新書推薦：
《
关键改变：如何实现自我蜕变
》
售價：NT$
352.0
《
超加工人群：为什么有些食物让人一吃就停不下来
》
售價：NT$
454.0
《
历史的教训（浓缩《文明的故事》精华，总结历史教训的独特见解）
》
售價：NT$
286.0
《
不在场证明谜案（超绝CP陷入冤案！日本文坛超新星推理作家——辻堂梦代表作首次引进！）
》
售價：NT$
265.0
《
明式家具三十年经眼录
》
售價：NT$
2387.0
《
敦煌写本文献学（增订本）
》
售價：NT$
1010.0
《
耕读史
》
售價：NT$
500.0
《
地理计算与R语言
》
售價：NT$
551.0
|
| 內容簡介： |
|
数据分析是一个快速发展的领域，而Python已经演变成数据科学的主要语言，广泛应用于数据分析、可视化和机器学习等领域。本书从数据分析的基础内容入手，比如matplotlib、NumPy和Pandas库，介绍如何通过选择色彩图和调色板来创建可视化，之后深入统计数据分析，将帮助你掌握Spark和HDFS，为网络挖掘创建可迁移脚本。本书还详细阐述如何评价股票，检测市场有效性，使用指标和聚类等，并且还将使用多线程实现并行性，并加速你的代码。在本书结束时，读者将能够运用各种Python中的数据分析技术，并针对问题场景设计解决方案。
|
| 目錄：
|
Contents?目录
译者序
前 言
第1章为可重复的数据分析奠定基础1
1.1 简介1
1.2 安装Anaconda2
1.3 安装数据科学工具包3
1.4 用virtualenv和virtualenvwrapper创建Python虚拟环境5
1.5 使用Docker镜像沙盒化Python应用6
1.6 在IPython Notebook中记录软件包的版本和历史8
1.7 配置IPython11
1.8 学习为鲁棒性错误校验记录日志13
1.9 为你的代码写单元测试16
1.10 配置pandas18
1.11 配置matplotlib20
1.12为随机数生成器和NumPy打印选项设置种子23
1.13使报告、代码风格和数据访问标准化24
第2章 创建美观的数据可视化28
2.1 简介28
2.2 图形化安斯库姆四重奏28
2.3 选择Seaborn的调色板31
2.4 选择matplotlib的颜色表33
2.5 与IPython Notebook部件交互35
2.6 查看散点图矩阵38
2.7通过mpld3使用d3.js进行可视化40
2.8 创建热图41
2.9把箱线图、核密度图和小提琴图组合44
2.10 使用蜂巢图可视化网络图45
2.11 显示地图47
2.12 使用类ggplot2图49
2.13 使用影响图高亮数据51
第3章 统计数据分析和概率53
3.1 简介53
3.2 将数据拟合到指数分布53
3.3 将聚合数据拟合到伽马分布55
3.4 将聚合计数拟合到泊松分布57
3.5 确定偏差59
3.6 估计核密度61
3.7确定均值、方差和标准偏差的置信区间64
3.8 使用概率权重采样66
3.9 探索极值68
3.10使用皮尔逊相关系数测量变量之间的相关性71
3.11使用斯皮尔曼等级相关系数测量变量之间的相关性74
3.12使用点二列相关系数测量二值变量和连续变量的相关性77
3.13评估变量与方差分析之间的关系78
第4章 处理数据和数值问题81
4.1 简介81
4.2 剪辑和过滤异常值81
4.3 对数据进行缩尾处理84
4.4 测量噪声数据的集中趋势85
4.5 使用Box-Cox变换进行归一化88
4.6 使用幂阶梯转换数据90
4.7 使用对数转换数据91
4.8 重组数据93
4.9 应用logit来变换比例95
4.10 拟合鲁棒线性模型97
4.11 使用加权最小二乘法考虑方差99
4.12 使用任意精度进行优化101
4.13 使用任意精度的线性代数103
第5章网络挖掘、数据库和大数据107
5.1 简介107
5.2 模拟网页浏览108
5.3 网络数据挖掘110
5.4处理非ASCII文本和HTML实体112
5.5 实现关联表114
5.6 创建数据库迁移脚本117
5.7 在已经存在的表中增加一列117
5.8 在表创建之后添加索引118
5.9 搭建一个测试Web服务器120
5.10实现具有事实表和维度表的星形模式121
5.11 使用Hadoop分布式文件系统126
5.12 安装配置Spark127
5.13 使用Spark聚类数据128
第6章 信号处理和时间序列132
6.1 简介132
6.2 使用周期图做频谱分析132
6.3使用Welch算法估计功率谱密度134
6.4 分析峰值136
6.5 测量相位同步138
6.6 指数平滑法140
6.7 评估平滑法142
6.8 使用Lomb-Scargle周期图145
6.9 分析音频的频谱146
6.10 使用离散余弦变换分析信号149
6.11 对时序数据进行块自举151
6.12 对时序数据进行动态块自举153
6.13 应用离散小波变换155
第7章利用金融数据分析选择股票159
7.1 简介159
7.2 计算简单收益率和对数收益率159
7.3使用夏普比率和流动性对股票进行排名161
7.4使用卡玛和索提诺比率对股票进行排名162
7.5 分析收益统计164
7.6 将个股与更广泛的市场相关联166
7.7 探索风险与收益169
7.8 使用非参数运行测试检验市场170
7.9 测试随机游走173
7.10 使用自回归模型确定市场效率175
7.11 为股票价格数据库建表177
7.12 填充股票价格数据库178
7.13 优化等权重双资产组合183
第8章 文本挖掘和社交网络分析186
8.1 简介186
8.2 创建分类的语料库186
8.3 以句子和单词标记化新闻文章189
8.4词干提取、词形还原、过滤和TF-IDF得分189
8.5 识别命名实体193
8.6 提取带有非负矩阵分解的主题194
8.7 实现一个基本的术语数据库196
8.8 计算社交网络密度200
8.9 计算社交网络接近中心性201
8.10 确定中介中心性202
8.11 评估平均聚类系数203
8.12 计算图的分类系数204
8.13 获得一个图的团数205
8.14 使用余弦相似性创建文档图206
第9章 集成学习和降维209
9.1 简介209
9.2 递归特征消除210
9.3 应用主成分分析来降维211
9.4 应用线性判别分析来降维213
9.5 多模型堆叠和多数投票214
9.6 学习随机森林217
9.7使用RANSAC算法拟合噪声数据220
9.8 使用Bagging来改善结果222
9.9 用于更好学习的Boosting算法224
9.10 嵌套交叉验证227
9.11 使用joblib重用模型229
9.12 层次聚类数据231
9.13 Theano之旅232
第10章评估分类器、回归器和聚类235
10.1 简介235
10.2 直接使用混淆矩阵分类235
10.3 计算精度、召回率和F1分数23
|
| 內容試閱：
|
前言?Preface数据分析是Python的杀手锏。
——匿名本书是《Python Data Analysis》的后续。那么在《Python Data Analysis》已经足够优秀（我愿意这么认为）的情况下，这本书有哪些新的内容吗？本书是针对那些有一定经验的Python程序员写的。一年时间过去了，因此，我们将使用在《Python Data Analysis》中没有用到的一些更新版本的软件和软件库。另外，经过深入反思和调研，我做出了以下的总结：
为了减轻自己的负担，同时提高代码的可重复使用率，我需要一个工具箱，我将这个工具箱命名为dautil并将它发布到了Pypi上（可以通过pipeasy_install安装）。
通过反省，我深信需要简化获取和安装所需要的软件的过程，因此我通过DockerHub发布了一个包含了我们需要用到的软件的Docker容器（pydacbk），在本书的第1章和线上章节中你将了解更多关于如何安装的细节。这个Docker容器还是不够理想，因为它的体积已经相当大，所以我需要做出一些艰难的决定。因为这个容器并不是本书的一部分，所以如果你有任何问题可以直接与我联系，但是请记住我不会对镜像做很大的修改。
本书会使用IPython Notebook，这个工具已经成为数据分析时的标准工具。在线上章节以及我写的其他书中，我已经给出了一些和IPython Notebook相关的建议。
除了极少数案例外，本书中我主要使用的是Python 3，因为2020年后官方将不再支持Python 2。
为什么需要这本书有人会说你并不需要书籍，你只需要去做一个感兴趣的项目，然后在做项目的同时就会搞明白那些东西。但是尽管接触到大量的资源，这个过程可能还是会令你感到沮丧。打个比方，如果想烹调一碗美味的汤，你可以去向朋友和家人寻求帮助，上网搜索或者收看烹饪节目，但是朋友和家人不会一直在你身边，网络上的内容也是良莠不齐。以我的浅见，出版社、审稿人和作者都在这本书上花费了大量的时间和精力，如果你不能从中有所收获我会感到很诧异。
数据分析、数据科学、大数据——有什么了不起的你应该看过将数据科学用数学／统计学、计算机科学以及专业领域的知识进行描述的维恩图（Venn diagram）。数据分析是永恒的，它出现在数据科学之前，甚至是计算机科学之前。你可以用笔和纸或者更先进的便携计算器进行数据分析。
数据分析体现在很多方面，比如说以做出决策或提出新的假设和问题为目的进行数据分析。数据科学以及大数据的热潮、高待遇以及经济回报让我想起了当数据存储和商业智能还是时髦词的年代。商业智能和数据存储的终极目标是构建应用于管理的可视化图表。这涉及很多政治和组织方面的利益，但是从技术的角度来看，这主要还是和数据库相关。数据科学则不是以数据库为中心，而是很大程度上依赖于机器学习。由于数据的量在不断地变多，机器学习变得越来越不可或缺。数据大量增长的背后是人口的快速增长以及新技术的层出不穷，比如说社交媒体和移动设备的出现。事实上，数据增长可能是我们唯一可以肯定的将一直持续的趋势。构建可视化图表和应用机器学习的区别就类似于搜索引擎的演进。
搜索引擎（如果可以这么称呼）最初只是手动创建的组织良好的链接集合。而最终，纯自动的方式取代了前者。当下，更多的数据将会被创建（而不是被销毁），我们可以预见自动化数据分析领域的增长。
Python数据分析的简要历程各个Python软件库的历史十分有趣，但我不是一个历史学家，所以下面的记录主要从我的视角来写：
1989年：Guido Van Rossum在荷兰的CWI实现了Python的第一个版本，当时是作为一个圣诞节的“兴趣”项目。
1995年：Jim Hugunin创建了Numeric——Numpy的前身。
1999年：Pearu Peterson写了f2py作为连接Fortran和Python的桥梁。
2000年：Python 2.0发布。
2001年：SciPy库发布，同期创建的还有与Numeric竞争的库Numarray。Fernando Perez发布了IPython，它最初是以“午后黑客”（afternoon hack）的名义发布的。NLTK（自然语言工具包）发布且用于研究项目。
2002年：John Hunter创建了Matplotlib库。
2005年：Travis Oliphant发布了NumPy，NumPy最初是受Numarray启发而对Numeric进行扩展的库。
2006年：NumPy 1.0发布，第1版SQLAlchemy发布。
2007年：David Cournapeau将scikit-learn作为Google Summer of Code的项目，Cy-thon在Pyrex的基础上开始开发，Cython后来集中用在了pandas和scikit-learn上以提升性能。
2008年：Wes McKinney开始开发pandas，Python 3.0发布。
2011年：IPython 0.12发行版本中引入了IPython Notebook，Packt出版社出版了《NumPy 1.5 Beginners Guide》。
2012年：Packt出版社出版了《NumPy Cookbook》。
2013年：Packt出版社出版了第2版的《NumPy Beginners Guide》。
2014年：Fernando Perez宣布了Jupyter项目，致力于开发与语言无关的Notebook，Packt出版社出版了《Learning NumPy Array》和《Python Data Analysis》。
2015年：Packt出版社出版了第3版的《NumPy Beginners Guide》以及第2版的《NumPy Cookbook》。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
