Python3智能数据分析快速入门
￥119.00定价
作者： 李明江 张良均 周东平 张尚佳
出版时间：2019年7月
出版社：机械工业出版社
- 机械工业出版社
- 9787111628057
- 281413
- 2019年7月
作者简介
内容简介
本书以Python相关技术为工具，讲解了如何基于机器学习等AI技术进行智能数据分析。
作者在Python数据挖掘与分析领域有10余年的工作经验，对AI技术驱动的智能数据分析有非常深入的研究。本书面向没有Python编程基础和AI技术基础的读者，由浅入深地提供了系统的Python智能数据分析的技术和方法。
全书共9章，从逻辑上可分为两个部分：
第壹部分：Python编程基础（1~4章）
这部分详细介绍了从事Python编程需要掌握的各种基础知识，包括开发环境的搭建与配置，以及各种语法和常见Python库的原理和使用方法。
第二部分：智能数据分析（第5~9章）
这部分对Python的数值分析库NumPy、数据处理库pandas、绘图库Matplotlib/Seaborn/Bokeh、机器学习与数据分析建模库scikit-lear等进行了详细地讲解，包含数据读取、数据预处理、模型构建、模型评价、结果可视化等整个数据分析的过程，能指导读者快速入门Python智能数据分析。
作者在Python数据挖掘与分析领域有10余年的工作经验，对AI技术驱动的智能数据分析有非常深入的研究。本书面向没有Python编程基础和AI技术基础的读者，由浅入深地提供了系统的Python智能数据分析的技术和方法。
全书共9章，从逻辑上可分为两个部分：
第壹部分：Python编程基础（1~4章）
这部分详细介绍了从事Python编程需要掌握的各种基础知识，包括开发环境的搭建与配置，以及各种语法和常见Python库的原理和使用方法。
第二部分：智能数据分析（第5~9章）
这部分对Python的数值分析库NumPy、数据处理库pandas、绘图库Matplotlib/Seaborn/Bokeh、机器学习与数据分析建模库scikit-lear等进行了详细地讲解，包含数据读取、数据预处理、模型构建、模型评价、结果可视化等整个数据分析的过程，能指导读者快速入门Python智能数据分析。
目录
前言
第1章 Python概述 1
1.1 Python语言介绍 1
1.1.1 Python的发展史 1
1.1.2 Python特性 2
1.1.3 Python应用领域 3
1.1.4 Python机器学习优势 6
1.2 Python环境配置 8
1.2.1 Python 2还是Python 3 8
1.2.2 Anaconda简介 8
1.2.3 安装Anaconda 3 9
1.3 Python的解释器与IDE 12
1.3.1 Python的解释器 13
1.3.2 Python各IDE比较 13
1.3.3 PyCharm的安装与使用 16
1.3.4 Jupyter Notebook的使用 26
小结 32
课后习题 33
第2章 Python基础知识 34
2.1 固定语法 34
2.1.1 声明与注释 34
2.1.2 缩进与多行语句 36
2.1.3 保留字符与赋值 38
2.2 运算符 40
2.2.1 算术运算符 40
2.2.2 赋值运算符 41
2.2.3 比较运算符 43
2.2.4 逻辑运算符 44
2.2.5 按位运算符 44
2.2.6 身份运算符 45
2.2.7 成员运算符 46
2.2.8 运算符优先级 47
2.3 数据类型 48
2.3.1 基础数据类型 48
2.3.2 复合数据类型 55
2.4 Python I/O 63
2.4.1 input与print 64
2.4.2 文件I/O 67
小结 70
课后习题 70
第3章 控制语句 72
3.1 条件语句 72
3.1.1 if、elif与else 73
3.1.2 try、except与else 76
3.2 循环语句 80
3.2.1 for 81
3.2.2 while 83
3.2.3 break、continue与pass 85
3.2.4 列表推导式 89
小结 91
课后习题 91
第4章 函数与对象 94
4.1 函数 94
4.1.1 内置函数 94
4.1.2 自定义函数 101
4.1.3 匿名函数 107
4.2 对象 109
4.2.1 面向对象简介 109
4.2.2 属性与方法 110
4.2.3 装饰器 116
4.2.4 继承和多态 119
4.3 Python常用库安装 126
4.3.1 第三方库安装 126
4.3.2 第三方库导入 130
4.3.3 第三方库创建 131
小结 132
课后习题 133
第5章 NumPy数值计算 135
5.1 ndarray创建与索引 135
5.1.1 创建ndarray对象 135
5.1.2 ndarray的索引与切片 142
5.2 ndarray的基础操作 145
5.2.1 变换ndarray的形态 145
5.2.2 排序与搜索 151
5.2.3 字符串操作 156
5.3 ufunc 159
5.3.1 ufunc的广播机制 159
5.3.2 常用ufunc 160
5.4 matrix与线性代数 169
5.4.1 创建NumPy矩阵 169
5.4.2 矩阵的属性和基本运算 170
5.4.3 线性代数运算 172
5.5 NumPy文件读写 175
5.5.1 二进制文件读写 175
5.5.2 文件列表形式数据读写 178
小结 180
课后习题 180
第6章 pandas基础 182
6.1 pandas常用类 182
6.1.1 Series 182
6.1.2 DataFrame 187
6.1.3 Index 191
6.2 DataFrame基础操作 193
6.2.1 索引 193
6.2.2 排序 201
6.2.3 合并 204
6.3 其他数据类型操作 210
6.3.1 时间操作 210
6.3.2 文本操作 220
6.3.3 category操作 223
小结 227
课后习题 227
第7章 pandas进阶 229
7.1 数据读取与写入 229
7.1.1 CSV 229
7.1.2 Excel 231
7.1.3 数据库 233
7.2 DataFrame进阶 235
7.2.1 统计分析 235
7.2.2 分组运算 242
7.2.3 透视表和交叉表 248
7.3 数据准备 250
7.3.1 缺失值处理 251
7.3.2 重复数据处理 255
7.3.3 连续特征离散化处理 256
7.3.4 哑变量处理 259
小结 260
课后习题 260
第8章 绘图 263
8.1 Matplotlib绘图基础 263
8.1.1 编码风格 263
8.1.2 动态rc参数 267
8.1.3 散点图 273
8.1.4 折线图 276
8.1.5 饼图 278
8.1.6 直方图与条形图 280
8.1.7 箱线图 282
8.2 Seaborn进阶绘图 285
8.2.1 Seaborn基础 285
8.2.2 关系图 301
8.2.3 分类图 311
8.2.4 分布图 329
8.2.5 回归图 334
8.2.6 矩阵图 341
8.2.7 网格图 345
8.3 Bokeh交互式绘图 356
8.3.1 基本构成与语法 356
8.3.2 常见图形绘制 370
8.3.3 导出与嵌入 375
8.3.4 运行Bokeh应用程序 379
小结 381
习题 381
第9章 scikit-learn 383
9.1 数据准备 383
9.1.1 标准化 383
9.1.2 归一化 387
9.1.3 二值化 388
9.1.4 独热编码 389
9.2 降维 391
9.2.1 PCA 392
9.2.2 随机投影 396
9.2.3 字典学习 402
9.2.4 独立成分分析 408
9.2.5 非负矩阵分解 412
9.2.6 线性判别分析 416
9.3 聚类 420
9.3.1 K-Means 421
9.3.2 层次聚类 424
9.3.3 DBSCAN 427
9.3.4 高斯混合模型 430
9.4 分类 434
9.4.1 Logistic回归 435
9.4.2 支持向量机 439
9.4.3 决策树 443
9.4.4 最近邻 447
9.4.5 朴素贝叶斯 450
9.4.6 随机森林 452
9.4.7 多层感知机 456
9.5 回归 460
9.5.1 最小二乘回归 461
9.5.2 岭回归 464
9.5.3 Lasso回归 466
9.5.4 决策树回归 468
9.5.5 随机森林回归 471
9.5.6 多层感知机回归 473
9.6 模型选择 476
9.6.1 数据集划分 476
9.6.2 交叉验证 478
9.6.3 自动调参 479
9.6.4 模型评估 481
小结 486
课后习题 487
第1章 Python概述 1
1.1 Python语言介绍 1
1.1.1 Python的发展史 1
1.1.2 Python特性 2
1.1.3 Python应用领域 3
1.1.4 Python机器学习优势 6
1.2 Python环境配置 8
1.2.1 Python 2还是Python 3 8
1.2.2 Anaconda简介 8
1.2.3 安装Anaconda 3 9
1.3 Python的解释器与IDE 12
1.3.1 Python的解释器 13
1.3.2 Python各IDE比较 13
1.3.3 PyCharm的安装与使用 16
1.3.4 Jupyter Notebook的使用 26
小结 32
课后习题 33
第2章 Python基础知识 34
2.1 固定语法 34
2.1.1 声明与注释 34
2.1.2 缩进与多行语句 36
2.1.3 保留字符与赋值 38
2.2 运算符 40
2.2.1 算术运算符 40
2.2.2 赋值运算符 41
2.2.3 比较运算符 43
2.2.4 逻辑运算符 44
2.2.5 按位运算符 44
2.2.6 身份运算符 45
2.2.7 成员运算符 46
2.2.8 运算符优先级 47
2.3 数据类型 48
2.3.1 基础数据类型 48
2.3.2 复合数据类型 55
2.4 Python I/O 63
2.4.1 input与print 64
2.4.2 文件I/O 67
小结 70
课后习题 70
第3章 控制语句 72
3.1 条件语句 72
3.1.1 if、elif与else 73
3.1.2 try、except与else 76
3.2 循环语句 80
3.2.1 for 81
3.2.2 while 83
3.2.3 break、continue与pass 85
3.2.4 列表推导式 89
小结 91
课后习题 91
第4章 函数与对象 94
4.1 函数 94
4.1.1 内置函数 94
4.1.2 自定义函数 101
4.1.3 匿名函数 107
4.2 对象 109
4.2.1 面向对象简介 109
4.2.2 属性与方法 110
4.2.3 装饰器 116
4.2.4 继承和多态 119
4.3 Python常用库安装 126
4.3.1 第三方库安装 126
4.3.2 第三方库导入 130
4.3.3 第三方库创建 131
小结 132
课后习题 133
第5章 NumPy数值计算 135
5.1 ndarray创建与索引 135
5.1.1 创建ndarray对象 135
5.1.2 ndarray的索引与切片 142
5.2 ndarray的基础操作 145
5.2.1 变换ndarray的形态 145
5.2.2 排序与搜索 151
5.2.3 字符串操作 156
5.3 ufunc 159
5.3.1 ufunc的广播机制 159
5.3.2 常用ufunc 160
5.4 matrix与线性代数 169
5.4.1 创建NumPy矩阵 169
5.4.2 矩阵的属性和基本运算 170
5.4.3 线性代数运算 172
5.5 NumPy文件读写 175
5.5.1 二进制文件读写 175
5.5.2 文件列表形式数据读写 178
小结 180
课后习题 180
第6章 pandas基础 182
6.1 pandas常用类 182
6.1.1 Series 182
6.1.2 DataFrame 187
6.1.3 Index 191
6.2 DataFrame基础操作 193
6.2.1 索引 193
6.2.2 排序 201
6.2.3 合并 204
6.3 其他数据类型操作 210
6.3.1 时间操作 210
6.3.2 文本操作 220
6.3.3 category操作 223
小结 227
课后习题 227
第7章 pandas进阶 229
7.1 数据读取与写入 229
7.1.1 CSV 229
7.1.2 Excel 231
7.1.3 数据库 233
7.2 DataFrame进阶 235
7.2.1 统计分析 235
7.2.2 分组运算 242
7.2.3 透视表和交叉表 248
7.3 数据准备 250
7.3.1 缺失值处理 251
7.3.2 重复数据处理 255
7.3.3 连续特征离散化处理 256
7.3.4 哑变量处理 259
小结 260
课后习题 260
第8章 绘图 263
8.1 Matplotlib绘图基础 263
8.1.1 编码风格 263
8.1.2 动态rc参数 267
8.1.3 散点图 273
8.1.4 折线图 276
8.1.5 饼图 278
8.1.6 直方图与条形图 280
8.1.7 箱线图 282
8.2 Seaborn进阶绘图 285
8.2.1 Seaborn基础 285
8.2.2 关系图 301
8.2.3 分类图 311
8.2.4 分布图 329
8.2.5 回归图 334
8.2.6 矩阵图 341
8.2.7 网格图 345
8.3 Bokeh交互式绘图 356
8.3.1 基本构成与语法 356
8.3.2 常见图形绘制 370
8.3.3 导出与嵌入 375
8.3.4 运行Bokeh应用程序 379
小结 381
习题 381
第9章 scikit-learn 383
9.1 数据准备 383
9.1.1 标准化 383
9.1.2 归一化 387
9.1.3 二值化 388
9.1.4 独热编码 389
9.2 降维 391
9.2.1 PCA 392
9.2.2 随机投影 396
9.2.3 字典学习 402
9.2.4 独立成分分析 408
9.2.5 非负矩阵分解 412
9.2.6 线性判别分析 416
9.3 聚类 420
9.3.1 K-Means 421
9.3.2 层次聚类 424
9.3.3 DBSCAN 427
9.3.4 高斯混合模型 430
9.4 分类 434
9.4.1 Logistic回归 435
9.4.2 支持向量机 439
9.4.3 决策树 443
9.4.4 最近邻 447
9.4.5 朴素贝叶斯 450
9.4.6 随机森林 452
9.4.7 多层感知机 456
9.5 回归 460
9.5.1 最小二乘回归 461
9.5.2 岭回归 464
9.5.3 Lasso回归 466
9.5.4 决策树回归 468
9.5.5 随机森林回归 471
9.5.6 多层感知机回归 473
9.6 模型选择 476
9.6.1 数据集划分 476
9.6.2 交叉验证 478
9.6.3 自动调参 479
9.6.4 模型评估 481
小结 486
课后习题 487
