新書推薦：
《
有法与无法：清代的州县制度及其运作 最新修订版
》
售價：NT$
640.0
《
重启春光
》
售價：NT$
214.0
《
“玉”见中国：玉器文化与中华文明（追寻玉出山河的前世今生，饱览中国万年玉文化的史诗画卷）
》
售價：NT$
690.0
《
官治与自治：20 世纪上半期的中国县制 最新修订版
》
售價：NT$
640.0
《
迈尔斯普通心理学
》
售價：NT$
760.0
《
面部填充术
》
售價：NT$
990.0
《
尼泊尔史：王权与变革
》
售價：NT$
430.0
《
战争事典085：德国人眼中的欧战胜利日：纳粹德国的最终失败
》
售價：NT$
499.0
|
| 內容簡介： |
本书从开发环境配置入手，以先理论后实践的形式讲解Python数据分析，理论部分内容包括Python简介及数据分析概述、Python语言基础、科学计算库NumPy、数据处理库Pandas、数据可视化和数据分析方法，由浅入深地引出实践部分的三个经典数据分析实战案例，并将理论知识综合应用到数据分析案例中，进一步加深知识理解。全书理论部分可以作为理论课知识进行教学，案例内容可以用于实训课教学。全书章节可以拆分重组，为不同背景知识的学生提供合适的知识组合，为教师组织教学提供便利。本书内容表达图文并茂、通俗易懂，以实践操作应用为导向，侧重知识的内在认知逻辑引导，适合于理论与实践相结合的教学方式。
本书适合作为本科或高职院校的计算机科学技术、数据科学与大数据技术、人工智能、信息管理、电子商务、应用数学、信息与计算科学、统计学、金融工程、市场营销等专业的教学用书，同时也适合作为其他相关专业的选修课程教材。本书提供微课视频，并配套程序源代码、教学课件和习题答案。
|
| 目錄：
|
前言
第1章 Python简介及数据分析概述
1.1 Python简介
1.1.1 Python语言的特点
1.1.2 Python语言的应用领域
1.2 Python开发环境部署
1.2.1 下载对应版本安装文件
1.2.2 Python的安装及相关文件介绍
1.3 扩展库的安装
1.4 开发环境应用示例
1.4.1 Anaconda的功能介绍及安装
1.4.2 JupyterLab的使用及文本数据分析实例演示
1.5 数据分析概述
1.5.1 数据分析的过程
1.5.2 数据分析常用扩展库
本章小结
练习1
第2章 Python语言基础
2.1 数据类型
2.1.1 数值
2.1.2 字符串
2.1.3 列表
2.1.4 元组
2.1.5 集合
2.1.6 字典
2.2 数据类型的共有方法
2.2.1 索引
2.2.2 切片
2.2.3 提取长度
2.2.4 统计
2.2.5 确认成员身份
2.2.6 删除变量
2.3 字符串、列表、元组、集合及字典的方法
2.3.1 字符串的方法
2.3.2 列表的方法
2.3.3 元组的方法
2.3.4 集合的方法
2.3.5 字典的方法
2.4 内置函数、内置模块与自定义函数
2.4.1 内置函数
2.4.2 高级函数
2.4.3 help（）函数
2.4.4 内置函数与内置模块的区别
2.4.5 常用的内置模块
2.4.6 自定义函数
2.5 类和对象
2.5.1 类和对象的概念
2.5.2 类和对象的使用
2.5.3 类和对象实例演示
2.6 读取数据文件
本章小结
练习2
第3章 科学计算库NumPy
3.1 NumPy简介
3.2 NumPy中的对象
3.2.1 ndarray对象
3.2.2 array对象的属性和方法
3.2.3 NumPy创建数组
3.3 NumPy中数组的索引
3.3.1 数组的维度和基本索引
3.3.2 高级索引
3.4 Numpy中的统计函数
3.5 Numpy中的矩阵操作
本章小结
练习3
第4章 数据处理库Pandas
4.1 Pandas简介
4.1.1 Pandas的安装与导入
4.1.2 数据类型Series
4.1.3 数据类型DataFrame
4.2 数据文件读取
4.2.1 excel文件读取
4.2.2 csv文件读取
4.3 数据类型Series和DataFrame
4.3.1 Series常见的属性与方法
4.3.2 DataFrame常见的属性与方法
4.4 Pandas的高级操作
4.4.1 Pandas的高级操作简介
4.4.2 Pandas数据分析案例
4.4.3 Pandas数据分析案例
本章小结
练习4
第5章 数据可视化
5.1 数据可视化简介
5.2 Matplotlib可视化
5.2.1 Matplotlib散点图示例
5.2.2 Matplotlib线图示例
5.2.3 Matplotlib柱状图示例
5.2.4 Matplotlib饼图示例
5.2.5 Matplotlib箱线图示例
5.2.6 Matplotlib直方图示例
5.2.7 Matplotlib多子图示例
5.3 Pandas绘图
本章小结
练习5
第6章 数据分析方法
6.1 数据分析方法概述
6.1.1 ETL（Extract-Transform-Load）
6.1.2 数据分析中常用的方法
6.2 数据预处理
6.2.1 异常值处理
6.2.2 缺失值处理
6.2.3 归一化处理
6.3 分类与预测
6.3.1 决策树
6.3.2 朴素贝叶斯
6.3.3 支持向量机
6.3.4 神经网络
6.4 回归
6.4.1 线性回归
6.4.2 非线性回归
6.5 聚类
6.5.1 层次聚类
6.5.2 非层次聚类
本章小结
练习6
第7章 电影数据分析
7.1 项目简介
7.2 代码实现
7.2.1 数据清洗
7.2.2 编程打分
7.2.3 其他数据类型处理
7.2.4 建模分析
本章小结
练习7
第8章 客户价值分析
8.1 项目简介
8.2 代码实现
8.2.1 数据清洗
8.2.2 客户属性与客户流失的关系分析
8.2.3 产品属性与客户流失的关系分析
8.2.4 客户行为与客户流失的关系分析
本章小结
练习8
第9章 房价预测分析
9.1 项目简介
9.2 代码实现
9.2.1 线性回归
9.2.2 随机森林
9.2.3 支持向量机
9.2.4 模型评估比较
本章小结
练习9
参考文献
|
|
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
