新書推薦：
《
中国古代北方民族史丛书——东胡史
》
售價：NT$
576.0
《
巨人传（插图珍藏本）
》
售價：NT$
3289.0
《
地下（村上春树沙林毒气事件的长篇纪实）
》
售價：NT$
332.0
《
偿还：债务与财富的阴暗面
》
售價：NT$
347.0
《
清华大学藏战国竹简校释（壹）：《命训》诸篇
》
售價：NT$
408.0
《
封建社会农民战争问题导论（光启文库）
》
售價：NT$
296.0
《
虚弱的反攻：开禧北伐
》
售價：NT$
429.0
《
泰山：一种中国信仰专论（法国汉学经典译丛）
》
售價：NT$
380.0
|
| 編輯推薦： |
|
1.首版累计销售55000册，畅销教材最新改版。2.Python零基础，轻松学会数据分析、挖掘与可视化。3.编码、分析、挖掘，数据分析全流程一次搞定。4.微课视频，扫码即可观看，重点难点逐个击破。5.最新的思维导图，赋能教学实践。
|
| 內容簡介： |
|
本书注重零基础读者实现Python从入门到精通，加强读者基于数据分析而常用的编程基础，并通过数据分析、机器学习和可视化的内容，增强了读者对数据进行分析和挖掘的能力。全书共8章，主要内容包括Python开发环境搭建与编码规范，数据类型、运算符与内置函数，列表、元组、字典、集合与字符串，选择结构、循环结构、函数定义与使用，文件操作，数据分析，机器学习，数据可视化。本书可作为高等院校统计学、数学、经济学、金融学、管理学等专业相关课程的教材，也可作为从事数据咨询、研究或分析等人士的参考书。
|
| 關於作者： |
|
董付国 山东工商学院计算机学院副教授，拥有多年Python教学和开发经验，先后出版《Python程序设计》等系列教材，近几年应邀为多个单位以及高校讲授Python编程技术，长期维护微信公众号“Python小屋”并免费分享340多篇Python技术文章；多次获得校级教学优秀效果一等奖；发表科研论文40余篇，近30篇被EI收录。
|
| 目錄：
|
|
第 1章 Python开发环境的搭建与编码规范11.1 Python开发环境的搭建与使用 11.1.1 IDLE 21.1.2 Anaconda3 31.1.3 安装扩展库 41.2 Python编码规范 51.3 标准库、扩展库对象的导入与使用 71.3.1 import模块名[ as 别名] 71.3.2 from模块名import对象名[ as 别名] 71.3.3 from模块名import * 8本章知识要点 8本章习题 9第 2章 数据类型、运算符与内置函数 102.1 常用内置数据类型 102.1.1 整数、浮点数、复数 112.1.2 列表、元组、字典、集合 122.1.3 字符串 132.2 运算符与表达式 142.2.1 算术运算符 152.2.2 关系运算符 172.2.3 成员测试运算符 182.2.4 集合运算符 182.2.5 逻辑运算符 182.3 常用内置函数 192.3.1 类型转换 212.3.2 最大值、最小值 222.3.3 元素数量、求和 232.3.4 排序、逆序 242.3.5 基本输入/输出 252.3.6 range() 262.3.7 zip() 262.3.8 map()、reduce()、filter() 272.4 综合应用与例题解析 28本章知识要点 29本章习题 30第3章 列表、元组、字典、集合与字符串 313.1 列表与列表推导式 313.1.1 创建列表 313.1.2 使用下标访问列表中的元素 323.1.3 列表常用方法 333.1.4 列表推导式 343.1.5 切片操作 353.2 元组与生成器表达式 363.2.1 元组与列表的区别 363.2.2 生成器表达式 363.2.3 序列解包 373.3 字典 373.3.1 字典元素的访问 383.3.2 字典元素的修改、添加与删除 393.4 集合 393.4.1 集合概述 393.4.2 集合常用方法 403.5 字符串常用方法 403.5.1 encode() 413.5.2 format() 413.5.3 index()、rindex()、count() 423.5.4 replace()、maketrans()、translate() 423.5.5 ljust()、rjust()、center() 433.5.6 split()、rsplit()、join() 433.5.7 lower()、upper()、capitalize()、title()、swapcase() 443.5.8 startswith()、endswith() 443.5.9 strip()、rstrip()、lstrip() 443.6 综合应用与例题解析 45本章知识要点 47本章习题 47第4章 选择结构、循环结构、函数定义与使用 494.1 选择结构 494.1.1 条件表达式 494.1.2 单分支选择结构 504.1.3 双分支选择结构 504.1.4 嵌套的分支结构 504.2 循环结构 514.2.1 for循环 514.2.2 while循环 514.2.3 break与continue语句 524.3 函数定义与使用 524.3.1 函数定义基本语法 524.3.2 lambda表达式 524.3.3 递归函数 534.3.4 生成器函数 534.3.5 位置参数、默认值参数、关键参数、可变长度参数 544.3.6 变量作用域 554.4 综合应用与例题解析 56本章知识要点 57本章习题 58第5章 文件操作 595.1 文件操作基础 595.1.1 内置函数open() 595.1.2 文件对象常用方法 605.1.3 上下文管理语句with 615.2 JSON文件操作 615.3 CSV文件操作 625.4 Word、Excel、PowerPoint文件操作实战 63本章知识要点 65本章习题 65第6章 numpy数组与矩阵运算 676.1 numpy数组及其运算 676.1.1 创建数组 676.1.2 测试两个数组的对应元素是否足够接近 696.1.3 修改数组中的元素值 706.1.4 数组与标量的运算 716.1.5 数组与数组的运算 716.1.6 数组排序 726.1.7 数组的内积运算 736.1.8 访问数组中的元素 736.1.9 数组对函数运算的支持 746.1.10 改变数组形状 756.1.11 数组布尔运算 766.1.12 分段函数 776.1.13 数组堆叠与合并 786.2 矩阵生成与常用操作 796.2.1 矩阵生成 796.2.2 矩阵转置 796.2.3 查看矩阵特征 806.2.4 矩阵乘法 816.2.5 计算相关系数矩阵 816.2.6 计算方差、协方差、标准差 826.3 计算特征值与特征向量 826.4 计算逆矩阵 836.5 求解线性方程组 846.6 计算向量和矩阵的范数 856.7 奇异值分解 866.8 函数向量化 87本章知识要点 88本章习题 88第7章 pandas数据分析实战 917.1 pandas常用数据类型 917.1.1 一维数组与常用操作 927.1.2 时间序列与常用操作 967.1.3 二维数组DataFrame 997.2 DataFrame数据处理与分析实战 1017.2.1 读取Excel文件中的数据 1017.2.2 筛选符合特定条件的数据 1037.2.3 查看数据特征和统计信息 1067.2.4 按不同标准对数据排序 1087.2.5 使用分组与聚合对员工业绩进行汇总 1107.2.6 处理超市交易数据中的异常值 1147.2.7 处理超市交易数据中的缺失值 1157.2.8 处理超市交易数据中的重复值 1177.2.9 使用数据差分查看员工业绩波动情况 1187.2.10 使用透视表与交叉表查看 业绩汇总数据 1197.2.11 使用重采样技术按时间段 查看员工业绩 1237.2.12 多索引相关技术与操作 1257.2.13 使用标准差与协方差分析 员工业绩 1277.2.14 使用pandas的属性接口实现 高级功能 1307.2.15 绘制各员工在不同柜台 业绩平均值的柱状图 1327.2.16 查看DataFrame的内存 占用情况 1347.2.17 数据拆分与合并 135本章知识要点 139本章习题 140第8章 sklearn机器学习实战 1418.1 机器学习基本概念 1418.2 机器学习库sklearn简介 1478.2.1 扩展库sklearn常用模块与对象 1478.2.2 选择合适的模型和算法 1498.3 线性回归算法的原理与应用 1498.3.1 线性回归模型的原理 1498.3.2 sklearn中线性回归模型的简单应用 1508.3.3 岭回归的基本原理与sklearn实现 1518.3.4 套索回归Lasso的基本原理与sklearn实现 1528.3.5 弹性网络ElasticNet的基本原理与sklearn实现 1538.3.6 使用线性回归模型预测儿童身高 1538.4 逻辑回归算法的原理与应用 1558.4.1 逻辑回归算法的原理与sklearn实现 1558.4.2 使用逻辑回归算法预测考试能否及格 1578.5 朴素贝叶斯算法的原理与应用 1588.5.1 基本概念 1588.5.2 朴素贝叶斯算法分类的原理与sklearn实现 1608.5.3 使用朴素贝叶斯算法对中文邮件进行分类 1618.6 决策树与随机森林算法的应用 1638.6.1 基本概念 1638.6.2 决策树算法原理与sklearn实现 1638.6.3 随机森林算法原理与sklearn实现 1668.6.4 使用决策树算法判断学员的Python水平 1688.7 支持向量机算法原理与应用 1708.7.1 支持向量机算法基本原理与sklearn实现 1708.7.2 使用支持向量机对手写数字图像进行分类 1728.8 KNN算法原理与应用 1758.8.1 KNN算法的基本原理与sklearn实现 1758.8.2 使用KNN算法判断交通工具类型 1778.9 KMeans聚类算法原理与应用 1788.9.1 KMeans聚类算法的基本原理与sklearn实现 1788.9.2 使用KMeans聚类算法压缩图像颜色 1818.10 分层聚类算法原理与应用 1828.11 DBSCAN算法原理与应用 1848.12 使用协同过滤算法进行 电影推荐 1878.13 关联规则分析原理与应用 1898.13.1 关联规则分析原理与 基本概念 1898.13.2 使用关联规则分析 演员关系 1908.14 数据降维 1928.15 交叉验证与网格搜索 1958.15.1 使用交叉验证评估模型 泛化能力 1958.15.2 使用网格搜索确定模型 最佳参数 197本章知识要点 199本章习题 200第9章 matplotlib数据可视化实战 2019.1 数据可视化库matplotlib基础 2019.2 绘制折线图实战 2029.3 绘制散点图实战 2059.4 绘制柱状图实战 2089.5 绘制饼状图实战 2129.6 绘制雷达图实战 2159.7 绘制三维图形实战 2189.8 绘图区域切分实战 2249.9 设置图例样式实战 2259.10 事件响应与处理实战 2299.11 填充图形 2449.12 保存绘图结果 246本章知识要点 247本章习题 247部分习题答案 248第 1章 Python开发环境的搭建与编码规范 248第 2章 数据类型、运算符与内置函数 248第3章 列表、元组、字典、集合与字符串 249第4章 选择结构、循环结构、函数定义与使用 251第5章 文件操作 253第6章 numpy数组与矩阵运算 254第7章 pandas数据分析实战 255附录A 运算符、内置函数对常用内置对象的支持情况表 257附录B Python关键字清单 258附录C 常用标准库对象速查表 260附录D 常用Python扩展库清单 263参考文献 264
|
|
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
