Python數(shù)據(jù)分析

定　價：￥45.00

作　者：	吳道君，朱家榮著
出版社：	中國鐵道出版社
叢編項：	普通高等院校應用型人才培養(yǎng)“十三五”規(guī)劃教材
標　簽：	暫缺

購買這本書可以去

ISBN：	9787113258719	出版時間：	2019-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	208	字數(shù)：

內(nèi)容簡介

　　本書全面講解Python數(shù)據(jù)分析的相關知識和技術，內(nèi)容包括Python數(shù)據(jù)分析概述、NumPy數(shù)值計算、Matplotlib數(shù)據(jù)可視化、Pandas數(shù)據(jù)分析、數(shù)據(jù)預處理、Sklearn機器學習。本書以培養(yǎng)學生編程能力和數(shù)據(jù)分析能力為目標，注重技術應用能力的培養(yǎng)。本書內(nèi)容充實、結構合理、實用性強，具有明確的應用能力培養(yǎng)目標，易于接受和理解，學完本書后，可以具備數(shù)據(jù)分析的基本能力。本書適合作為普通高等院校人工智能、數(shù)據(jù)科學與大數(shù)據(jù)以及計算機相關專業(yè)課程的教材，也可以作為相關從業(yè)人員的技術參考用書。

作者簡介

　　吳道君，男，廣東嶺南職業(yè)技術學院講師、高級軟件工程師，承擔編程基礎C++、軟件工程、J2EE編程開發(fā)、.net開發(fā)等多門課程的教學任務。2011年12月指導學生參加第二屆“國信藍點杯”全國軟件專業(yè)人才設計與開發(fā)大賽并獲得個人賽全國總決賽“二等獎”，2013年在廣東省首屆信息技術類專業(yè)帶頭人“說專業(yè)”競賽中獲得“二等獎”。主編2016年9月于我社出版的《Java程序設計》一書。朱家榮：本科，就職于廣西師范大學，從事數(shù)學、計算機等學科的課程教學，近10年主要擔任《現(xiàn)代教育技術》、《教育技術與多媒體課件制作（含微課制作）》、《計算機應用基礎》等課程教學。主持（或主要參與）完成廣西教育廳科研項目，廣西教育廳新世紀教改革工程項目等10多項，發(fā)表學術論文20多篇、主編參編教材多部，參與的《競賽驅動雙向融通地方高師院校師范生教師職業(yè)能力提升的研究與實踐》項目獲2017年廣西高等教育自治區(qū)級教學成果獎一等獎。

圖書目錄

第1章 Python數(shù)據(jù)分析概述 1
1.1 數(shù)據(jù)分析的概念、流程和應用 1
1.1.1 數(shù)據(jù)分析的概念 1
1.1.2 數(shù)據(jù)分析的流程 2
1.1.3 數(shù)據(jù)分析的應用 2
1.2 數(shù)據(jù)分析工具 3
1.2.1 常用工具 4
1.2.2 Python數(shù)據(jù)分析 4
1.3 Python數(shù)據(jù)分析環(huán)境 5
小結 9
習題 9
實驗 10
第2章 NumPy數(shù)值計算 15
2.1 NumPy多維數(shù)組 15
2.1.1 數(shù)組創(chuàng)建 15
2.1.2 數(shù)組對象屬性 22
2.1.3 數(shù)組數(shù)據(jù)類型 23
2.2 數(shù)組操作 24
2.2.1 修改數(shù)組形狀 24
2.2.2 翻轉數(shù)組 26
2.2.3 連接數(shù)組 27
2.2.4 分割數(shù)組 28
2.2.5 數(shù)組元素添加與刪除 30
2.3 數(shù)組索引與切片 32
2.3.1 數(shù)組索引 32
2.3.2 數(shù)組切片 33
2.3.3 布爾型索引 34
2.3.4 花式索引 35
2.4 數(shù)組的運算 35
2.4.1 數(shù)組和標量間的運算 35
2.4.2 廣播 36
2.4.3 算術函數(shù) 37
2.4.4 集合運算 40
2.4.5 統(tǒng)計運算 41
2.4.6 排序 43
2.4.7 搜索 44
2.5 線性代數(shù) 45
2.5.1 數(shù)組相乘 46
2.5.2 矩陣行列式 46
2.5.3 逆矩陣 46
2.5.4 線性方程組 47
2.5.5 特征值和特征向量 47
2.6 數(shù)組的存取 48
小結 48
習題 48
實驗 51
第3章 Matplotlib數(shù)據(jù)可視化 54
3.1 線形圖 54
3.1.1 繪制線形圖 54
3.1.2 顏色設置 55
3.1.3 線型設置 56
3.1.4 坐標點設置 57
3.1.5 線寬設置 59
3.2 其他圖形 59
3.2.1 散點圖 59
3.2.2 柱形圖 61
3.2.3 條形圖 63
3.2.4 餅圖 64
3.2.5 直方圖 65
3.2.6 箱線圖 67
3.3 自定義設置 69
3.3.1 圖例設置 69
3.3.2 坐標網(wǎng)格設置 70
3.3.3 坐標系設置 71
3.3.4 樣式設置與注解 72
3.3.5 RC設置 73
3.4 子圖 74
3.4.1 創(chuàng)建子圖 74
3.4.2 子圖坐標系設置 76
3.4.3 圖形嵌套 77
3.5 繪制三維圖形 78
小結 81
習題 82
實驗 82
第4章 Pandas數(shù)據(jù)分析 89
4.1 Pandas數(shù)據(jù)結構 89
4.2 DataFrame基本功能 94
4.3 讀取外部數(shù)據(jù) 95
4.3.1 CSV文件 96
4.3.2 Sqlite數(shù)據(jù)庫 98
4.4 數(shù)據(jù)幀的列操作和行操作 99
4.4.1 列操作 99
4.4.2 行操作 101
4.5 高級索引 103
4.5.1 重建索引 103
4.5.2 更換索引 106
4.5.3 層次化索引 107
4.6 Pandas數(shù)據(jù)運算 108
4.6.1 算術運算 108
4.6.2 函數(shù)應用與映射運算 109
4.6.3 排序 111
4.6.4 迭代 113
4.6.5 唯一值與值計數(shù) 115
4.7 統(tǒng)計函數(shù) 116
4.7.1 描述性統(tǒng)計 116
4.7.2 變化率 119
4.7.3 協(xié)方差 120
4.7.4 相關性 120
4.7.5 數(shù)據(jù)排名 121
4.8 分組與聚合 122
4.8.1 分組 122
4.8.2 聚合 124
4.9 透視表與交叉表 127
4.9.1 透視表 127
4.9.2 交叉表 128
小結 129
習題 129
實驗 129
第5章數(shù)據(jù)預處理 134
5.1 數(shù)據(jù)清洗 134
5.1.1 重復值 134
5.1.2 缺失值 135
5.1.3 異常值 140
5.2 合并連接與重塑 142
5.2.1 merge合并 142
5.2.2 concat合并 144
5.2.3 combine_first合并 146
5.2.4 數(shù)據(jù)重塑 147
5.3 數(shù)據(jù)變換 149
5.3.1 虛擬變量 149
5.3.2 函數(shù)變換 150
5.3.3 連續(xù)屬性離散化 151
5.3.4 規(guī)范化 152
5.3.5 隨機采樣 154
小結 156
習題 156
實驗 156
第6章 Sklearn機器學習 162
6.1 術語 162
6.2 Sklearn 164
6.2.1 Sklearn數(shù)據(jù)集 165
6.2.2 Sklearn常用算法 171
6.2.3 數(shù)據(jù)預處理 175
6.2.4 數(shù)據(jù)集拆分 177
6.2.5 模型評估 177
6.2.6 Sklearn常用方法 178
6.2.7 模型的保存和載入 179
6.3 降維 179
6.3.1 PCA（主成分分析） 179
6.3.2 LDA（線性評價分析） 181
6.4 回歸 182
6.4.1 線性回歸 183
6.4.2 邏輯回歸 184
6.4.3 回歸決策樹 185
6.5 分類 186
6.5.1 樸素貝葉斯 187
6.5.2 分類決策樹 188
6.5.3 SVM（支持向量機） 189
6.5.4 神經(jīng)網(wǎng)絡 190
6.5.5 K?近鄰算法 191
6.6 聚類 192
6.6.1 K?means算法 193
6.2.2 DBSCAN 194
小結 195
習題 195
實驗 196
參考文獻 200