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
深入淺出Python數據分析 版權信息
- ISBN：9787302574538
- 條形碼：9787302574538 ; 978-7-302-57453-8
- 裝幀：80g膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深入淺出Python數據分析 本書特色
實戰：大量的案例實操及程序實例高效：一本書解決常見數據分析問題完整：涵蓋業界主流套件，提供完整的工具鏈零基礎實操入門**，助你成為Python數據分析高手，免費提供配套源程序下載
深入淺出Python數據分析 內容簡介
數據時代的來臨帶動了新一波的智能革命，數據與算法驅動了各個領域的改變。在幾個市場熱門的討論議題中，都可以看到數據應用扮演的角色。在面對真實世界的數據時，有許許多多的事情需要考慮。本書試圖從*務實的角度開始，結合理論與實踐去探索數據科學的真實世界，幫助讀者一步一步地培養數據時代下的思維與技術。本書將從基礎的 Python 編程開始，以數據分析的流程為主軸一步一步地解析，然后展開介紹數據收集、數據前處理、特征工程、探索式分析等。本書系統性地從函數庫開始學習，并拓展到不同的應用場景。 本書實用性強，提供數據分析所必需的編程技能的培訓，以及常見第三方軟件和庫的使用方法；以數據科學家、數據分析師等數據應用工作的實踐經驗作為培養目標，適合對 Python與數據分析有興趣的人閱讀。
深入淺出Python數據分析 目錄
第1章 數據分析與Python
1.1 數據分析概述 002
1.1.1 數據分析興起與發展的時代背景 002
1.1.2 什么是數據分析 003
1.1.3 數據分析的發展方向 003
1.1.4 大數據與厚數據 005
1.1.5 數據挖掘、機器學習與深度學習 006
1.2 數據項目 007
1.2.1 定義數據項目 008
1.2.2 數據項目團隊的組成 008
1.2.3 數據項目的分析流程 009
1.3 Python與數據分析的關系 011
1.3.1 為什么要用Python進行數據分析 011
1.3.2 Python的數據分析系統 011
1.4 數據分析人員的學習地圖 012
1.4.1 怎樣成為數據分析人員 012
1.4.2 技能樹養成之路 013
第2章 Python基礎
2.1 Python簡介 016
2.1.1 執行Python程序的主要方式 017
2.1.2 編寫Python程序 017
2.1.3 相關的開發管理工具 018
2.2 開發環境準備 020
2.2.1 Anaconda 020
2.2.2 Jupyter Notebook 020
2.3 一個簡單的范例 022
2.4 數據類型 025
2.4.1 數值 025
2.4.2 字符串 027
2.4.3 容器 029
2.5 數據運算 034
2.6 流程控制 035
2.6.1 條件判斷 035
2.6.2 while循環 035
2.6.3 for循環 035
2.6.4 循環中斷 036
2.7 函數與類 037
2.7.1 函數 037
2.7.2 類 039
2.8 錯誤處理 040
第3章 數據來源與獲取
3.1 數據來源與數據格式 044
3.1.1 數據來源 044
3.1.2 數據格式 045
3.2 開放數據及其來源 045
3.2.1 什么是開放數據 046
3.2.2 常見的開放數據來源 046
3.3 如何使用Python存取數據 047
3.3.1 下載文件 047
3.3.2 讀寫文件 048
3.3.3 自動讀寫文件 049
3.3.4 讀文件范例 049
3.4 API數據來源與請求串接存取 054
3.4.1 Requests庫 054
3.4.2 常見的API串接手法 056
第4章 網絡爬蟲的技術和實戰
4.1 認識HTTP網站架構與數據溝通方式 062
4.1.1 網站前后端運作架構 062
4.1.2 網頁結構解析 063
4.1.3 靜態網頁與動態網頁 066
4.2 網頁爬蟲之靜態網頁篇 067
4.2.1 靜態網頁概述 067
4.2.2 使用Requests取得網頁數據 068
4.2.3 使用BeautifulSoup解析網頁 070
4.2.4 靜態網頁爬蟲的實際案例 072
4.3 網頁爬蟲之動態網頁篇 073
4.3.1 動態網頁概述 073
4.3.2 自動化瀏覽器交互 074
4.3.3 模擬調用API 075
4.3.4 動態網頁爬蟲的實際案例 075
4.4 實踐中的爬蟲應用 077
4.4.1 其他Python爬蟲工具 077
4.4.2 防爬蟲機制與處理策略 077
4.4.3 自動持續更新的爬蟲程序 079
第5章 常見的數據分析工具
5.1 高效能的數學運算工具NumPy 082
5.1.1 貼近數學向量的數據結構NdArray 082
5.1.2 從一個簡單的例子出發 084
5.1.3 數組的建立 084
5.1.4 數據選取 086
5.1.5 基本操作與運算 087
5.1.6 自帶函數與通用函數 089
5.1.7 迭代與循環 091
5.1.8 利用數組進行數據處理 093
5.2 串起數據與程序分析工具Pandas 093
5.2.1 面向數據集的數據結構：Series與DataFrame 094
5.2.2 建立對象 094
5.2.3 數據選取 097
5.2.4 插入與丟棄數據 099
5.2.5 算術運算和數據對齊 101
5.2.6 排序 102
5.2.7 迭代與重復操作 103
5.2.8 數據合并與重組 104
5.2.9 存取外部數據 107
5.3 可視化呈現數據工具Matplotlib 107
5.3.1 Matplotlib與pyplot 108
5.3.2 圖表信息 110
5.3.3 處理多個圖形 112
5.3.4 完整的Matplotmap圖 113
5.3.5 其他圖表 115
第6章 定義問題與觀察數據
6.1 如何定義一個數據項目 122
6.2 如何學習并開始一個數據項目 123
6.2.1 如何學習數據分析 123
6.2.2 如何開始一個數據項目 124
6.3 觀察數據的N件事 125
6.3.1 準備數據 125
6.3.2 明確數據的關注點 125
6.3.3 觀察數據的步驟 126
6.4 示范如何觀察數據 128
6.4.1 房屋數據集 128
6.4.2 犯罪數據集 132
第7章 數據清理與類型轉換
7.1 清理缺失或錯誤數據 138
7.1.1 可以學習的數據 138
7.1.2 從外部數據到程序 138
7.1.3 哪些是需要被處理的數據 139
7.2 選取和篩選數據 139
7.2.1 DataFrame的基本操作 139
7.2.2 選取和篩選數據的方式 140
7.3 定義缺失值與查閱數據 145
7.3.1 定義缺失值 146
7.3.2 查閱欄位是否有缺失值 146
7.4 缺失值處理策略 147
7.4.1 用內建函數處理缺失值 147
7.4.2 缺失值處理策略實例 147
7.5 數據類型及其轉換 149
7.5.1 數據類型 149
7.5.2 數據類型轉換 149
第8章 數據探索與可視化
8.1 數據探索概述 154
8.1.1 什么是數據探索 154
8.1.2 身為數據分析者的敏銳 154
8.1.3 常見的數據探索方法 154
8.1.4 進行數據探索的目的 155
8.2 統合性數據描述 155
8.3 利用描述統計認識數據 156
8.3.1 描述統計 156
8.3.2 統計量分析 157
8.3.3 相關性分析 158
8.3.4 數據聚合 159
8.3.5 數據透視表與交叉統計表 160
8.4 利用可視化圖表探索數據 162
8.4.1 數據可視化與探索圖 162
8.4.2 常見的圖表實例 162
8.5 數據探索實戰分享 165
8.5.1 2013年美國社區調查 165
8.5.2 波士頓房屋數據集 165
第9章 特征工程
9.1 特征工程概述 170
9.1.1 特征工程是什么 170
9.1.2 為什么要做特征工程 170
9.1.3 如何做特征工程 171
9.2 異常值處理 171
9.2.1 異常值檢查 171
9.2.2 處置異常值的方式 173
9.3 特征縮放 173
9.3.1 正規化 173
9.3.2 標準化 174
9.4 數據轉換 174
9.4.1 將連續數據轉換為離散數據 175
9.4.2 將類別數據轉換為數值數據 175
9.5 特征操作 178
9.5.1 特征重建 178
9.5.2 連續特征組合 178
9.5.3 離散特征組合 178
9.6 特征選擇 179
9.6.1 過濾式 179
9.6.2 包裹式 180
9.6.3 嵌入式 181
9.7 特征提取與降維 182
9.7.1 維度災難 182
9.7.2 主成分分析 182
9.7.3 線性判別分析 183
第10章 示例應用
10.1 示例應用1：泰坦尼克號 186
10.1.1 使用數據集與背景 186
10.1.2 定義問題與觀察數據 186
10.1.3 數據清理與類型轉換 189
10.1.4 數據探索與可視化 193
10.1.5 特征工程 198
10.1.6 機器學習 200
10.2 示例應用2：房價預測 202
10.2.1 使用數據集與背景 202
10.2.2 定義問題與觀察數據 203
10.2.3 數據清理與類型轉換 203
10.2.4 數據探索與可視化 206
10.2.5 特征工程 207
10.2.6 機器學習 207
10.3 示例應用3：Quora 208
10.3.1 使用數據集與背景 208
10.3.2 定義問題與觀察數據 209
10.3.3 特征工程與數據探索 209
展開全部
深入淺出Python數據分析 作者簡介
張維元，畢業于中國臺灣清華大學，主要研究領域為大數據應用。目前在多家初創公司擔任工程師及技術顧問，曾擔任大型技術會議的演講嘉賓與軟件課程講師。擅長網站開發及數據科學，精通Python與JavaScript語言。
書友推薦
- >
巴金－再思錄
- >
自卑與超越
- >
煙與鏡
- >
朝聞道
- >
羅庸西南聯大授課錄
- >
羅曼·羅蘭讀書隨筆-精裝
- >
史學評論
- >
小考拉的故事-套裝共3冊
本類暢銷
