Python数据分析：从零基础入门到案例实战
全新正版 极速发货
￥ 35.24 4.0折 ￥ 89 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者余本国
出版社北京理工大学出版社
ISBN9787576311952
出版时间2022-04
装帧平装
开本16开
定价89元
货号31659042
上书时间2024-05-30
商品详情
- 品相描述：全新
- 商品描述
-
目录
第一部分？ 基础入门
第 1 章 Python 基础
1.1 安装 Anaconda
1.2 语法基础
1.3 程序结构
1.4 函数
1.5 数据类型
1.6 map()、filter() 和 reduce() 函数
1.7 面向对象编程基础
1.8 实战案例：我的第一个程序（验证用户名和密码）
1.9 本章小结
第 2 章 NumPy 库
2.1 数组的创建
2.2 数组的操作
2.3 数组的计算
2.4 统计基础
2.5 矩阵运算
2.6 实战案例：股票统计分析
2.7 本章小结
第 3 章 Pandas 库
3.1 序列
3.2 数据框
3.3 数据的导入
3.4 数据的导出
3.5 实战案例：身体质量数据处理
3.6 本章小结
第 4 章 数据处理
4.1 数据清洗
4.2 数据抽取
4.3 插入记录
4.4 修改记录
4.5 交换行或列
4.6 排名索引
4.7 数据合并
4.8 数据计算
4.9 数据分组
4.10 日期处理
4.11 实战案例：数据处理
4.12 本章小结
第 5 章 数据分析
5.1 描述性统计分析
5.2 分组分析
5.3 分布分析
5.4 交叉分析
5.5 结构分析
5.6 相关分析
5.7 实战案例：电商数据相关分析
5.8 本章小结
第 6 章 数据可视化
6.1 Matplotlib 可视化
6.2 pyecharts 可视化
6.3 networkx 可视化
6.4 Plotly 可视化
6.5 Python 图像处理基础
6.6 实战案例：货物动态流向图
6.7 本章小结
第 7 章 字符串处理与网络爬虫
7.1 字符串处理
7.2 网络爬虫
7.3 实战案例：批量下载图片
7.4 本章小结
第二部分？ 实战案例
第 8 章 分词与词云
8.1 词云的概念
8.2 安装 jieba 库
8.3 jieba 库的用法
8.4 词云
8.5 背景词云图的制作
8.6 本章小结
第 9 章 航空客户分类
9.1 情景问题的提出
9.2 K-Means 算法
9.3 情景问题模型的建立
9.4 代码实现
9.5 分类结果与分析
9.6 本章小结
第 10 章 文本分类分析
10.1 读取数据
10.2 数据处理
10.3 构建文本特征与建模
10.4 本章小结
第 11 章 贷款风险评估分析
11.1 问题分析
11.2 数据的导入与整理
11.3 模型训练
11.4 模型预测
11.5 本章小结
第三部分？ 拓展与应用
第 12 章 os 与 glob 模块
12.1 os 模块
12.2 glob 模块
12.3 实战案例：生成专属的二维码
12.4 本章小结
第 13 章 字符串的格式化输出
13.1 % 格式化
13.2 format 格式化
13.3 f 格式化
13.4 Template 格式化
13.5 本章小结
第 14 章 在 Python 中使用数据库
14.1 创建 / 打开数据库
14.2 插入数据
14.3 查询记录
14.4 修改记录
14.5 删除记录
14.6 增删改查的异常处理
14.7 实战案例：我的库我做主（MySQL）
14.8 本章小结
第 15 章 DIY 库的发布
15.1 分形简介
15.2 分形的绘制方法
15.3 发布 fractal 库
15.4 本章小结
第 16 章 机器学习入门
16.1 入门案例
16.2 监督学习和无监督学习
16.3 机器学习中常见的算法
16.4 本章小结
参考文献
内容摘要
本书是一本使用Python3.8进行数据处理和分析的学习指南。全书分为三部分：基础入门、实战案例及拓展与应用。在基础入门部分，介绍了Python的语法基础，包括数据类型、流程控制、函数，数据的导入导出，数据处理的NumPy和Pandas库，数据清洗、数据分析、数据可视化和图像处理，以及正则表达式和爬虫方面的知识点；在实战案例部分，介绍了中文分词jieba库，并用三个完整的数据分析案例介绍了数据的清洗和分析过程；在拓展与应用部分，主要介绍了Python对文件系统的操作和格式化字符串的输出，并对数据库的操作、Python应用模块的DIY与发布，以及机器学习入门做了简单的介绍。
本书内容丰富、简单易懂，适合本科生、研究生阅读，以及对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。
— 没有更多了 —
以下为对购买帮助不大的评价