孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

Python数据分析与数据挖掘

Python数据分析与数据挖掘
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: ,
出版社: 清华大学出版社
2023-10
版次: 1
ISBN: 9787302625728
定价: 59.80
装帧: 其他
开本: 16开
纸张: 胶版纸
分类: 教材教辅考试>教材>大学教材>工程技术
6 张插图图片
5人买过
  • 本书采用理论知识与全过程案例解析相结合的方式，深入浅出地介绍运用Python进行数据分析与挖掘的基本概念与方法。全书共13章，分为四部分： Python基础知识、数据分析相关库、数据挖掘理论与算法应用、综合案例。全书本着循序渐进、理论联系实际的原则，每个知识点及每章均选择了接近实际应用并具有典型性的丰富案例，引导读者更好地理解数据分析与挖掘的知识，并能快速开展编程实践，是一本实践性极强、深浅适度、重在应用、着重实战能力培养的教材。 本书可作为高等学校大数据管理与应用、数据科学与大数据技术、计算机科学与技术等相关专业的教材，也可作为数据分析与挖掘相关从业人员的参考书。 第一部分Python基础知识

    第1章Python概述

    1.1Python简介

    1.2Python的特点和应用领域

    1.2.1Python的特点

    1.2.2Python的应用领域

    1.3Python开发环境的搭建

    1.3.1Python的下载

    1.3.2Python的安装

    1.4Anaconda的下载与安装

    1.5Anaconda中的Python开发环境

    1.5.1Jupyter的使用

    1.5.2Spyder的使用

    1.5.3使用Conda管理包

    1.5.4第三方包管理的例子

    1.6使用百度AI Studio云计算编程环境

    1.6.1登录AI Studio平台

    1.6.2创建项目

    1.6.3启动并运行项目

    1.7Python的运行原理

    1.8Python的编写规范

    1.8.1行和缩进

    1.8.2多行语句

    1.8.3Python引号

    1.8.4Python注释

    1.9本章小结

    第2章Python基础语法

    2.1标识符与变量

    2.1.1Python标识符

    2.1.2Python关键字

    2.1.3变量与赋值

    2.2输入与输出

    2.2.1数据的输入

    2.2.2数据的输出

    2.2.3输入和输出实战例题

    2.3Python数据结构

    2.3.1标量——基本数据类型

    2.3.2序列类型——列表、元组和字符串

    2.3.3映射类型——字典

    2.3.4集合类型

    2.3.5Python数据结构实战例题

    2.4运算符与表达式

    2.5Python流程控制

    2.5.1顺序结构

    2.5.2选择结构

    2.5.3循环结构

    2.6本章实战例题

    2.7本章小结

    2.8本章习题

    第3章函数

    3.1函数概述

    3.1.1模块和包

    3.1.2什么是函数

    3.2函数的定义

    3.3参数传递

    3.3.1实参变量指向不可变对象

    3.3.2实参变量指向可变对象

    3.4函数参数的设置

    3.4.1函数参数的类型

    3.4.2位置参数

    3.4.3默认参数

    3.4.4关键字参数

    3.4.5可变参数

    3.5匿名函数

    3.6递归函数

    3.7本章实战例题

    3.8本章小结

    3.9本章习题

    第4章类与对象

    4.1面向对象

    4.2类与对象的联系

    4.3类的定义与使用

    4.4属性

    4.4.1实例属性和类属性

    4.4.2公有属性和私有属性

    4.5方法

    4.5.1实例方法

    4.5.2类方法

    4.5.3静态方法

    4.6继承

    4.6.1隐性继承

    4.6.2覆盖

    4.6.3super继承

    4.6.4多重继承

    4.7运算符重载

    4.8本章实战例题

    4.9本章小结

    4.10本章习题

    第二部分数据分析相关库

    第5章NumPy基础与应用

    5.1NumPy简介

    5.2NumPy数组基础

    5.2.1数组的属性

    5.2.2创建数组

    5.2.3数组的数据类型

    5.2.4数组的迭代

    5.2.5数组的索引和切片

    5.2.6数组的合并与拆分

    5.3数组的相关操作

    5.3.1统计相关操作

    5.3.2形状相关操作

    5.3.3数组的四则运算、点乘与比较操作

    5.4数组的读/写

    5.4.1数组的读取

    5.4.2数组的写入

    5.5本章实战例题

    5.6本章小结

    5.7本章习题

    第6章Pandas基础与应用

    6.1Pandas简介

    6.1.1Pandas的主要特点

    6.1.2Pandas的安装

    6.2Pandas中的数据结构

    6.2.1Series

    6.2.2DataFrame

    6.3Pandas中数据的基本操作

    6.3.1数据的导入和导出

    6.3.2数据的选取

    6.3.3数据的编辑

    6.3.4数据的合并

    6.4数据运算与分析

    6.4.1数据的算术运算和比较运算

    6.4.2数据排序

    6.4.3统计分析

    6.4.4分组与聚合

    6.4.5透视表与交叉表

    6.5本章实战例题

    6.6本章小结

    6.7本章习题

    第7章Matplotlib 基础及应用

    7.1Matplotlib简介

    7.1.1Matplotlib的主要特点

    7.1.2Matplotlib的安装

    7.2Matplotlib的基础知识

    7.2.1导入Matplotlib

    7.2.2Matplotlib中图形（Figure）的构成

    7.2.3Matplotlib的中文设置

    7.3Pyplot的使用

    7.3.1plt.plot()函数的使用

    7.3.2子图

    7.4Pyplot中的常用图形

    7.4.1散点图

    7.4.2柱状图

    7.4.3直方图

    7.4.4饼图

    7.4.53D图

    7.5本章实战例题

    7.6本章小结

    7.7本章习题

    第三部分数据挖掘理论与算法应用

    第8章分类

    8.1分类概述

    8.1.1分类的基本概念

    8.1.2常用的分类算法

    8.1.3分类算法的评价指标

    8.2分类的理论知识

    8.2.1信息熵

    8.2.2信息增益

    8.2.3基尼系数

    8.3决策树

    8.3.1决策树的基本概念

    8.3.2决策树的算法过程

    8.3.3scikitlearn中决策树的应用

    8.4朴素贝叶斯分类器

    8.4.1朴素贝叶斯分类器的基本介绍

    8.4.2朴素贝叶斯分类器的算法过程

    8.4.3scikitlearn中朴素贝叶斯分类器的应用

    8.5支持向量机

    8.5.1支持向量机简介

    8.5.2支持向量机的算法过程

    8.5.3scikitlearn中支持向量机的应用

    8.6梯度提升决策树

    8.6.1梯度提升决策树的基本概念

    8.6.2梯度提升决策树的算法过程

    8.6.3scikitlearn中梯度提升决策树的应用

    8.7Python中分类预测模型的小结

    8.8本章实战例题

    8.9本章小结

    8.10本章习题

    第9章聚类

    9.1聚类概述

    9.1.1聚类的基本概念

    9.1.2聚类中距离的度量

    9.1.3聚类的常用算法

    9.1.4聚类的评估

    9.2基于划分的KMeans聚类算法

    9.2.1KMeans的基本概念

    9.2.2KMeans的算法过程

    9.2.3scikitlearn中KMeans的应用

    9.3基于层次分析的聚类

    9.3.1基于层次分析的聚类的基本原理

    9.3.2基于层次分析的聚类过程

    9.3.3scikitlearn中Birch的应用

    9.4基于密度的聚类

    9.4.1基于密度的聚类的基本原理

    9.4.2基于密度的聚类过程

    9.4.3scikitlearn中DBSCAN的应用

    9.5本章实战例题

    9.6本章小结

    9.7本章习题

    第10章回归分析

    10.1回归概述

    10.1.1常用的回归模型

    10.1.2回归分析的步骤

    10.1.3回归的相关系数

    10.1.4回归模型的评价指标

    10.2线性回归

    10.2.1线性回归的原理

    10.2.2线性回归的应用

    10.2.3一元线性回归

    10.2.4多元线性回归

    10.3逻辑回归

    10.3.1逻辑回归的原理

    10.3.2LogisticRegression的应用

    10.3.3逻辑回归的应用

    10.4其他回归

    10.4.1多项式回归

    10.4.2岭回归

    10.4.3Lasso回归

    10.5本章实战例题

    10.6本章小结

    10.7本章习题

    第四部分综 合 案 例

    第11章实战案例：  电商消费者数据分析

    11.1案例背景

    11.2数据加载和预处理

    11.2.1加载需要的库及读入数据

    11.2.2数据信息初步分析

    11.2.3数据预处理

    11.3探索性数据分析

    11.3.1各国订单情况分析

    11.3.2客户情况分析

    11.3.3产品情况分析

    11.3.4按时间分析销售数据

    11.4本章小结

    第12章实战案例：  乳腺癌数据分析与预测

    12.1案例背景

    12.2数据加载和预处理

    12.2.1加载需要的库及读入数据

    12.2.2数据信息初步分析

    12.2.3数据预处理

    12.3探索性数据分析

    12.3.1诊断结果列的分布

    12.3.2数据分布的可视化分析

    12.3.3相关性分析

    12.4分类模型

    12.4.1LogisticRegression模型

    12.4.2决策树模型

    12.4.3SVM模型

    12.5提升预测准确率的策略

    12.5.1数据标准化或规范化

    12.5.2特征选择

    12.5.3参数调优

    12.6本章小结

    第13章实战案例：  钻石数据分析与预测

    13.1案例背景

    13.2数据加载和预处理

    13.2.1加载需要的库及读入数据

    13.2.2数据信息初步分析

    13.2.3数据预处理

    13.3探索性数据分析

    13.3.1类别特征分析

    13.3.2数值特征分析

    13.3.3相关性分析

    13.4回归模型的预测

    13.5本章小结

    参考文献

     
  • 内容简介:
    本书采用理论知识与全过程案例解析相结合的方式，深入浅出地介绍运用Python进行数据分析与挖掘的基本概念与方法。全书共13章，分为四部分： Python基础知识、数据分析相关库、数据挖掘理论与算法应用、综合案例。全书本着循序渐进、理论联系实际的原则，每个知识点及每章均选择了接近实际应用并具有典型性的丰富案例，引导读者更好地理解数据分析与挖掘的知识，并能快速开展编程实践，是一本实践性极强、深浅适度、重在应用、着重实战能力培养的教材。 本书可作为高等学校大数据管理与应用、数据科学与大数据技术、计算机科学与技术等相关专业的教材，也可作为数据分析与挖掘相关从业人员的参考书。
  • 目录:
    第一部分Python基础知识

    第1章Python概述

    1.1Python简介

    1.2Python的特点和应用领域

    1.2.1Python的特点

    1.2.2Python的应用领域

    1.3Python开发环境的搭建

    1.3.1Python的下载

    1.3.2Python的安装

    1.4Anaconda的下载与安装

    1.5Anaconda中的Python开发环境

    1.5.1Jupyter的使用

    1.5.2Spyder的使用

    1.5.3使用Conda管理包

    1.5.4第三方包管理的例子

    1.6使用百度AI Studio云计算编程环境

    1.6.1登录AI Studio平台

    1.6.2创建项目

    1.6.3启动并运行项目

    1.7Python的运行原理

    1.8Python的编写规范

    1.8.1行和缩进

    1.8.2多行语句

    1.8.3Python引号

    1.8.4Python注释

    1.9本章小结

    第2章Python基础语法

    2.1标识符与变量

    2.1.1Python标识符

    2.1.2Python关键字

    2.1.3变量与赋值

    2.2输入与输出

    2.2.1数据的输入

    2.2.2数据的输出

    2.2.3输入和输出实战例题

    2.3Python数据结构

    2.3.1标量——基本数据类型

    2.3.2序列类型——列表、元组和字符串

    2.3.3映射类型——字典

    2.3.4集合类型

    2.3.5Python数据结构实战例题

    2.4运算符与表达式

    2.5Python流程控制

    2.5.1顺序结构

    2.5.2选择结构

    2.5.3循环结构

    2.6本章实战例题

    2.7本章小结

    2.8本章习题

    第3章函数

    3.1函数概述

    3.1.1模块和包

    3.1.2什么是函数

    3.2函数的定义

    3.3参数传递

    3.3.1实参变量指向不可变对象

    3.3.2实参变量指向可变对象

    3.4函数参数的设置

    3.4.1函数参数的类型

    3.4.2位置参数

    3.4.3默认参数

    3.4.4关键字参数

    3.4.5可变参数

    3.5匿名函数

    3.6递归函数

    3.7本章实战例题

    3.8本章小结

    3.9本章习题

    第4章类与对象

    4.1面向对象

    4.2类与对象的联系

    4.3类的定义与使用

    4.4属性

    4.4.1实例属性和类属性

    4.4.2公有属性和私有属性

    4.5方法

    4.5.1实例方法

    4.5.2类方法

    4.5.3静态方法

    4.6继承

    4.6.1隐性继承

    4.6.2覆盖

    4.6.3super继承

    4.6.4多重继承

    4.7运算符重载

    4.8本章实战例题

    4.9本章小结

    4.10本章习题

    第二部分数据分析相关库

    第5章NumPy基础与应用

    5.1NumPy简介

    5.2NumPy数组基础

    5.2.1数组的属性

    5.2.2创建数组

    5.2.3数组的数据类型

    5.2.4数组的迭代

    5.2.5数组的索引和切片

    5.2.6数组的合并与拆分

    5.3数组的相关操作

    5.3.1统计相关操作

    5.3.2形状相关操作

    5.3.3数组的四则运算、点乘与比较操作

    5.4数组的读/写

    5.4.1数组的读取

    5.4.2数组的写入

    5.5本章实战例题

    5.6本章小结

    5.7本章习题

    第6章Pandas基础与应用

    6.1Pandas简介

    6.1.1Pandas的主要特点

    6.1.2Pandas的安装

    6.2Pandas中的数据结构

    6.2.1Series

    6.2.2DataFrame

    6.3Pandas中数据的基本操作

    6.3.1数据的导入和导出

    6.3.2数据的选取

    6.3.3数据的编辑

    6.3.4数据的合并

    6.4数据运算与分析

    6.4.1数据的算术运算和比较运算

    6.4.2数据排序

    6.4.3统计分析

    6.4.4分组与聚合

    6.4.5透视表与交叉表

    6.5本章实战例题

    6.6本章小结

    6.7本章习题

    第7章Matplotlib 基础及应用

    7.1Matplotlib简介

    7.1.1Matplotlib的主要特点

    7.1.2Matplotlib的安装

    7.2Matplotlib的基础知识

    7.2.1导入Matplotlib

    7.2.2Matplotlib中图形（Figure）的构成

    7.2.3Matplotlib的中文设置

    7.3Pyplot的使用

    7.3.1plt.plot()函数的使用

    7.3.2子图

    7.4Pyplot中的常用图形

    7.4.1散点图

    7.4.2柱状图

    7.4.3直方图

    7.4.4饼图

    7.4.53D图

    7.5本章实战例题

    7.6本章小结

    7.7本章习题

    第三部分数据挖掘理论与算法应用

    第8章分类

    8.1分类概述

    8.1.1分类的基本概念

    8.1.2常用的分类算法

    8.1.3分类算法的评价指标

    8.2分类的理论知识

    8.2.1信息熵

    8.2.2信息增益

    8.2.3基尼系数

    8.3决策树

    8.3.1决策树的基本概念

    8.3.2决策树的算法过程

    8.3.3scikitlearn中决策树的应用

    8.4朴素贝叶斯分类器

    8.4.1朴素贝叶斯分类器的基本介绍

    8.4.2朴素贝叶斯分类器的算法过程

    8.4.3scikitlearn中朴素贝叶斯分类器的应用

    8.5支持向量机

    8.5.1支持向量机简介

    8.5.2支持向量机的算法过程

    8.5.3scikitlearn中支持向量机的应用

    8.6梯度提升决策树

    8.6.1梯度提升决策树的基本概念

    8.6.2梯度提升决策树的算法过程

    8.6.3scikitlearn中梯度提升决策树的应用

    8.7Python中分类预测模型的小结

    8.8本章实战例题

    8.9本章小结

    8.10本章习题

    第9章聚类

    9.1聚类概述

    9.1.1聚类的基本概念

    9.1.2聚类中距离的度量

    9.1.3聚类的常用算法

    9.1.4聚类的评估

    9.2基于划分的KMeans聚类算法

    9.2.1KMeans的基本概念

    9.2.2KMeans的算法过程

    9.2.3scikitlearn中KMeans的应用

    9.3基于层次分析的聚类

    9.3.1基于层次分析的聚类的基本原理

    9.3.2基于层次分析的聚类过程

    9.3.3scikitlearn中Birch的应用

    9.4基于密度的聚类

    9.4.1基于密度的聚类的基本原理

    9.4.2基于密度的聚类过程

    9.4.3scikitlearn中DBSCAN的应用

    9.5本章实战例题

    9.6本章小结

    9.7本章习题

    第10章回归分析

    10.1回归概述

    10.1.1常用的回归模型

    10.1.2回归分析的步骤

    10.1.3回归的相关系数

    10.1.4回归模型的评价指标

    10.2线性回归

    10.2.1线性回归的原理

    10.2.2线性回归的应用

    10.2.3一元线性回归

    10.2.4多元线性回归

    10.3逻辑回归

    10.3.1逻辑回归的原理

    10.3.2LogisticRegression的应用

    10.3.3逻辑回归的应用

    10.4其他回归

    10.4.1多项式回归

    10.4.2岭回归

    10.4.3Lasso回归

    10.5本章实战例题

    10.6本章小结

    10.7本章习题

    第四部分综 合 案 例

    第11章实战案例：  电商消费者数据分析

    11.1案例背景

    11.2数据加载和预处理

    11.2.1加载需要的库及读入数据

    11.2.2数据信息初步分析

    11.2.3数据预处理

    11.3探索性数据分析

    11.3.1各国订单情况分析

    11.3.2客户情况分析

    11.3.3产品情况分析

    11.3.4按时间分析销售数据

    11.4本章小结

    第12章实战案例：  乳腺癌数据分析与预测

    12.1案例背景

    12.2数据加载和预处理

    12.2.1加载需要的库及读入数据

    12.2.2数据信息初步分析

    12.2.3数据预处理

    12.3探索性数据分析

    12.3.1诊断结果列的分布

    12.3.2数据分布的可视化分析

    12.3.3相关性分析

    12.4分类模型

    12.4.1LogisticRegression模型

    12.4.2决策树模型

    12.4.3SVM模型

    12.5提升预测准确率的策略

    12.5.1数据标准化或规范化

    12.5.2特征选择

    12.5.3参数调优

    12.6本章小结

    第13章实战案例：  钻石数据分析与预测

    13.1案例背景

    13.2数据加载和预处理

    13.2.1加载需要的库及读入数据

    13.2.2数据信息初步分析

    13.2.3数据预处理

    13.3探索性数据分析

    13.3.1类别特征分析

    13.3.2数值特征分析

    13.3.3相关性分析

    13.4回归模型的预测

    13.5本章小结

    参考文献

     
查看详情
相关分类
一年级 二年级 三年级 四年级 五年级 六年级 小升初 小学通用 初一 初二 初三 中考
12
相关图书 / 更多
Python数据分析与数据挖掘
Python程序设计基础与案例实战（慕课版）
张平
￥49.62 起
Python数据分析与数据挖掘
PyTorch实战
（印）Ashish Ranjan Jha（阿施·拉贾汉·贾）
￥86.00 起
Python数据分析与数据挖掘
Python游戏开发从入门到进阶实战
明日科技 编著
￥46.45 起
Python数据分析与数据挖掘
Pylon
Faulkner；William
￥92.00 起
Python数据分析与数据挖掘
PySpark大数据分析与应用
戴刚，张良均
￥43.97 起
Python数据分析与数据挖掘
Python推荐系统实战：基于深度学习、NLP和图算法的应用型推荐系统
（印）阿克谢·库尔卡尼 等
￥42.57 起
Python数据分析与数据挖掘
Python金融量化实战固定收益类产品分析
欧晨
￥49.40 起
Python数据分析与数据挖掘
Python量子计算实践：基于Qiskit和IBM Quantum Experience平台
（美）哈西·诺伦（Hassi Norlén）
￥63.26 起
Python数据分析与数据挖掘
Python金融量化分析
肖建军；高拴平
￥41.00 起
Python数据分析与数据挖掘
Python Streamlit从入门到实战——快速构建机器学习和数据科学Web应用（微课视频版）
王鑫
￥29.74 起
Python数据分析与数据挖掘
Python编程：时间序列分析入门与实战应用
王恺
￥38.80 起
Python数据分析与数据挖掘
Python语言科研绘图与学术图表绘制从入门到精通 科技绘图与科学可视化专业教程
关东升 编著
￥62.16 起
您可能感兴趣 / 更多
Python数据分析与数据挖掘
SPSS应用与案例分析
王洁；杨江澜；石会娟
￥10.00 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全