《Python数据分析王俊》 - 台灣·大書城 - 王俊 - 机械工业出版社

	登入帳戶　 \|　訂單查詢　 \|　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
		會員登入新用戶註冊

HOME

新書上架

暢銷書架

好書推介

2024年度TOP

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

『簡體書』Python数据分析王俊

書城自編碼： 4069962
分類：簡體書→大陸圖書→教材→研究生/本科/专科教材
作者：王俊
國際書號(ISBN)： 9787111770671
出版社：机械工业出版社
出版日期： 2025-01-01

頁數/字數： /
書度/開本： 16开釘裝：平装

售價：NT$ 301

我要買件

** 我創建的書架 **
未登入.

新書推薦：

《叙事话语·新叙事话语》
售價：NT$ 347.0

《奴隶船：海上奴隶贸易400年》
售價：NT$ 352.0

《纸上博物馆·美索不达米亚：文明的诞生（破译古老文明的密码，法国伽利玛原版引进，150+资料图片）》
售價：NT$ 398.0

《米塞斯的经济学课：讲座与演讲精选集》
售價：NT$ 347.0

《人工智能大模型导论科大讯飞校企合编教材》
售價：NT$ 352.0

《做财富的朋友：巴菲特慢慢变富的投资智慧》
售價：NT$ 383.0

《一群数学家分蛋糕：提升逻辑力的100道谜题》
售價：NT$ 281.0

《无解的困局：大明最后的60年》
售價：NT$ 306.0

建議一齊購買：

NT$ 709
《现代医学仪器设计原理》

NT$ 286
《经济学基础与应用（第三版）（复旦卓越. 21 世纪经济学系列》

NT$ 281
《社会组织建设概论（新时代中国社会建设系列教材）》

NT$ 316
《企业社会工作（第二版）》

NT$ 214
《形式逻辑（第六版）》

NT$ 305
《水产药理学（第二版）》

編輯推薦：

本书系统介绍了使用Python进行数据分析需要掌握的各项知识，涵盖了Python基础知识、网络爬虫、正则表达式、BeautifulSoup和JSON、词语切分、自然语言处理、使用NumPy进行科学计算、使用Pandas处理数据、数据可视化、MySQL、机器学习、朴素贝叶斯模型、支持向量机、随机森林、深度学习以及量化投资。

內容簡介：

本书系统介绍了使用Python进行数据分析需要掌握的各项知识，涵盖了Python基础知识、网络爬虫技术、正则表达式、BeautifulSoup和JSON、词语切分、自然语言处理、使用NumPy与Pandas处理数据、数据可视化技术、MySQL、机器学习、朴素贝叶斯模型、支持向量机、随机森林、深度学习以及量化投资。本书通过结合数据分析技术的理论知识与Python的实战应用，帮助读者更好地运用Python解决数据分析中的实际问题。本书适合作为高等院校工商管理类研究生、本科生的数据分析课程教材，还适合作为金融行业人员的参考资料。

關於作者：

王俊，现为西南财经大学管理科学与工程学院副教授，硕士生导师，西南财经大学金融科技国际联合实验室主任助理，金融智能与金融工程四川省重点实验室主任助理，加拿大纽芬兰纪念大学访问学者。致力于从大数据分析视角，通过大机器学习、数据分析、人工智能等方法解决金融市场的重要问题。主要研究包括多源数据对证券市场的影响性分析，大数据视角的数字化互动媒体对股票市场的影响性研究、基于大数据的证券市场量化分析研究、基于海量数据的媒体信息识别与情感量化分析研究等。迄今为止，已发表英文学术论文10余篇，参与国家自然科学基金项目3项，国家重点科研项目1项，部级、省级重点科研项目5项。同时，王俊多次受邀参加国际学术会议（全球信息系统年会-ICIS、亚洲信息系统年会-PACIS、全球管理学顶尖年会-HICSS），前往美国夏威夷、日本东京、韩国首尔、马来西亚兰卡威等地区进行论文发表讲演，还作为国内外学术期刊IEEE Network Magazine、Association for Computational Linguistics、Journal of Global Information Management（JGIM）、系统工程理论与实践的审稿人参与稿件评审。

目　录
前言
第1章　数据分析导论 /　1
1.1　面向财经领域的数据分析 /　1
1.2　数据分析工作流程与案例赏析 /　2
1.2.1　数据分析的工作流程 /　2
1.2.2　数据分析的案例赏析 /　3
1.3　扩展阅读 /　6
1.3.1　大数据驱动的决策范式
转变 /　6
1.3.2　使用大语言模型做数据
分析 /　6
第2章　Python基础知识 /　8
2.1　数据类型 /　8
2.1.1　数值 /　9
2.1.2　字符串 /　10
2.1.3　列表 /　13
2.1.4　元组 /　15
2.1.5　集合 /　16
2.1.6　字典 /　16
2.2　运算法则 /　18
2.2.1　算术运算 /　18
2.2.2　逻辑运算 /　19
2.2.3　比较运算 /　19
2.3　条件语句 /　19
2.4　循环语句 /　20
2.4.1　while循环 /　20
2.4.2　for循环 /　21
2.5　终止语句 /　22
2.6　函数构造和参数 /　22
2.6.1　自定义函数 /　22
2.6.2　自定义函数的参数 /　23
2.6.3　局部和全局变量 /　25
2.6.4　Lambda函数 /　25
2.7　扩展阅读 /　25
2.7.1　应用ChatGLM开发聊天
机器人 /　25
2.7.2　使用ChatGPT辅助学习Python /　27
第3章　网络爬虫 /　29
3.1　网络爬虫概述 /　29
3.2　网页结构 /　31
3.2.1　服务器与本地交换机制 /　31
3.2.2　HTML /　31
3.3　获取网页内容 /　34
3.3.1　通过Requests发送请求 /　34
3.3.2　在URL中传递参数 /　35
3.3.3　添加Headers /　36
3.4　利用爬虫获取股吧评论数据 /　36
3.5　扩展阅读 /　39
3.5.1　常见的反爬机制与解决
方案 /　39
3.5.2　使用ChatGPT辅助开发
网络爬虫 /　40
第4章　正则表达式 /　42
4.1　初识正则表达式 /　42
4.1.1　什么是正则表达式 /　42
4.1.2　构建简单的正则表达式 /　43
4.2　正则表达式进阶 /　44
4.3　使用正则表达式解析HTML网页 /　48
4.4　扩展阅读 /　49
第5章　BeautifulSoup和JSON /　51
5.1　BeautifulSoup基本语法 /　51
5.1.1　创建BeautifulSoup对象 /　52
5.1.2　提取标签信息 /　53
5.2　使用BeautifulSoup解析HTML
网页 /　54
5.3　JSON /　56
5.3.1　JSON的特点 /　56
5.3.2　JSON的结构 /　56
5.3.3　JSON序列化与反序列化 /　57
5.3.4　解析在线API返回的JSON
数据 /　58
5.4　扩展阅读 /　58
第6章　词语切分 /　60
6.1　分词简介 /　60
6.1.1　最大匹配法分词 /　61
6.1.2　基于统计的分词 /　62
6.2　Jieba分词 /　64
6.2.1　Jieba分词简介 /　64
6.2.2　使用Jieba分词 /　66
6.3　读取文件并切词 /　69
6.4　下载网页数据并切词 /　71
6.5　扩展阅读 /　73
6.5.1　Jieba分词算法细节 /　73
6.5.2　使用大语言模型切词 /　73
第7章　自然语言处理简介 /　75
7.1　TF-IDF /　75
7.1.1　TF-IDF原理 /　76
7.1.2　TF-IDF案例 /　77
7.2　词袋法 /　78
7.3　情感分析 /　79
7.3.1　定义函数创建词袋 /　81
7.3.2　使用Python实现词袋法 /　82
7.4　扩展阅读 /　83
7.4.1　词嵌入 /　83
7.4.2　使用ChatGPT做文本
分析 /　83
第8章　使用NumPy进行科学
计算 /　85
8.1　创建数组 /　85
8.1.1　安装NumPy /　85
8.1.2　列表和数组 /　86
8.1.3　创建并探索NumPy数组 /　87
8.1.4　创建特殊NumPy数组 /　89
8.1.5　导入并查看titanic数据集 /　91
8.2　数组切片 /　93
8.2.1　索引和切片 /　93
8.2.2　数组切片和列表切片 /　94
8.2.3　数组拼接 /　95
8.3　数组计算 /　96
8.3.1　广播 /　97
8.3.2　数组的绝对值与均值 /　97
8.3.3　点积 /　97
8.4　词语相似度计算 /　99
8.5　手写数字案例 /　101
8.5.1　初步探索数据集 /　102
8.5.2　数据标准化 /　102
8.5.3　图像翻转 /　103
8.6　金融案例分析 /　104
8.6.1　读取文件 /　104
8.6.2　计算成交量加权平均
价格 /　105
8.6.3　计算最大值和最小值 /　105
8.6.4　计算极差 /　106
8.6.5　计算中位数 /　106
8.6.6　计算方差 /　106
8.7　扩展阅读 /　107
第9章　使用Pandas处理数据 /　109
9.1　序列和数据框 /　109
9.1.1　创建序列 /　109
9.1.2　创建数据框 /　111
9.1.3　使用Pandas读取和存储
数据 /　112
9.2　用Pandas处理数据 /　114
9.2.1　关于INVEST部门的投资
任务 /　114
9.2.2　查看数据 /　115
9.2.3　数据切片 /　116
9.2.4　数据类型转换 /　118
9.2.5　数据的增删改 /　120
9.3　用Pandas处理文本数据 /　123<

內容試閱：

大语言模型（例如ChatGPT）减轻了传统数据分析中特征工程的工作量，能够自动学习语义特征与潜在表征。基于大语言模型的API，可以快速构建低代码的数据分析应用。在大语言模型时代，人们有两个疑问：①传统的数据分析基础是否仍然有价值？②如何协同使用大语言模型和传统的数据分析模型？
在大语言模型兴起的时代，传统的数据分析方法仍然具有重要的价值。首先，相比于大语言模型的“黑箱”，许多传统模型如线性回归、决策树等具有较高的可解释性，更容易被人理解，这在一些对可解释性有较高需求的应用中十分重要。其次，相比大语言模型，一些传统模型（例如支持向量机、随机森林）已经经受长时间的检验与实践，预测表现更加可靠，这对要求稳定性较高的系统更为适用。
因此，在大语言模型时代，传统数据分析方法依然发挥着很大作用，并且与新技术的结合将产生更强大的效果，这需要我们在具体问题中寻求两者的最佳衔接与协同。本书不仅讲解数据分析的基本技术，而且补充了利用大语言模型做数据分析的案例。
学习本书，读者将会有以下收获。
提升数据分析与建模能力。
本书涵盖了Python基础知识、网络爬虫、正则表达式、BeautifulSoup和JSON、词语切分、自然语言处理、使用NumPy进行科学计算、使用Pandas处理数据、数据可视化、MySQL、机器学习、朴素贝叶斯模型、支持向量机、随机森林、深度学习以及量化投资。
丰富金融学、经济学、管理学知识。
本书知识点围绕财经领域的数据分析案例展开，比如，股票市场、量化交易、风险投资、智慧城市建设、股吧评论情感分析等。此外，我们在扩展阅读环节介绍了更多财经领域的数据分析实践案例。
熟悉基于大语言模型的数据分析与建模方法。
授人以鱼不如授人以渔，目前以ChatGPT为代表的大语言模型已经成为我们学习的帮手。本书中的扩展阅读选择了使用大语言模型进行数据分析的案例，引导大家学习使用大语言模型以提升学习数据分析的效率，构建无代码或低代码的数据分析应用。
我们鼓励读者保持好奇心，勇于尝试，不断学习。关于数据分析的新技术和新方法层出不穷，持续的学习和实践将是读者成功的关键。
本书由西南财经大学王俊教授担任主编；西南财经大学郑海超教授、肖辉教授、蒋太翔教授、李庆教授担任副主编。
本书在编写过程中得到了机械工业出版社的大力支持，在此向为本书付出辛勤劳动的机械工业出版社的相关老师表示感谢。由于作者水平有限，疏漏之处在所难免，敬请广大读者批评指正。

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	台灣用户　\|　香港/海外用户

megBook.com.tw
Copyright (C) 2013 - 2025 （香港）大書城有限公司　All Rights Reserved.