書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
Python數(shù)據(jù)分析與應(yīng)用:從數(shù)據(jù)獲取到可視化

Python數(shù)據(jù)分析與應(yīng)用:從數(shù)據(jù)獲取到可視化

出版社：中國鐵道出版社出版時間：2019-01-01
開本： 26cm 頁數(shù)： 262頁
中 圖 價:¥25.0(4.8折) 定價  ¥52.0 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
溫馨提示：5折以下圖書主要為出版社尾貨，大部分為全新（有塑封/無塑封），個別圖書品相8-9成新、切口
有劃線標記、光盤等附件不全詳細品相說明>>
本類五星書更多>

Python數(shù)據(jù)分析與應(yīng)用:從數(shù)據(jù)獲取到可視化 版權(quán)信息

Python數(shù)據(jù)分析與應(yīng)用:從數(shù)據(jù)獲取到可視化 本書特色

本書采用理論與案例相結(jié)合的形式，以Anaconda為主要開發(fā)工具，系統(tǒng)、全面地介紹了Python數(shù)據(jù)分析的相關(guān)知識。全書共分為9章，第1章介紹了數(shù)據(jù)分析的基本概念，以及開發(fā)工具的安裝和使用；第2~6章介紹了Python數(shù)據(jù)分析的常用庫及其應(yīng)用，涵蓋了科學(xué)計算庫NumPy、數(shù)據(jù)分析庫Pandas、數(shù)據(jù)可視化庫Matplotlib、Seaborn與Bokeh；第7、8章主要介紹了時間序列和文本數(shù)據(jù)的分析；第9章結(jié)合之前所學(xué)的技術(shù)開發(fā)了一個綜合案例，演示如何在項目中運用所學(xué)的知識。除了第1章外，其他章節(jié)都包含了很多示例和綜合案例，通過動手操作和練習(xí)，可以幫助讀者更好地理解和掌握所學(xué)的知識。本書適合作為高等院校計算機相關(guān)專業(yè)的大數(shù)據(jù)技術(shù)類課程教材，也可以作為大數(shù)據(jù)技術(shù)愛好者入門用書。

Python數(shù)據(jù)分析與應(yīng)用:從數(shù)據(jù)獲取到可視化 內(nèi)容簡介

本書共分為9章, 第1章介紹了數(shù)據(jù)分析的基本概念, 以及開發(fā)工具的安裝和使用 ; 第2至6章介紹了Python數(shù)據(jù)分析的常用庫及其應(yīng)用, 涵蓋了科學(xué)計算庫NumPy、數(shù)據(jù)分析庫Pandas、數(shù)據(jù)可視化庫Matplotlib、Seaborn與Bokeh ; 第7至8章主要介紹了時間序列和文本數(shù)據(jù)的分析 ; 第9章結(jié)合之前所學(xué)的技術(shù)開發(fā)了一個綜合案例, 動手演示如何在項目中運用所學(xué)的知識。除了第1章外, 其他章節(jié)都包含了很多示例和綜合案例, 通過動手操作和練習(xí), 可以幫助讀者更好地理解和掌握所學(xué)的知識。

Python數(shù)據(jù)分析與應(yīng)用:從數(shù)據(jù)獲取到可視化 目錄

第1章　數(shù)據(jù)分析概述 11.1 數(shù)據(jù)分析的背景 11.2 什么是數(shù)據(jù)分析 21.3 數(shù)據(jù)分析的應(yīng)用場景 21.4 數(shù)據(jù)分析的流程 31.5 為什么選擇Python做數(shù)據(jù)分析 41.6 創(chuàng)建新的Python環(huán)境——Anaconda 51.6.1 Anaconda發(fā)行版本概述 51.6.2　在Windows系統(tǒng)中安裝Anaconda 51.6.3　通過Anaconda管理Python包 71.7 啟用Jupyter Notebook 91.7.1　啟動Anaconda自帶的Jupyter Notebook 91.7.2　Jupyter Notebook界面詳解 101.7.3　Jupyter Notebook的基本使用 131.8 常見的數(shù)據(jù)分析工具 16小結(jié) 17習(xí)題 17第２章　科學(xué)計算庫NumPy 192.1 認識NumPy數(shù)組對象 192.2　創(chuàng)建NumPy數(shù)組 212.3　ndarray對象的數(shù)據(jù)類型 222.3.1　查看數(shù)據(jù)類型 222.3.2　轉(zhuǎn)換數(shù)據(jù)類型 232.4　數(shù)組運算 242.4.1　矢量化運算 242.4.2　數(shù)組廣播 252.4.3　數(shù)組與標量間的運算 252.5　ndarray的索引和切片 262.5.1　整數(shù)索引和切片的基本使用 262.5.2　花式（數(shù)組）索引的基本使用 282.5.3　布爾型索引的基本使用 292.6　數(shù)組的轉(zhuǎn)置和軸對稱 302.7　NumPy通用函數(shù) 322.8　利用NumPy數(shù)組進行數(shù)據(jù)處理 342.8.1　將條件邏輯轉(zhuǎn)為數(shù)組運算 342.8.2　數(shù)組統(tǒng)計運算 342.8.3　數(shù)組排序 352.8.4　檢索數(shù)組元素 362.8.5　唯一化及其他集合邏輯 362.9　線性代數(shù)模塊 372.10　隨機數(shù)模塊 382.11　案例——酒鬼漫步 39小結(jié) 40習(xí)題 40第3章　數(shù)據(jù)分析工具Pandas 423.1　Pandas的數(shù)據(jù)結(jié)構(gòu)分析 423.1.1　Series 423.1.2　DataFrame 443.2　Pandas索引操作及高級索引 463.2.1　索引對象 463.2.2　重置索引 473.2.3　索引操作 493.3　算術(shù)運算與數(shù)據(jù)對齊 533.4　數(shù)據(jù)排序 543.4.1　按索引排序 543.4.2　按值排序 553.5　統(tǒng)計計算與描述 563.5.1　常用的統(tǒng)計計算 573.5.2　統(tǒng)計描述 583.6　層次化索引 593.6.1　認識層次化索引 593.6.2　層次化索引的操作 643.7　讀寫數(shù)據(jù)操作 683.7.1　讀寫文本文件 683.7.2　讀寫Excel文件 703.7.3　讀取HTML表格數(shù)據(jù) 723.7.4　讀寫數(shù)據(jù)庫 733.8　案例——北京高考分數(shù)線統(tǒng)計分析 772.8.1　案例需求 772.8.2　數(shù)據(jù)準備 772.8.3　功能實現(xiàn) 78小結(jié) 81習(xí)題 81第４章　數(shù)據(jù)預(yù)處理 834.1 數(shù)據(jù)清洗 834.1.1 空值和缺失值的處理 834.1.2 重復(fù)值的處理 884.1.3 異常值的處理 904.1.4 更改數(shù)據(jù)類型 944.2 數(shù)據(jù)合并 964.2.1 軸向堆疊數(shù)據(jù) 964.2.2 主鍵合并數(shù)據(jù) 994.2.3 根據(jù)行索引合并數(shù)據(jù) 1034.2.4 合并重疊數(shù)據(jù) 1054.3 數(shù)據(jù)重塑 1064.3.1 重塑層次化索引 1064.3.2 軸向旋轉(zhuǎn) 1094.4 數(shù)據(jù)轉(zhuǎn)換 1104.4.1 重命名軸索引 1104.4.2 離散化連續(xù)數(shù)據(jù) 1124.4.3 啞變量處理類別型數(shù)據(jù) 1134.5 案例——預(yù)處理部分地區(qū)信息 1154.5.1 案例需求 1154.5.2 數(shù)據(jù)準備 1154.5.3 功能實現(xiàn) 116小結(jié) 123習(xí)題 123第5章　數(shù)據(jù)聚合與分組運算 1255.1　分組與聚合的原理 1255.2　通過groupby()方法將數(shù)據(jù)拆分成組 1265.3　數(shù)據(jù)聚合 1325.3.1　使用內(nèi)置統(tǒng)計方法聚合數(shù)據(jù) 1325.3.2　面向列的聚合方法 1325.4　分組級運算 1365.4.1　數(shù)據(jù)轉(zhuǎn)換 1365.4.2　數(shù)據(jù)應(yīng)用 1385.5　案例——運動員信息的分組與聚合 1415.5.1　案例需求 1415.5.2　數(shù)據(jù)準備 1415.5.3　功能實現(xiàn) 142小結(jié) 146習(xí)題 147第6章 數(shù)據(jù)可視化 1496.1 數(shù)據(jù)可視化概述 1496.1.1 什么是數(shù)據(jù)可視化 1496.1.2 常見的圖表類型 1506.1.3 數(shù)據(jù)可視化的工具 1546.2 Matplotlib——繪制圖表 1556.2.1 通過figure()函數(shù)創(chuàng)建畫布 1556.2.2 通過subplot()函數(shù)創(chuàng)建單個子圖 1576.2.3 通過subplots()函數(shù)創(chuàng)建多個子圖 1586.2.4 通過add_subplot()方法添加和選中子圖 1606.2.5 添加各類標簽 1616.2.6 繪制常見圖表 1626.2.7 本地保存圖形 1676.3 Seaborn——繪制統(tǒng)計圖形 1686.3.1 可視化數(shù)據(jù)的分布 1686.3.2 用分類數(shù)據(jù)繪圖 1746.4 Bokeh——交互式可視化庫 1786.4.1 認識Bokeh庫 1786.4.2 通過Plotting繪制圖形 1796.5 案例——畫圖分析某年旅游景點數(shù)據(jù) 1806.5.1 案例需求 1816.5.2 數(shù)據(jù)準備 1816.5.3 功能實現(xiàn) 181小結(jié) 185習(xí)題 185第７章　時間序列分析 1877.1 時間序列的基本操作 1877.1.1 創(chuàng)建時間序列 1877.1.2 通過時間戳索引選取子集 1897.2 固定頻率的時間序列 1917.2.1 創(chuàng)建固定頻率的時間序列 1917.2.2 時間序列的頻率、偏移量 1937.2.3 時間序列的移動 1957.3 時間周期及計算 1967.3.1 創(chuàng)建時期對象 1967.3.2 時期的頻率轉(zhuǎn)換 1987.4 重采樣 1987.4.1 重采樣方法（resample） 1997.4.2 降采樣 2007.4.3 升采樣 2017.5 數(shù)據(jù)統(tǒng)計——滑動窗口 2037.6 時序模型——ARIMA 2067.7 案例——股票收盤價分析 2077.7.1 案例需求 2077.7.2 數(shù)據(jù)準備 2077.7.3 功能實現(xiàn) 208小結(jié) 213習(xí)題 214第8章　文本數(shù)據(jù)分析 2168.1 文本數(shù)據(jù)分析工具 2168.1.1 NLTK與jieba概述 2168.1.2 安裝NLTK和下載語料庫 2178.1.3 jieba庫的安裝 2198.2 文本預(yù)處理 2208.2.1 預(yù)處理的流程 2208.2.2 分詞 2218.2.3 詞性標注 2238.2.4 詞形歸一化 2248.2.5 刪除停用詞 2268.3 文本情感分析 2278.4 文本相似度 2298.5 文本分類 2328.6 案例——商品評價分析 2358.6.1 案例需求 2358.6.2 數(shù)據(jù)準備 2368.6.3 功能實現(xiàn) 236小結(jié) 240習(xí)題 240第9章　數(shù)據(jù)分析實戰(zhàn)——北京租房數(shù)據(jù)統(tǒng)計分析 2429.1 數(shù)據(jù)來源 2429.2　數(shù)據(jù)讀取 2439.3 數(shù)據(jù)預(yù)處理 2449.3.1 重復(fù)值和空值處理 2449.3.2 數(shù)據(jù)轉(zhuǎn)換類型 2469.4 圖表分析 2479.4.1 房源數(shù)量、位置分布分析 2489.4.2 戶型數(shù)量分析 2559.4.3 平均租金分析 2589.4.4 面積區(qū)間分析 260小結(jié) 262
展開全部

Python數(shù)據(jù)分析與應(yīng)用:從數(shù)據(jù)獲取到可視化 作者簡介

江蘇傳智播客教育科技股份有限公司（簡稱傳智播客）是一家專門致力于高素質(zhì)軟件開發(fā)人才培養(yǎng)的高科技公司！昂隈R程序員”是傳智播客旗下高端IT教育品牌。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服