消息 首页 搜索 举报
  • 正版书籍PYTHON数据分析、挖掘与可视化从入门到精通熊熙,张雪莲 编著9787301347690新华仓库多仓直发
21年品牌 40万+商家 超1.5亿件商品

正版书籍PYTHON数据分析、挖掘与可视化从入门到精通熊熙,张雪莲 编著9787301347690新华仓库多仓直发

正版新书 新华官方库房直发 可开电子发票

￥ 66.19 7.4折 ￥ 89 全新

库存8件

江苏无锡
认证卖家担保交易快速发货售后保障

作者熊熙,张雪莲 编著

出版社北京大学出版社

ISBN9787301347690

出版时间2024-06

装帧平装

开本16开

定价89元

货号1203291217

上书时间2024-09-20

千正旗舰版一正版促销

九年老店
已实名 已认证 进店 收藏店铺
  • 店主推荐
  • 最新上架

   商品详情   

品相描述：全新
商品描述
作者简介
熊熙
  ----------------------------  
熊熙，博士，成都信息工程大学网络空间安全学院副教授，硕士研究生导师，成都电子行业新经济产业专家，CCF会员，CCF计算机应用专委会执行委员。曾在大唐移动通信设备有限公司担任高级软件工程师，研究方向包括数据挖掘与分析、自然语言处理与知识图谱、信息抽取与推荐算法、工业互联网等。主持和主研guojia级和省部级以上项目8项。

张雪莲
  ----------------------------  
张雪莲，硕士，四川大学锦江学院讲师，大学计算机基础教研室主任助理，CCF会员。多年来一直从事软件工程相关课程的教学工作，具有丰富的实践教学经验。

目录
第1篇  基础入门篇
第1章从零开始：初识数据分析与挖掘
1.1什么是数据分析   3
1.1.1  与数据相关的概念   3
1.1.2  什么是大数据   3
1.1.3  数据分析工具   4
1.1.4  数据分析技术的发展   7
1.2什么是数据挖掘   8
1.2.1  数据挖掘相关概念   8
1.2.2  数据挖掘起源   9
1.2.3  数据挖掘要解决的问题   10
1.2.4  数据挖掘任务   10
1.3数据分析与挖掘的应用领域   11
1.4用Python进行数据分析与挖掘   12
1.4.1  Python语言概述   12
1.4.2  Python的优点   13
1.4.3  认识Python常用库   14
1.5本章小结   15
1.6思考与练习   15
第2章Python数据分析基础
2.1搭建Python开发环境   17
2.1.1  安装Python   17
2.1.2  安装PyCharm    18
2.1.3  安装Anaconda   19
2.1.4  安装与使用Jupyter    20
2.2Python基础   21
2.2.1  Python基础语法   21
2.2.2  Python基本数据类型   24
2.2.3  Python控制流与文件操作   31
2.2.4  Python函数与模块   39
2.2.5  Python面向对象程序设计   44
2.3本章小结   52
2.4思考与练习   52
第3章Python数据分析相关库应用
3.1NumPy   54
3.1.1  初识NumPy   54
3.1.2  创建数组   54
3.1.3  数组的基本操作   58
3.1.4  NumPy矩阵的基本操作   63
3.2SciPy   66
3.2.1  初识SciPy   66
3.2.2  统计子模块scipy.stats   66
3.2.3  优化子模块scipy.optimize   68
3.2.4  插值子模块scipy.interpolate   69
3.3Pandas   70
3.3.1  初识Pandas   70
3.3.2  Pandas的数据结构   70
3.3.3  Pandas对象的基本操作   73
3.3.4  基本统计分析   80
3.4Scikit-learn   82
3.4.1  初识Scikit-learn    82
3.4.2  线性回归模型   83
3.4.3  支持向量机   85
3.4.4  聚类   87
3.5其他常用模块    89
3.6本章小结   90
3.7思考与练习   91
第2篇  数据分析篇
第4章数据的预处理
4.1数据获取   94
4.1.1  爬虫概述   94
4.1.2  爬虫常用库和框架   95
4.1.3  数据获取实践   100
4.2文件与数据存储   104
4.2.1  概述   104
4.2.2  CSV文件   105
4.2.3  JSON文件   107
4.2.4  XLSL文件   108
4.2.5  SQL数据库文件   110
4.3数据清洗   111
4.3.1  编码   112
4.3.2  缺失值的检测与处理   113
4.3.3  去除异常值   116
4.3.4  去除重复值和冗余信息   118
4.4本章小结   120
4.5思考与练习   120
第5章数据的分析方法
5.1分布分析   123
5.1.1  分布分析的概念   123
5.1.2  分布分析的实现   123
5.2对比分析   128
5.2.1  对比分析的概念   128
5.2.2  对比分析的比较标准   129
5.2.3  对比分析的实现   131
5.3统计量分析   133
5.3.1  统计量分析的概念   133
5.3.2  统计量分析的实现   133
5.4相关性分析   137
5.4.1  相关性分析的概念   137
5.4.2  相关性分析的作用   138
5.4.3  相关性分析的实现   138
5.5帕累托分析   141
5.5.1  帕累托分析的概念   141
5.5.2  帕累托分析的实现   142
5.6正态分布分析   143
5.6.1  正态分布分析的概念   144
5.6.2  正态分布分析的实现   144
5.7本章小结   150
5.8思考与练习   150
第6章数据可视化工具的应用
6.1数据可视化工具——Matplotlib   153
6.1.1  安装Matplotlib模块   153
6.1.2  绘制基础图形   154
6.1.3  图形的设置   163
6.1.4  绘制多个子图   168
6.2数据可视化工具——Seaborn   169
6.2.1  Seaborn库简介    170
6.2.2  Seaborn常用统计图   170
6.3本章小结   173
6.4思考与练习   173
第3篇  数据挖掘篇
第7章数据挖掘之线性回归
7.1线性回归概述   177
7.2一元线性回归   177
7.2.1  一元线性回归原理分析   178
7.2.2  一元线性回归代码实现   178
7.2.3  线性回归方法总结   183
7.3多元线性回归   183
7.3.1  多元线性回归原理分析   183
7.3.2  多元线性回归代码实现   184
7.4线性回归模型的评估与检验   187
7.4.1  拟合优度检验（R2评估）   187
7.4.2  显著性检验（F检验）   188
7.4.3  回归参数显著性检验（T检验）   194
7.5本章小结   196
7.6思考与练习   196
第8章数据挖掘之分类模型
8.1逻辑回归模型   199
8.1.1  逻辑回归模型的原理   199
8.1.2  分类模型评估   200
8.1.3  逻辑回归模型实现二分类   206
8.2决策树和随机森林算法   210
8.2.1  决策树的工作原理   210
8.2.2  特征选择   211
8.2.3  决策树的生成   213
8.2.4  决策树的剪枝   217
8.2.5  随机森林算法   223
8.3KNN算法   225
8.3.1  KNN算法的思想   225
8.3.2  相似性的度量方法   225
8.3.3  KNN算法的性能   226
8.3.4  KNN算法的实现   227
8.4本章小结   230
8.5思考与练习   231
第9章数据挖掘之关联分析
9.1关联分析概述   235
9.1.1  关联分析的基本概念   235
9.1.2  常见的关联分析算法   236
9.2Apriori关联分析算法   237
9.2.1  Apriori算法原理   237
9.2.2  Apriori算法挖掘频繁项集   238
9.2.3  从频繁项集中挖掘关联规则   238
9.2.4  基于Python实现Apriori算法   239
9.2.5  Apriori算法总结   243
9.3FP-growth关联分析算法   244
9.3.1  构建FP树   244
9.3.2  从一棵FP树中挖掘频繁项集   246
9.3.3  FP-growth算法实例   248
9.3.4  FP-growth算法总结   252
9.4本章小结   253
9.5思考与练习   253
第10章数据挖掘之聚类分析
10.1聚类分析概述   255
10.1.1  聚类分析的概念   255
10.1.2  聚类分析的方法   255
10.1.3  聚类结果性能评估指标   256
10.2质心聚类——K-Means算法   257
10.2.1  K-Means算法的原理   257
10.2.2  Python实现K-Means算法   260
10.3密度聚类——DBSCAN算法   263
10.3.1  DBSCAN算法的原理   263
10.3.2  Python实现DBSCAN算法   265
10.4层次聚类——AGNES算法   267
10.4.1  AGNES算法的原理   268
10.4.2  Python实现AGNES算法   268
10.5本章小结   270
10.6思考与练习   270
第4篇  实战应用篇
第11章实战案例：房价评估数据分析与挖掘
11.1加载数据集   274
11.2数据分析   274
11.3数据可视化   275
11.4数据预处理   277
11.5拆分数据集   279
11.6建立线性回归模型   282
11.7建立决策树模型   291
11.8对比分析构建的线性回归和决策树模型   294
11.9本章小结   296
第12章实战案例：电信客户流失数据分析与挖掘
12.1案例背景   298
12.2加载数据   298
12.3数据准备   300
12.4数据清洗   301
12.4.1  缺失值处理   301
12.4.2  重复值处理   301
12.4.3  数值类型转换   301
12.5数据处理    304
12.6数据可视化    305
12.7特征工程   313
12.8数据建模   318
12.9训练模型   318
12.10  模型的评估   319
12.11  本章小结   320

内容摘要
笔者根据自己多年的数据分析与挖掘经验，从零基础读者的角度，详尽地介绍了Python数据分析与挖掘的基础知识及大量的实战案例。
全书分为4篇，第1篇是基础入门篇，主要介绍数据分析与挖掘的基本概念及Python语言的数据分析基础；第2篇是数据分析篇，主要介绍常用的数据分析方法；第3篇是数据挖掘篇，主要介绍常用的数据挖掘方法；第4篇是实战应用篇，介绍两个完整的数据分析与挖掘案例，让读者了解如何系统地应用前面学到的各种方法解决实际问题。对于书中的大部分章节，笔者还结合实际工作及面试经验，精心配备了大量高质量的练习题，供读者边学边练，以便更好地掌握本书内容。
本书配备所有案例的源码，适合有一定数学基础的读者使用，但不要求读者具备编程基础，适合刚入行的数据分析人员或从事与数据相关工作、对数据感兴趣的人员，也适合从事其他岗位但想掌握一定的数据分析能力的职场人员，还可以作为大中专院校相关专业的教学参考用书。

主编推荐
（1）理论讲解与实践结合。每个理论都有对应的实践代码讲解，读者参考源代码，完成实例，就可以看到实验效果。
（2）知识教学与课后练习。大部分章节末尾都配备思考与练习题，旨在帮助读者巩固所学知识，并达到学以致用的目的。
（3）综合实战，学以致用。通过最后两章完整案例的学习，可以帮助读者针对特定场景快速设计数据分析与挖掘的方案。
（4）配套资源，轻松学会。赠送书中同步实例的相关源代码文件+重点知识的教学视频+制作精美的PPT课件。

   相关推荐   

—  没有更多了  —

店铺评价
消息 首页 搜索

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP