataFrame的基礎操作 158
8．2．1 查看DataFrame的常用屬性 158
8．2．2 查看和修改DataFrame數據 159
8．3 讀/寫外部數據 164
8．3．1 讀/寫數據庫數據 164
8．3．2 讀/寫文本文件 166
8．3．3 讀/寫Excel文件 167
8．4 pandas的數據預處理 168
8．4．1 數據清洗 168
8．4．2 數據集成 173
8．4．3 數據排序 177
8．5 統計分析 178
8．5．1 描述性統計 178
8．5．2 分組聚合統計 180
8．6 時間類型及時間序列數據 182
8．6．1 轉換字符串時間為標準時間 182
8．6．2 提取時間數據信息 183
8．6．3 加減時間數據 184
8．6．4 生成時間序列數據 184
8．7 創建透視表與交叉表 185
8．7．1 使用pivot()及pivot_table()函數創建透視表 185
8．7．2 使用crosstab()函數創建交叉表 187
歸納與提高 189
知識鞏固與訓練 189
第9章 數據可視化與應用 192
【知識目標】 192
【本章導讀】 192
9．1 matplotlib簡介 192
9．2 基本圖形繪制 194
9．2．1 繪制一個基本圖形 194
9．2．2 繪制線形圖 195
9．2．3 繪制散點圖 197
9．3 統計圖形繪制 198
9．3．1 繪制柱形圖 198
9．3．2 繪制條形圖 199
9．3．3 繪制餅圖 200
9．3．4 繪制氣泡圖 200
9．4 設置樣式 201
9．4．1 中文及負號設置 201
9．4．2 標題及坐標軸標簽 201
9．4．3 plot樣式 202
9．4．4 子圖 203
9．5 3D圖形的繪制 204
歸納與提高 206
知識鞏固與訓練 206
第 10章 網店商品數據分析 209
【知識目標】 209
【本章導讀】 209
10．1 某網店的背景及數據分析的目的 209
10．1．1 某網店的背景介紹 209
10．1．2 數據分析目的及流程 210
10．2 數據預處理 210
10．2．1 數據特征分析 211
10．2．2 文字預處理 211
10．2．3 數字預處理 213
10．3 數據分析初步 214
10．3．1 熱銷商品分析 214
10．3．2 商品價格與銷量分析 215
10．4 聚類分析 217
10．4．1 聚類分析簡介 217
10．4．2 KMeans聚類 217
10．4．3 聚類過程及可視化 218
10．5 撰寫數據分析報告 221
歸納與提高 222
更新勘誤表和配套資料索取示意圖 223
參考文獻 224
【知識目標】 1
【本章導讀】 1
1．1 數據 1
1．1．1 數據的定義和分類 1
1．1．2 數據產生方式的變革 2
1．2 走進數據科學 3
1．2．1 數據科學的發展歷程 4
1．2．2 數據科學基礎 5
1．2．3 數據科學的知識結構 8
1．2．4 數據科學的工作流程 8
1．2．5 數據科學的成果 11
1．2．6 數據科學與大數據 11
1．3 數據科學管理與應用 12
1．3．1 運籌優化 12
1．3．2 管理決策 12
1．3．3 質量控制 13
1．3．4 商務智能 13
1．3．5 網絡管理 14
歸納與提高 14
知識鞏固與訓練 15
第 2章 數據科學關鍵技術分析 17
【知識目標】 17
【本章導讀】 17
2．1 數據采集技術 17
2．1．1 數據采集 17
2．1．2 數據采集相關技術 19
2．2 數據預處理技術 20
2．2．1 數據清洗 20
2．2．2 數據集成 22
2．3 數據分析技術 23
2．3．1 數據分析概述 23
2．3．2 數據分析的相關技術 24
2．4 數據可視化技術 25
2．4．1 數據可視化概述 26
2．4．2 數據可視化的相關技術 26
歸納與提高 27
知識鞏固與訓練 27
第3章 Python基礎 29
【知識目標】 29
【本章導讀】 29
3．1 Python簡介 29
3．1．1 Python語言概述 29
3．1．2 Python語言的優點和缺點 30
3．2 Python程序的開發與基本語法 31
3．2．1 程序開發的流程 31
3．2．2 程序編寫的基本方法 32
3．2．3 Python的輸入與輸出 32
3．2．4 Python的基本語法 34
3．2．5 變量與常量 35
3．2．6 標識符 37
3．3 Python的基本數據類型 38
3．3．1 數字類型 38
3．3．2 字符串類型 39
3．3．3 布爾類型 41
3．4 運算符與表達式 42
3．4．1 運算符 42
3．4．2 表達式 44
3．4．3 數據類型轉換 45
3．5 程序的控制結構 46
3．5．1 程序流程圖 46
3．5．2 程序的基本結構 47
3．5．3 分支結構 49
3．5．4 循環結構 51
歸納與提高 54
知識鞏固與訓練 54
第4章 函數、模塊與組合數據類型 57
【知識目標】 57
【本章導讀】 57
4．1 函數的定義和調用 57
4．1．1 函數的定義 57
4．1．2 函數的調用 58
4．1．3 函數的遞歸調用 59
4．1．4 lambda表達式 60
4．2 函數的參數傳遞 61
4．2．1 函數值傳遞和引用傳遞 61
4．2．2 參數的位置傳遞 62
4．2．3 參數的關鍵字傳遞 64
4．2．4 參數的默認值傳遞 64
4．3 內置函數 65
4．4 變量作用域 67
4．4．1 Python的局部變量 67
4．4．2 Python的全局變量 68
4．5 模塊 69
4．5．1 模塊的定義 69
4．5．2 導入模塊 69
4．5．3 自定義模塊 70
4．5．4 math模塊 71
4．6 組合數據類型與字符串 72
4．6．1 列表 73
4．6．2 元組 76
4．6．3 字典 78
4．6．4 集合 82
4．6．5 字符串 84
歸納與提高 88
知識鞏固與訓練 88
第5章 文件操作 92
【知識目標】 92
【本章導讀】 92
5．1 錯誤處理 92
5．1．1 錯誤 92
5．1．2 異常處理 94
5．2 文件讀寫 96
5．2．1 讀寫文本文件 96
5．2．2 讀寫csv文件 98
5．2．3 讀寫JSON文件 100
歸納與提高 101
知識鞏固與訓練 102
第6章 數據采集 104
【知識目標】 104
【本章導讀】 104
6．1 HTTP請求概述 104
6．1．1 HTTP和HTTPS 104
6．1．2 HTTP的工作原理 105
6．1．3 HTTP的請求與響應 105
6．2 HTML、DOM樹結構和XPath 109
6．2．1 HTML簡述 109
6．2．2 DOM樹結構 110
6．2．3 用XPath選擇HTML元素 110
6．3 Scrapy數據采集入門 113
6．3．1 安裝Scrapy 113
6．3．2 Scrapy框架結構 114
6．3．3 基礎Spider源碼解析 115
6．4 Scrapy實例 117
6．4．1 實例一 117
6．4．2 實例二 123
6．5 Scrapy應對反爬蟲程序 127
6．5．1 爬蟲的檢測方法 127
6．5．2 應對反爬蟲的對策 128
6．5．3 反爬蟲實例 128
歸納與提高 130
知識鞏固與訓練 131
第7章 numpy數值計算 132
【知識目標】 132
【本章導讀】 132
7．1 numpy數組概述 132
7．1．1 numpy數組的特點及屬性 132
7．1．2 創建numpy數組 134
7．1．3 numpy的數據類型及其轉換 135
7．2 數組形狀操作 136
7．2．1 利用reshape()函數改變數組維度 136
7．2．2 利用ravel()函數展平數組 137
7．2．3 利用flatten()函數橫向或縱向展平數組 137
7．2．4 利用hstack()、vstack()、concatenate()函數進行數組組合 137
7．2．5 利用hsplit()、vsplit()和split()函數進行數組分割 138
7．3 數組數據獲取：索引、切片、復制及條件 139
7．3．1 一維數組的索引及切片 139
7．3．2 多維數組的索引及切片 140
7．3．3 數組數據的復制 140
7．3．4 利用條件獲取數組數據 140
7．4 數組運算 141
7．4．1 常用的ufunc函數運算 141
7．4．2 ufunc函數的廣播機制 143
7．5 數組排序及統計分析 144
7．5．1 排序 144
7．5．2 去重與重復數據 145
7．5．3 常用的統計函數 146
7．6 矩陣創建及運算 147
7．6．1 創建矩陣 147
7．6．2 矩陣的基本運算 148
7．6．3 矩陣的轉置、共軛及逆矩陣 149
7．6．4 查看矩陣特征 149
7．7 讀寫文件 150
7．7．1 文本數據讀寫函數savetxt()、loadtxt()、genfromtxt() 150
7．7．2 二進制文件讀寫函數save()及load() 151
歸納與提高 152
知識鞏固與訓練 152
第8章 數據處理：pandas統計分析 154
【知識目標】 154
【本章導讀】 154
8．1 pandas的數據結構 154
8．1．1 Series（數據序列） 155
8．1．2 DataFrame（數據框） 157
8．2 DataFrame的基礎操作 158
8．2．1 查看DataFrame的常用屬性 158
8．2．2 查看和修改DataFrame數據 159
8．3 讀/寫外部數據 164
8．3．1 讀/寫數據庫數據 164
8．3．2 讀/寫文本文件 166
8．3．3 讀/寫Excel文件 167
8．4 pandas的數據預處理 168
8．4．1 數據清洗 168
8．4．2 數據集成 173
8．4．3 數據排序 177
8．5 統計分析 178
8．5．1 描述性統計 178
8．5．2 分組聚合統計 180
8．6 時間類型及時間序列數據 182
8．6．1 轉換字符串時間為標準時間 182
8．6．2 提取時間數據信息 183
8．6．3 加減時間數據 184
8．6．4 生成時間序列數據 184
8．7 創建透視表與交叉表 185
8．7．1 使用pivot()及pivot_table()函數創建透視表 185
8．7．2 使用crosstab()函數創建交叉表 187
歸納與提高 189
知識鞏固與訓練 189
第9章 數據可視化與應用 192
【知識目標】 192
【本章導讀】 192
9．1 matplotlib簡介 192
9．2 基本圖形繪制 194
9．2．1 繪制一個基本圖形 194
9．2．2 繪制線形圖 195
9．2．3 繪制散點圖 197
9．3 統計圖形繪制 198
9．3．1 繪制柱形圖 198
9．3．2 繪制條形圖 199
9．3．3 繪制餅圖 200
9．3．4 繪制氣泡圖 200
9．4 設置樣式 201
9．4．1 中文及負號設置 201
9．4．2 標題及坐標軸標簽 201
9．4．3 plot樣式 202
9．4．4 子圖 203
9．5 3D圖形的繪制 204
歸納與提高 206
知識鞏固與訓練 206
第 10章 網店商品數據分析 209
【知識目標】 209
【本章導讀】 209
10．1 某網店的背景及數據分析的目的 209
10．1．1 某網店的背景介紹 209
10．1．2 數據分析目的及流程 210
10．2 數據預處理 210
10．2．1 數據特征分析 211
10．2．2 文字預處理 211
10．2．3 數字預處理 213
10．3 數據分析初步 214
10．3．1 熱銷商品分析 214
10．3．2 商品價格與銷量分析 215
10．4 聚類分析 217
10．4．1 聚類分析簡介 217
10．4．2 KMeans聚類 217
10．4．3 聚類過程及可視化 218
10．5 撰寫數據分析報告 221
歸納與提高 222
更新勘誤表和配套資料索取示意圖 223
參考文獻 224
展開全部
數據科學:理論、方法與Python語言實踐 作者簡介
謝健民，管理科學博士，西南科技大學經濟管理學院副教授、碩士生導師，四川信息管理與服務中心主任。主要研究領域包括數據科學與大數據、工商管理、應急物流、多目標決策等。在國內外核**術期刊和管理雜志上發表了數十篇學術論文，出版了《Excel數據分析》《電子商務概論》等多部著作。
書友推薦
- >
經典常談
- >
伯納黛特,你要去哪(2021新版)
- >
我從未如此眷戀人間
- >
名家帶你讀魯迅:朝花夕拾
- >
隨園食單
- >
月亮與六便士
- >
月亮虎
- >
二體千字文
本類暢銷
