掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
數據分析與應用入門(PYTHON版) 版權信息
- ISBN：9787302621829
- 條形碼：9787302621829 ; 978-7-302-62182-9
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據分析與應用入門(PYTHON版) 本書特色
1.數據科學是一門新興的熱門科學，國內外大學紛紛設立了數據相關課程、專業。數據相關的書籍深受讀者歡迎。
2.本書主要涉及數據分析方面基礎內容，包括方法模型、分析步驟和數據分析報告專業等相關內容，適應于需要做數據分析的零基礎人員使用。
3.本書將在現實真實的數據集，結合大量數據分析案例，貫穿全書，領域廣泛。
4.本書適用于計算機科學與技術、數據科學、統計學、財務分析、大數據金融等需要進行數據分析的專業和領域。目前市場上對數據分析背景相關技能人員需求一直居高不下。
5.采用*受歡迎的編程語言Python作為分析工具，代碼簡潔性、易讀性以及可擴展性，易上手。
數據分析與應用入門(PYTHON版) 內容簡介
本書是數據分析類課程的入門教材，系統整理了數據分析的知識體系，以分析流程為主線闡述了數據分析的主要方法和基于Python的技術應用。 全書共分為9章，包括數據分析簡介，數據分析的方法，NumPy和pandas基礎，數據獲取與導入，數據預處理，數據探索，數據挖掘概述，基本統計圖形，文本、網絡和地理空間可視化。從第2章開始，在闡述基礎知識的同時設計了大量例題，按照“分析需求→Python代碼展示→例題解析→運行結果”的模式對知識點進行剖析。全書提供習題、答案及程序源碼。 本書可作為普通高等院校數據分析處理相關課程的學生的教材使用，也可供剛剛步入數據分析領域的從業人員參考。
數據分析與應用入門(PYTHON版) 目錄
第1章數據分析簡介
1.1開篇案例
1.2認識數據
1.2.1數據
1.2.2數據類型
1.3認識數據分析
1.3.1數據管理的產生和發展
1.3.2機器學習與人工智能
1.4數據分析步驟
1.5數據分析作用
1.6常用數據分析工具
1.7數據分析思維
小結
習題
第2章數據分析的方法
2.1針對現狀分析的數據分析方法
2.1.1對比分析法
2.1.2分組分析法
2.1.3結構分析法
2.1.4平均分析法
2.1.5綜合評價分析法
2.2針對原因分析的數據分析方法
2.2.1交叉分析法
2.2.2漏斗分析法
2.2.3矩陣關聯分析法
2.2.4聚類分析法
2.2.5帕累托分析法
2.3針對預測分析的數據分析方法
2.3.1回歸分析法
2.3.2時間序列分析法
2.3.3決策樹分析法
2.3.4神經網絡分析法
小結
習題
第3章NumPy和pandas基礎
3.1NumPy基礎
3.1.1ndarray數組的創建
3.1.2ndarray的常用屬性
3.1.3ndarray的數據類型
3.1.4ndarray的算術操作
3.1.5ndarray的索引和切片
3.1.6對軸的理解
3.2pandas基礎
3.2.1pandas數據結構
3.2.2索引重命名與重新索引
3.2.3數據基本操作
小結
習題
第4章數據獲取與導入
4.1數據獲取
4.2網絡爬蟲
4.2.1網頁結構
4.2.2爬蟲的流程
4.2.3爬蟲Robots協議
4.3數據導入與導出
4.3.1一般文件
4.3.2CSV文件
4.3.3Excel文件
4.3.4JSON文件
4.3.5數據庫
小結
習題
第5章數據預處理
5.1數據預處理的必要性
5.2數據清洗
5.2.1重復值檢測與處理
5.2.2缺失值檢測與處理
5.2.3噪聲檢測與處理
5.3數據集成
5.3.1實體識別問題
5.3.2數據列冗余問題 5.3.3數據值沖突問題 5.4數據規約 5.4.1策略概述 5.4.2屬性子集選擇 5.4.3抽樣 5.5數據變換 5.5.1數據合并 5.5.2數據抽取 5.5.3數據計算 小結 習題 第6章數據探索 6.1基本統計描述 6.1.1集中趨勢 6.1.2離散程度 6.1.3分布形狀 6.2數據分組與聚合分析 6.2.1數據分組 6.2.2數據聚合 6.3交叉分析 6.3.1數據透視表 6.3.2數據交叉表 6.4參數估計及假設檢驗 6.4.1參數估計 6.4.2假設檢驗 6.5相關分析 6.5.1簡單相關分析 6.5.2偏相關分析 6.5.3非參數相關分析 小結 習題 第7章數據挖掘概述 7.1什么是數據挖掘 7.2數據挖掘問題與任務 7.3分類分析 7.3.1預備知識 7.3.2解決分類問題的一般方法 7.3.3代表性方法之一： K*近鄰算法 7.3.4評估分類器性能的度量 7.4關聯分析 7.4.1購物籃分析 7.4.2頻繁項集和關聯規則 7.4.3基于Python的Apriori算法 7.4.4關聯模式的評估 7.5聚類分析 7.5.1什么是聚類分析 7.5.2基本的聚類方法 7.5.3代表性方法之一： k均值 7.5.4聚類評估 小結 習題 第8章基本統計圖形 8.1Matplotlib繪圖 8.1.1圖形基本設置 8.1.2基本統計圖形 8.2pandas繪圖 8.3Seaborn繪圖 8.3.1單變量數據分布 8.3.2雙變量數據分布 8.3.3多變量數據分布 小結 習題 第9章文本、網絡和地理空間可視化 9.1文本可視化 9.1.1分詞 9.1.2詞云 9.2網絡圖可視化 9.2.1網絡與圖 9.2.2NetworkX繪圖 9.3地理空間可視化 9.3.1GeoPandas和Basemap 9.3.2分級統計地圖 9.3.3點描法地圖 9.3.4帶氣泡的地圖 小結 習題 參考文獻
5.3.2數據列冗余問題 5.3.3數據值沖突問題 5.4數據規約 5.4.1策略概述 5.4.2屬性子集選擇 5.4.3抽樣 5.5數據變換 5.5.1數據合并 5.5.2數據抽取 5.5.3數據計算 小結 習題 第6章數據探索 6.1基本統計描述 6.1.1集中趨勢 6.1.2離散程度 6.1.3分布形狀 6.2數據分組與聚合分析 6.2.1數據分組 6.2.2數據聚合 6.3交叉分析 6.3.1數據透視表 6.3.2數據交叉表 6.4參數估計及假設檢驗 6.4.1參數估計 6.4.2假設檢驗 6.5相關分析 6.5.1簡單相關分析 6.5.2偏相關分析 6.5.3非參數相關分析 小結 習題 第7章數據挖掘概述 7.1什么是數據挖掘 7.2數據挖掘問題與任務 7.3分類分析 7.3.1預備知識 7.3.2解決分類問題的一般方法 7.3.3代表性方法之一： K*近鄰算法 7.3.4評估分類器性能的度量 7.4關聯分析 7.4.1購物籃分析 7.4.2頻繁項集和關聯規則 7.4.3基于Python的Apriori算法 7.4.4關聯模式的評估 7.5聚類分析 7.5.1什么是聚類分析 7.5.2基本的聚類方法 7.5.3代表性方法之一： k均值 7.5.4聚類評估 小結 習題 第8章基本統計圖形 8.1Matplotlib繪圖 8.1.1圖形基本設置 8.1.2基本統計圖形 8.2pandas繪圖 8.3Seaborn繪圖 8.3.1單變量數據分布 8.3.2雙變量數據分布 8.3.3多變量數據分布 小結 習題 第9章文本、網絡和地理空間可視化 9.1文本可視化 9.1.1分詞 9.1.2詞云 9.2網絡圖可視化 9.2.1網絡與圖 9.2.2NetworkX繪圖 9.3地理空間可視化 9.3.1GeoPandas和Basemap 9.3.2分級統計地圖 9.3.3點描法地圖 9.3.4帶氣泡的地圖 小結 習題 參考文獻
展開全部
書友推薦
- >
莉莉和章魚
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
史學評論
- >
小考拉的故事-套裝共3冊
- >
羅曼·羅蘭讀書隨筆-精裝
- >
伯納黛特,你要去哪(2021新版)
- >
我從未如此眷戀人間
- >
回憶愛瑪儂
本類暢銷
