Python数据分析与可视化

图书标准信息

• 作者 吕云翔 姚泽良 李伊琳 编著
• 出版社 机械工业出版社
• 出版时间 2022-04
• 版次 1
• ISBN 9787111701187
• 定价 59.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 216页
• 字数 331千字

【内容简介】

《Python数据分析与可视化》介绍了数据分析的各主要流程，并引入了6个完整的数据分析案例。《Python数据分析与可视化》从理论和案例两个角度对数据分析与可视化以及Python的工具进行了介绍，采用理论分析和编程实践相结合的形式，按照数据分析的基本步骤介绍了数据分析的理论知识，并对相应的Python库进行了详细介绍，让读者在了解数据分析的基本理论知识的同时能够快速上手实现数据分析的程序。
  《Python数据分析与可视化》适合Python语言初学者、数据分析从业人士以及高等院校计算机、软件工程、大数据、人工智能等相关专业的师生使用。

【目录】

前言

第1章数据分析是什么

1.1海量数据蕴藏的知识

1.2数据分析与数据挖掘的关系

1.3机器学习概述

1.4机器学习与数据分析的关系

1.5数据分析的基本步骤

1.6Python和数据分析

习题

第2章Python语言基础

2.1Python发展史

2.2Python及Pandas、scikit-

learn、Matplotlib的

安装

2.2.1Windows环境下Python的

安装

2.2.2Ubuntu和Mac环境下

Python的安装

2.2.3集成开发环境

2.2.4使用pip安装Pandas、

scikit-learn和Matplotlib

2.2.5使用第三方科学计算发行版

Python进行快速安装

2.3Pycharm

2.4Python基础知识

2.4.1Python编码规范

2.4.2模块化的系统

2.5Python基础语法

2.5.1数据类型

2.5.2基本计算

2.5.3控制语句

2.6重要的Python库

2.6.1Pandas

2.6.2scikit-learn

2.6.3Matplotlib

2.6.4其他

2.7Jupyter

习题

第3章数据预处理

3.1了解数据

3.2数据质量

3.2.1完整性

3.2.2一致性

3.2.3准确性

3.2.4及时性

3.3数据清洗

3.4特征工程

3.4.1特征选择

3.4.2特征构建

3.4.3特征提取

习题

第4章NumPy——数据分析基础

工具

4.1多维数组对象：ndarray

4.1.1ndarray的创建

4.1.2ndarray的数据类型

4.2ndarray的索引、切片和

迭代

4.3ndarray的shape操作

4.4ndarray的基础操作

4.5习题

第5章Pandas——处理结构化

数据

5.1基本数据结构

5.1.1Series

5.1.2DataFrame

5.2基于Pandas的Index对象的

访问操作

5.2.1Pandas的Index对象

5.2.2索引的不同访问方式

5.3数学统计和计算工具

5.3.1统计函数：协方差、相关

系数、排序

5.3.2窗口函数

5.4数学聚合和分组运算

5.4.1agg函数的聚合操作

5.4.2transform函数的转换

操作

5.4.3apply函数实现一般的

操作

习题

第6章数据分析与知识发现的一些

常用方法

6.1分类分析

6.1.1逻辑回归

6.1.2线性判别分析

6.1.3支持向量机

6.1.4决策树

6.1.5K邻近

6.1.6朴素贝叶斯

6.2关联分析

6.2.1基本概念

6.2.2典型算法

6.3聚类分析

6.3.1K均值算法

6.3.2DBSCAN算法

6.4回归分析

6.4.1线性回归分析

6.4.2支持向量回归

6.4.3K邻近回归

习题

第7章Pandas与scikit-learn——实

现数据的分析

7.1分类方法

7.1.1Logistic回归

7.1.2支持向量机

7.1.3近邻算法

7.1.4决策树

7.1.5随机梯度下降

7.1.6高斯过程分类

7.1.7神经网络分类（多层感

知器）

7.1.8朴素贝叶斯

7.2回归方法

7.2.1小二乘法

7.2.2岭回归

7.2.3Lasso

7.2.4贝叶斯岭回归

7.2.5决策树回归

7.2.6高斯过程回归

7.2.7近邻回归

7.3聚类方法

7.3.1K-means算法

7.3.2AffinityPropagation算法

7.3.3Mean-shift算法

7.3.4SpectralClustering算法

7.3.5HierarchicalClustering

算法

7.3.6DBSCAN算法

7.3.7Birch算法

习题

第8章Matplotlib——交互式图表

绘制

8.1基本布局对象

8.2图表样式的修改以及装饰项

接口

8.3基础图表绘制

8.3.1直方图

8.3.2散点图

8.3.3饼图

8.3.4柱状图

8.3.5折线图

8.3.6表格

8.3.7不同坐标系下的图像

8.4matplot3D

8.5Matplotlib与Jupyter结合

习题

第9章案例：新生信息分析与

可视化

9.1使用Pandas对数据预

处理

9.2使用Matplotlib库画图

9.3使用Pandas进行绘图

第10章案例：用户流失预警

10.1读入数据

10.2数据预处理

10.3五折交叉验证

10.4引入3种模型

10.5调整prob阈值输出精确

评估

第11章案例：美国加利福尼亚房价

预测的数据分析

11.1数据分析常用的Python

工具库

11.1.1Pandas

11.1.2NumPy

11.1.3Matplotlib

11.1.4Sklearn

11.2数据的读入和初步分析

11.2.1数据读入

11.2.2分割测试集与训练集

11.2.3数据的初步分析

11.3数据的预处理

11.3.1拆分数据

11.3.2空白值的填充

11.3.3数据的标准化

11.3.4数据的流程化处理

11.4模型的构建

11.4.1查看不同模型的表现

11.4.2选择效果好的模型进行

预测

第12章案例：基于上下文感知的

多模态交通推荐

12.1题目理解

12.1.1题目背景

12.1.2数据说明

12.1.3评测指标

12.1.4输出格式

12.2解决方案

12.2.1工具包导入

12.2.2特征工程

第13章案例：机器人路径走

迷宫

13.1关键技术

13.1.1马尔科夫决策过程

13.1.2Bellman方程

13.2程序设计步骤

13.2.1初始化迷宫地图

13.2.2计算不同位置

路径

第14章案例：基于Python Elasticsearch

实现搜索附近小区房价

14.1程序设计

14.2准备数据

14.3安装以及使用

Elasticsearch

14.4实现附近房价搜索

的搜索引擎

参考文献