数据科学实战手册第2版

图书标准信息

• 作者 [印度]普拉罕·塔塔（Prabhanjan Tattar） 著；刘旭华、李晗、闫晗 译
• 出版社 人民邮电出版社
• 出版时间 2019-01
• 版次 1
• ISBN 9787115499257
• 定价 69.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 304页
• 字数 386千字
• 正文语种 简体中文

【内容简介】

本书对想学习数据分析的人来说是一本非常实用的参考书，书中有多个真实的数据分析案例，几乎是以手把手的方式教你一步一步地完成从数据分析的准备到分析结果报告的整个流程。无论是数据分析工作的从业者，还是有志于未来从事数据分析工作的在校大学生，都能从本书中获取一些新知识、新思想。

同时，本书也是一本学习和提高R及Python编程的参考书。很多人有这样的感触，单纯地学习编程语言是很枯燥的过程，但利用本书学习R和Python语言可以很好地解决这个问题，生动实用的数据集以及非常有意思的分析结果会极大地激发读者学习的兴趣。

本书案例包括汽车数据分析、税收数据分析、就业数据分析、股市数据分析、社交网络分析、大规模电影推荐、Twitter数据分析、新西兰海外游客预测分析以及德国信用数据分析等。

【作者简介】

作者简介

Prabhanjan Tattar有9年的统计分析工作经验。他的精力集中在通过简洁优美的程序解释统计和机器学习技术上。他已经写作了两本关于R的书，并在维护几个R包：gpk、RSADBE和ACSWR。

Tony Ojeda是一位经验丰富的数据科学家和企业家，在商业流程的****化方面非常专业，他是华盛顿特区数据实验室的创始人，致力于数据科学的教育事业和活动组织。

Sean Patrick Murphy在约翰? 霍普金斯大学的应用物理实验室做了15年的高级科研人员，他专注于机器学习、信号处理以及高性能计算等。他是MD数据科学见面会的联合创始人。

Benjamin Bengfort是一位非常有经验的数据科学家和Python开发者。他曾在业界和学术界工作过8年。他现在在马里兰大学派克学院攻读计算机博士学位

Abhijit Dasgupta有多年的生物制药行业咨询、商业分析、生物信息以及生物工程咨询方面的经验。他拥有华盛顿大学生物统计专业的博士学位，是华盛顿特区统计编程社群的创始人和联合组织者。

译者简介

刘旭华，现为中国农业大学理学院应用数学系副教授，北京理工大学博士，美国北卡莱罗纳大学教堂山分校访问学者，主要从事数理统计、数据科学、数学与统计软件等领域的教学与科研工作，主持及参与过多项国家自然科学基金、北京市自然科学基金等项目。

李晗，2015年毕业于广州华南理工大学，硕士期间主要从事信号处理、数据分析方面的研究。目前就职于中兴通讯，主要从事数据库、数据分析、容器化微服务方面的开发与运维工作。

闫晗：中国人民大学统计学院硕士，“统计之都”编辑部“搬砖工”。

【目录】

第 1章　准备数据科学环境 1

1．1 理解数据科学管道 2

1．1．1 操作流程 2

1．1．2 工作原理 3

1．2 在Windows、Mac OS X和Linux上安装R 4

1．2．1 准备工作 4

1．2．2 操作流程 4

1．2．3 工作原理 6

1．3 在R和RStudio中安装扩展包 6

1．3．1 准备工作 6

1．3．2 操作流程 6

1．3．3 工作原理 8

1．3．4 更多内容 8

1．4 在Linux和Mac OS X上安装Python 9

1．4．1 准备工作 9

1．4．2 操作流程 9

1．4．3 工作原理 9

1．5 在Windows上安装Python 10

1．5．1 操作流程 10

1．5．2 工作原理 11

1．6 在Mac OS X和Linux上安装Python数据库 11

1．6．1 准备工作 11

1．6．2 操作流程 12

1．6．3 工作原理 12

1．6．4 更多内容 13

1．7 安装更多Python包 13

1．7．1 准备工作 14

1．7．2 操作流程 14

1．7．3 工作原理 15

1．7．4 更多内容 15

1．8 安装和使用virtualenv 15

1．8．1 准备工作 16

1．8．2 操作流程 16

1．8．3 工作原理 18

1．8．4 更多内容 18

第 2章　基于R的汽车数据可视化分析 19

2．1 简介 19

2．2 获取汽车燃料效率数据 20

2．2．1 准备工作 20

2．2．2 操作流程 20

2．2．3 工作原理 21

2．3 为你的第 一个分析项目准备好R 21

2．3．1 准备工作 21

2．3．2 操作流程 21

2．3．3 更多内容 22

2．4 将汽车燃料效率数据导入R 22

2．4．1 准备工作 22

2．4．2 操作流程 22

2．4．3 工作原理 24

2．4．4 更多内容 24

2．5 探索并描述燃料效率数据 25

2．5．1 准备工作 25

2．5．2 操作流程 25

2．5．3 工作原理 27

2．5．4 更多内容 28

2．6 分析汽车燃料效率数据随时间的变化情况 29

2．6．1 准备工作 29

2．6．2 操作流程 29

2．6．3 工作原理 37

2．6．4 更多内容 38

2．7 研究汽车的品牌和型号 38

2．7．1 准备工作 39

2．7．2 操作流程 39

2．7．3 工作原理 41

2．7．4 更多内容 41

第3章　基于Python的税收数据应用导向分析 42

3．1 简介 42

3．2 高收入数据分析的准备工作 44

3．2．1 准备工作 44

3．2．2 操作流程 44

3．2．3 工作原理 45

3．3 导入并探索性地分析世界高收入数据集 45

3．3．1 准备工作 45

3．3．2 操作流程 45

3．3．3 工作原理 51

3．3．4 更多内容 52

3．4 分析并可视化美国高收入数据 53

3．4．1 准备工作 53

3．4．2 操作流程 53

3．4．3 工作原理 59

3．5 进一步分析美国高收入群体 60

3．5．1 准备工作 60

3．5．2 操作流程 60

3．5．3 工作原理 64

3．6 使用Jinja2汇报结果 64

3．6．1 准备工作 64

3．6．2 操作流程 64

3．6．3 工作原理 69

3．6．4 更多内容 69

3．7 基于R的数据分析再实现 70

3．7．1 准备工作 70

3．7．2 操作流程 70

3．7．3 更多内容 74

第4章　股市数据建模 75

4．1 简介 75

4．2 获取股市数据 76

4．3 描述数据 78

4．3．1 准备工作 78

4．3．2 操作流程 78

4．3．3 工作原理 79

4．3．4 更多内容 79

4．4 清洗并探索性地分析数据 80

4．4．1 准备工作 80

4．4．2 操作流程 80

4．4．3 工作原理 85

4．5 生成相对估值 85

4．5．1 准备工作 86

4．5．2 操作流程 86

4．5．3 工作原理 89

4．6 筛选股票并分析历史价格 90

4．6．1 准备工作 90

4．6．2 操作流程 90

4．6．3 工作原理 95

第5章　就业数据可视化探索 96

5．1　简介 96

5．2　分析前的准备工作 97

5．2．1　准备工作 97

5．2．2　操作流程 97

5．2．3　工作原理 98

5．3　将就业数据导入R 99

5．3．1　准备工作 99

5．3．2　操作流程 99

5．3．3　工作原理 99

5．3．4　更多内容 100

5．4　探索就业数据 101

5．4．1　准备工作 101

5．4．2　操作流程 101

5．4．3　工作原理 102

5．5　获取、合并附加数据 103

5．5．1　准备工作 103

5．5．2　操作流程 103

5．5．3　工作原理 105

5．6　添加地理信息 105

5．6．1　准备工作 106

5．6．2　操作流程 106

5．6．3　工作原理 108

5．7　提取州和县级水平的薪资及就业信息 109

5．7．1　准备工作 109

5．7．2　操作流程 110

5．7．3　工作原理 111

5．8　可视化薪资的地理分布 112

5．8．1　准备工作 112

5．8．2　操作流程 113

5．8．3　工作原理 115

5．9　分行业探索就业机会的地理分布 115

5．9．1　操作流程 116

5．9．2　工作原理 117

5．9．3　更多内容 117

5．10　绘制地理时间序列的动画地图 118

5．10．1　准备工作 118

5．10．2　操作流程 118

5．10．3　工作原理 122

5．10．4　更多内容 122

5．11　函数基本性能测试 122

5．11．1　准备工作 123

5．11．2　操作流程 123

5．11．3　工作原理 125

5．11．4　更多内容 125

第6章　汽车数据可视化（基于Python） 126

6．1　简介 126

6．2　IPython入门 127

6．2．1　准备工作 127

6．2．2　操作流程 127

6．2．3　工作原理 130

6．3　熟悉Jupyter Notebook 130

6．3．1　准备工作 130

6．3．2　操作流程 130

6．3．3　工作原理 132

6．3．4　更多内容 132

6．4　为分析汽车燃料效率做好准备 133

6．4．1　准备工作 133

6．4．2　操作流程 133

6．4．3　工作原理 134

6．4．4　更多内容 134

6．5　用Python探索并描述汽车燃料效率数据 135

6．5．1　准备工作 135

6．5．2　操作流程 135

6．5．3　工作原理 138

6．5．4　更多内容 138

6．6　用Python分析汽车燃料效率随时间变化的情况 139

6．6．1　准备工作 139

6．6．2　操作流程 139

6．6．3　工作原理 144

6．6．4　更多内容 145

6．7　用Python研究汽车的品牌和型号 146

6．7．1　准备工作 146

6．7．2　操作流程 146

6．7．3　工作原理 149

第7章　社交网络分析（基于Python） 151

7．1　简介 151

7．2　准备用Python进行社交网络的分析工作 153

7．2．1　准备工作 153

7．2．2　操作流程 154

7．2．3　工作原理 154

7．2．4　更多内容 154

7．3　导入网络 155

7．3．1　准备工作 155

7．3．2　操作流程 155

7．3．3　工作原理 156

7．4　探索英雄网络的子图 157

7．4．1　准备工作 157

7．4．2　操作流程 158

7．4．3　工作原理 160

7．4．4　更多内容 160

7．5　找出强关联 160

7．5．1　准备工作 161

7．5．2　操作流程 161

7．5．3　工作原理 163

7．5．4　更多内容 164

7．6　找出关键人物 164

7．6．1　准备工作 164

7．6．2　操作流程 164

7．6．3　工作原理 168

7．6．4　更多内容 168

7．7　探索全网特征 174

7．7．1　准备工作 174

7．7．2　操作流程 174

7．7．3　工作原理 175

7．8　社交网络中的聚类和社群发现 175

7．8．1　准备工作 176

7．8．2　操作流程 176

7．8．3　工作原理 179

7．8．4　更多内容 179

7．9　可视化图 180

7．9．1　准备工作 180

7．9．2　操作流程 180

7．9．3　工作原理 181

7．10　R中的社交网络分析 182

7．10．1　准备工作 182

7．10．2　操作流程 183

7．10．3　工作原理 188

第8章　大规模电影推荐（基于Python） 189

8．1　简介 189

8．2　对偏好建模 191

8．2．1　操作流程 191

8．2．2　工作原理 191

8．3　理解数据 192

8．3．1　准备工作 192

8．3．2　操作流程 193

8．3．3　工作原理 194

8．3．4　更多内容 194

8．4　提取电影评分数据 195

8．4．1　准备工作 195

8．4．2　操作流程 195

8．4．3　工作原理 197

8．5　寻找高评分电影 199

8．5．1　准备工作 199

8．5．2　操作流程 199

8．5．3　工作原理 200

8．5．4　更多内容 201

8．6　改善电影评分系统 201

8．6．1　准备工作 201

8．6．2　操作流程 201

8．6．3　工作原理 202

8．6．4　更多内容 203

8．7　计算用户在偏好空间中的距离 203

8．7．1　准备工作 204

8．7．2　操作流程 204

8．7．3　工作原理 205

8．7．4　更多内容 206

8．8　计算用户之间的相关性 206

8．8．1　准备工作 206

8．8．2　操作流程 207

8．8．3　工作原理 208

8．8．4　更多内容 208

8．9　为用户寻找最佳影评人 208

8．9．1　准备工作 209

8．9．2　操作流程 209

8．9．3　工作原理 210

8．10　预测用户电影评分 211

8．10．1　准备工作 211

8．10．2　操作流程 211

8．10．3　工作原理 212

8．11　基于物品的协同过滤 213

8．11．1　准备工作 214

8．11．2　操作流程 214

8．11．3　工作原理 215

8．12　建立非负矩阵分解模型 216

8．12．1　操作流程 217

8．12．2　工作原理 217

8．13　将数据集载入内存 219

8．13．1　准备工作 219

8．13．2　操作流程 219

8．13．3　工作原理 220

8．13．4　更多内容 221

8．14　导出SVD模型到硬盘 221

8．14．1　操作流程 222

8．14．2　工作原理 223

8．15　训练SVD模型 223

8．15．1　操作流程 223

8．15．2　工作原理 225

8．15．3　更多内容 225

8．16　测试SVD模型 226

8．16．1　操作流程 226

8．16．2　工作原理 226

8．16．3　更多内容 227

第9章　获取和定位Twitter数据（基于Python） 228

9．1　简介 228

9．2　创建Twitter应用 229

9．2．1　准备工作 229

9．2．2　操作流程 230

9．2．3　工作原理 232

9．3　了解Twitter API v1．1 232

9．3．1　准备工作 233

9．3．2　操作流程 233

9．3．3　工作原理 234

9．3．4　更多内容 235

9．4　获取粉丝和好友信息 236

9．4．1　准备工作 236

9．4．2　操作流程 236

9．4．3　工作原理 238

9．4．4　更多内容 238

9．5　获取Twitter用户信息 239

9．5．1　准备工作 239

9．5．2　操作流程 239

9．5．3　工作原理 240

9．5．4　更多内容 240

9．6　避免Twitter速度限制 241

9．6．1　准备工作 241

9．6．2　操作流程 241

9．6．3　工作原理 242

9．7　存储JSON数据至硬盘 242

9．7．1　准备工作 242

9．7．2　操作流程 242

9．7．3　工作原理 243

9．8　搭建MongoDB存储Twitter数据 243

9．8．1　准备工作 244

9．8．2　操作流程 244

9．8．3　工作原理 245

9．8．4　更多内容 245

9．9　利用PyMongo存储用户信息到MongoDB 246

9．9．1　准备工作 246

9．9．2　操作流程 246

9．9．3　工作原理 247

9．10　探索用户地理信息 247

9．10．1　准备工作 248

9．10．2　操作流程 248

9．10．3　工作原理 249

9．10．4　更多内容 250

9．11　利用Python绘制地理分布图 250

9．11．1　准备工作 250

9．11．2　操作流程 250

9．11．3　工作原理 251

9．11．4　更多内容 252

第 10章　预测新西兰的海外游客 254

10．1　简介 254

10．2　时间序列（ts）对象 255

10．2．1　准备工作 256

10．2．2　操作流程 256

10．2．3　工作原理 257

10．3　可视化时间序列数据 257

10．3．1　准备工作 258

10．3．2　操作流程 258

10．3．3　工作原理 260

10．4　简单的线性回归模型 261

10．4．1　准备工作 261

10．4．2　操作流程 261

10．4．3　工作原理 265

10．5　ACF和PACF 265

10．5．1　准备工作 266

10．5．2　操作流程 266

10．5．3　工作原理 267

10．6　ARIMA模型 267

10．6．1　准备工作 268

10．6．2　操作流程 268

10．6．3　工作原理 275

10．7　精确性评估 275

10．7．1　准备工作 276

10．7．2　操作流程 276

10．7．3　工作原理 276

10．8　拟合季节性ARIMA模型 277

10．8．1　准备工作 277

10．8．2　操作流程 277

10．8．3　工作原理 279

10．8．4　更多内容 279

第 11章　德国信用数据分析 280

11．1　简介 280

11．2　简单数据转换 281

11．2．1　准备工作 281

11．2．2　操作流程 281

11．2．3　工作原理 283

11．2．4　更多内容 283

11．3　可视化分类数据 283

11．3．1　准备工作 284

11．3．2　操作流程 284

11．3．3　工作原理 286

11．4　判别分析 286

11．4．1　准备工作 287

11．4．2　操作流程 287

11．4．3　工作原理 290

11．5　划分数据和ROC 290

11．5．1　准备工作 292

11．5．2　操作流程 292

11．6　拟合逻辑回归模型 293

11．6．1　准备工作 293

11．6．2　操作流程 293

11．6．3　工作原理 297

11．7　决策树和决策规则 298

11．7．1　准备工作 298

11．7．2　操作流程 298

11．7．3　工作原理 301

11．8　德国信用数据决策树 301

11．8．1　准备工作 301

11．8．2　操作流程 301

11．8．3　工作原理 304