消息首页搜索举报

【包邮】 Python数据分析【正版九新】

九品消毒塑封

18.7 3.2折 59 九五品

库存4件

天津宝坻

认证卖家担保交易快速发货售后保障

作者伊德里斯

出版社人民邮电出版社

ISBN9787115411228

出版时间2016-02

装帧其他

开本16开

定价59元

货号9787115411228

上书时间2024-11-07

文渊文化传媒

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 14小时
好评率暂无

最新上架

【包邮】走遍世界/图说天下国家地理系列【正版九新】 ¥13.80

【包邮】太郎和琪子的搜索大冒险【正版九新】 ¥14.50

【包邮】什么是圣诞节? 【正版九新】 ¥13.20

【包邮】周鸿祎传【正版九新】 ¥12.00

【包邮】哲学了没【正版九新】 ¥14.20

【包邮】什么是什么·珍藏版第4辑?显微镜探秘/什么是什么(珍藏版第4辑) 【正版九新】 ¥13.50

【包邮】准妈妈实用手册【正版九新】 ¥14.60

【包邮】生命的回眸我眼中的医学大家与经典名作【正版九新】 ¥13.10

【包邮】我的靠前本科学漫画书.科学实验王:升级版;10?热能的流动【正版九新】 ¥14.10

商品详情

品相描述：九五品

商品描述: 作者简介
Ivan Idris，实验物理学硕士，学位论文侧重于应用计算机科学。毕业后，他曾经效力于多家公司，从事Java开发、数据仓库开发以及QA分析等方面的工作；目前，他的兴趣主要集中在商业智能、大数据和云计算等专业领域。Ivan Idris以编写简洁可测试的程序代码以及撰写有趣的技术文章为乐，同时也是Packt出版社NumPy Beginner s Guide-Second Edition、NumPy Cookbook和Learning NumPy Array等书籍的作者。

目录
第1章  Python程序库入门
  1.1  本书用到的软件
    1.1.1  软件的安装和设置
    1.1.2  Windows平台
    1.1.3  Linux平台
    1.1.4  MacOSX平台
  1.2  从源代码安装NumPy、SciPy、matplotlib和IPython
  1.3  用setuptools安装
  1.4  NumPy数组
  1.5  一个简单的应用
  1.6  将IPython用作shell
  1.7  学习手册页
  1.8  IPythonnotebook
  1.9  从何处寻求帮助和参考资料
  1.10  小结
第2章  NumPy数组
  2.1  NumPy数组对象
  2.2  创建多维数组
  2.3  选择NumPy数组元素
  2.4  NumPy的数值类型
    2.4.1  数据类型对象
    2.4.2  字符码
    2.4.3  Dtype构造函数
    2.4.4  dtype属性
  2.5  一维数组的切片与索引
  2.6  处理数组形状
    2.6.1  堆叠数组
    2.6.2  拆分NumPy数组
    2.6.3  NumPy数组的属性
    2.6.4  数组的转换
  2.7  创建数组的视图和拷贝
  2.8  花式索引
  2.9  基于位置列表的索引方法
  2.10  用布尔型变量索引NumPy数组
  2.11  NumPy数组的广播
  2.12  小结
第3章  统计学与线性代数
  3.1  Numpy和Scipy模块
  3.2  用NumPy进行简单的描述性统计计算
  3.3  用NumPy进行线性代数运算
    3.3.1  用NumPy求矩阵的逆
    3.3.2  用NumPy解线性方程组
  3.4  用NumPy计算特征值和特征向量
  3.5  NumPy随机数
    3.5.1  用二项式分布进行博弈
    3.5.2  正态分布采样
    3.5.3  用SciPy进行正态检验
  3.6  创建掩码式NumPy数组
  3.7  小结
第4章  pandas入门
  4.1  pandas的安装与概览
  4.2  pandas数据结构之DataFrame
  4.3  pandas数据结构之Series
  4.4  利用pandas查询数据
  4.5  利用pandas的DataFrame进行统计计算
  4.6  利用pandas的DataFrame实现数据聚合
  4.7  DataFrame的串联与附加操作
  4.8  连接DataFrames
  4.9  处理缺失数据问题
  4.10  处理日期数据
  4.11  数据透视表
  4.12  访问远程数据
  4.13  小结
第5章  数据的检索、加工与存储
  5.1  利用NumPy和pandas对CSV文件进行写操作
  5.2  NumPy.npy与pandasDataFrame
  5.3  使用PyTables存储数据
  5.4  PandasDataFrame与HDF5仓库之间的读写操作
  5.5  使用pandas读写Excel文件
  5.6  使用RESTWeb服务和JSON
  5.7  使用pandas读写JSON
  5.8  解析RSS和Atom订阅
  5.9  使用BeautifulSoup解析HTML
  5.10  小结
第6章  数据可视化
  6.1  matplotlib的子库
  6.2  matplotlib绘图入门
  6.3  对数图
  6.4  散点图
  6.5  图例和注解
  6.6  三维图
  6.7  pandas绘图
  6.8  时滞图
  6.9  自相关图
  6.10  Plot.ly
  6.11  小结
第7章  信号处理与时间序列
  7.1  statsmodels子库
  7.2  移动平均值
  7.3  窗口函数
  7.4  协整的定义
  7.5  自相关
  7.6  自回归模型
  7.7  ARMA模型
  7.8  生成周期信号
  7.9  傅里叶分析
  7.10  谱分析
  7.11  滤波
  7.12  小结
第8章  应用数据库
  8.1  基于sqlite3的轻量级访问
  8.2  通过pandas访问数据库
  8.3  SQLAlchemy
    8.3.1  SQLAlchemy的安装和配置
    8.3.2  通过SQLAlchemy填充数据库
    8.3.3  通过SQLAlchemy查询数据库
  8.4  PonyORM
  8.5  Dataset：懒人数据库
  8.6  PyMongo与MongoDB
  8.7  利用Redis存储数据
  8.8  ApacheCassandra
  8.9  小结
第9章  分析文本数据和社交媒体
  9.1  安装NLTK
  9.2  滤除停用字、姓名和数字
  9.3  词袋模型
  9.4  词频分析
  9.5  朴素贝叶斯分类
  9.6  情感分析
  9.7  创建词云
  9.8  社交网络分析
  9.9  小结
第10章  预测性分析与机器学习
  10.1  scikit-learn概貌
  10.2  预处理
  10.3  基于逻辑回归的分类
  10.4  基于支持向量机的分类
  10.5  基于ElasticNetCV的回归分析
  10.6  支持向量回归
  10.7  基于相似性传播算法的聚类分析
  10.8  均值漂移算法
  10.9  遗传算法
  10.10  神经网络
  10.11  决策树
  10.12  小结
第11章  Python生态系统的外部环境和云计算
  11.1  与MATLAB/Octave交换信息
  11.2  Installingrpy2安装rpy2
  11.3  连接R
  11.4  为Java传递NumPy数组
  11.5  集成SWIG和NumPy
  11.6  集成Boost和Python
  11.7  通过f2py使用Fortran代码
  11.8  配置谷歌应用引擎
  11.9  在PythonAnywhere上运行程序
  11.10  使用Wakari
  11.11  小结
第12章  性能优化、性能分析与并发性
  12.1  代码的性能分析
  12.2  安装Cython
  12.3  调用C代码
  12.4  利用multiprocessing创建进程池
  12.5  通过Joblib提高for循环的并发性
  12.6  比较Bottleneck函数与NumPy函数
  12.7  通过Jug实现MapReduce
  12.8  安装MPIforPython
  12.9  IPythonParallel
  12.10  小结
附录A  重要概念
附录B  常用函数
附录C  在线资源

内容摘要
作为一种高级程序设计语言，Python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。
伊德里斯所著的《Python数据分析》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、matplotlib和pandas开始，陆续介绍了数据加工、数据处理和数据可视化等内容。同时，本书还介绍了信号处理、数据库、文本分析、机器学习、互操作性和性能优化等高级主题。在本书的结尾，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。
本书示例丰富、简单易懂，非常适合对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。