Python数据分析
￥ 12.59 1.8折 ￥ 69 九五品
仅1件
作者(美)阿曼多·凡丹戈(Armando Fandango) 著
出版社人民邮电出版社
ISBN9787115481177
出版时间2018-06
版次1
装帧平装
开本16开
纸张胶版纸
页数274页
字数99999千字
定价69元
上书时间2024-12-17
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:Python数据分析
定价：69.00元
作者:(美)阿曼多·凡丹戈(Armando Fandango) 著,韩波 译
出版社：人民邮电出版社
出版日期：2018-06-01
ISBN：9787115481177
字数：362000
页码：274
版次：2
装帧：平装
开本：16开
商品重量：
编辑推荐
Python拥有许多强大的程序库，已经成为进行各种数据分析和预测建模任务的流行平台。Python的应用范围很广，拓展性很大。本书介绍了众多的Python模块，例如Matplotlib、statsmodels、scikit-learn和NLTK。同时，本书还介绍了Python如何与外部环境（例如R、Fortran、C/C++和Boost库）进行交互。 通过阅读本书，你将学会如何使用Python处理和操作数据，并完成复杂的分析和建模。我们将借助NumPy和Pandas来学习数据的各种操作。本书将介绍如何从各种数据源（例如SQL、NoSQL、CSV文件和HDF5）中存储和检索数据。此外，我们还将学习如何通过可视化库实现数据的可视化，以及信号处理、时间序列、文本数据分析、机器学习和社交媒体分析等主题。
内容提要
Python作为一种程序设计语言，凭借其简洁、易读及可扩展性日渐成为程序设计领域备受推崇的语言。同时，Python语言的数据分析功能也逐渐为大众所认可。本书就是一本介绍如何用Python进行数据分析的学习指南。全书共12章，从Python程序库入门、NumPy数组和Pandas入门开始，陆续介绍了数据的检索、数据加工与存储、数据可视化等内容。同时，本书还介绍了信号处理与时间序列、应用数据库、分析文本数据与社交媒体、预测性分析与机器学习、Python生态系统的外部环境和云计算、性能优化及分析、并发性等内容。在本书的很后，还采用3个附录的形式为读者补充了一些重要概念、常用函数以及在线资源等重要内容。本书延续了上一版示例丰富、简单易懂的优点，很好适合对Python语言感兴趣或者想要使用Python语言进行数据分析的读者参考阅读。
目录
章 Python程序库入门 11.1 安装Python 3 31.1.1 安装数据分析程序库 31.1.2 Linux平台或Mac OS X平台 31.1.3 Windows平台 41.2 将IPython用作shell 41.3 学习手册页 61.4 Jupyter Notebook 71.5 NumPy数组 81.6 一个简单的应用 81.7 从何处寻求帮助和参考资料 111.8 查看Python库中包含的模块 121.9 通过Matplotlib实现数据的可视化 121.10 小结 14第2章 NumPy数组 152.1 NumPy数组对象 162.2 创建多维数组 172.3 选择NumPy数组元素 172.4 NumPy的数值类型 182.4.1 数据类型对象 202.4.2 字符码 202.4.3 dtype构造函数 212.4.4 dtype属性 222.5 一维数组的切片与索引 232.6 处理数组形状 232.6.1 堆叠数组 252.6.2 拆分NumPy数组 282.6.3 NumPy数组的属性 302.6.4 数组的转换 342.7 创建数组的视图和拷贝 352.8 花式索引 362.9 基于位置列表的索引方法 382.10 用布尔型变量索引NumPy数组 392.11 NumPy数组的广播 412.12 小结 442.13 参考资料 44第3章 Pandas入门 453.1 Pandas的安装与概览 463.2 Pandas数据结构之DataFrame 473.3 Pandas数据结构之Series 493.4 利用Pandas查询数据 523.5 利用Pandas的DataFrame进行统计计算 563.6 利用Pandas的DataFrame实现数据聚合 583.7 DataFrame的串联与附加操作 623.8 连接DataFrames 633.9 处理缺失数据问题 653.10 处理日期数据 673.11 数据透视表 703.12 小结 713.13 参考资料 71第4章 统计学与线性代数 724.1 用NumPy进行简单的描述性统计计算 724.2 用NumPy进行线性代数运算 754.2.1 用NumPy求矩阵的逆 754.2.2 用NumPy解线性方程组 774.3 用NumPy计算特征值和特征向量 784.4 NumPy随机数 804.4.1 用二项式分布进行博弈 814.4.2 正态分布采样 834.4.3 用SciPy进行正态检验 844.5 创建掩码式NumPy数组 864.6 忽略负值和极值 884.7 小结 91第5章 数据的检索、加工与存储 925.1 利用NumPy和pandas对CSV文件进行写操作 925.2 二进制.npy与pickle格式 945.3 使用PyTables存储数据 975.4 Pandas DataFrame与HDF5仓库之间的读写操作 995.5 使用Pandas读写Excel文件 1025.6 使用REST Web服务和JSON 1035.7 使用Pandas读写JSON 1055.8 解析RSS和Atom订阅 1065.9 使用Beautiful Soup解析HTML 1085.10 小结 1145.11 参考资料 114第6章 数据可视化 1156.1 Matplotlib的子库 1166.2 Matplotlib绘图入门 1166.3 对数图 1186.4 散点图 1196.5 图例和注解 1216.6 三维图 1236.7 Pandas绘图 1256.8 时滞图 1276.9 自相关图 1296.10 Plot.ly 1306.11 小结 132第7章 信号处理与时间序列 1337.tatsmodels模块 1347.2 移动平均值 1347.3 窗口函数 1367.4 协整的定义 1387.5 自相关 1407.6 自回归模型 1427.7 ARMA模型 1457.8 生成周期信号 1477.9 傅里叶分析 1497.10 谱分析 1527.11 滤波 1537.12 小结 155第8章 应用数据库 1568.1 基于sqlite3的轻量级访问 1578.2 通过Pandas访问数据库 1598.3 SQLAlchemy 1618.3.1 SQLAlchemy的安装和配置 1618.3.2 通过SQLAlchemy填充数据库 1628.3.3 通过SQLAlchemy查询数据库 1648.4 Pony ORM 1668.5 Dataset：懒人数据库 1678.6 PyMongo与MongoDB 1688.7 利用Redis存储数据 1708.8 利用memcache存储数据 1718.9 Apache Cassandra 1728.10 小结 174第9章 分析文本数据和社交媒体 1769.1 安装NLTK 1779.2 NLTK简介 1779.3 滤除停用字、姓名和数字 1789.4 词袋模型 1809.5 词频分析 1819.6 朴素贝叶斯分类 1839.7 情感分析 1869.8 创建词云 1899.9 社交网络分析 1939.10 小结 1950章 预测性分析与机器学习 19710.1 预处理 19810.2 基于逻辑回归的分类 20110.3 基于支持向量机的分类 20210.4 基于ElasticNetCV的回归分析 20510.5 支持向量回归 20710.6 基于相似性传播算法的聚类分析 21010.7 均值漂移算法 21110.8 遗传算法 21310.9 神经网络 21710.10 决策树 21910.11 小结 2221章 Python生态系统的外部环境和云计算 22311.1 与MATLAB/Octave交换信息 22411.2 安装rpy2 22511.3 连接R 22511.4 为Java传递NumPy数组 22811.5 集成SWIG和NumPy 22911.6 集成Boost和Python 23311.7 通过f2py使用Fortran代码 23511.8 PythonAnywhere云 23611.9 小结 2382章 性能优化、性能分析与并发性 23912.1 代码的性能分析 24012.2 安装Cython 24512.3 调用C代码 24812.4 利用multiprocessing创建进程池 25212.5 通过Joblib提高for循环的并发性 25412.6 比较Bottleneck函数与NumPy函数 25512.7 通过Jug实现MapReduce 25712.8 安装MPI for Python 25912.9 IPython Parallel 26012.10 小结 263附录A 重要概念 264附录B 常用函数 269
作者介绍
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价