Python商业数据分析（大数据与人工智能系列）
￥ 36.2 6.5折 ￥ 56 全新
库存23件
北京房山
认证卖家担保交易快速发货售后保障
作者张瑾，翁张文编著
出版社中国人民大学出版社
ISBN9787300292106
出版时间2021-04
装帧平装
开本其他
定价56元
货号1202345716
上书时间2024-07-05
- 在售商品 暂无
- 平均发货时间 8小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
目录
章引言 / 1
基础篇
第2章 Python简介 / 7
2.1 发展历程 / 7
2.2 特点 / 7
2.2.1 开源与可移植性 / 8
2.2.2 面向对象 / 8
2.2.3 其他特点 / 8
2.3 语言标准 / 9
2.4 Python 3的安装与运行 / 9
2.4.1 Windows / 9
2.4.2 Linux/Unix / 11
2.4.3 Mac OS / 11
2.5 思考练习题 / 12
第3章 数据类型 / 13
3.1 概述 / 13
3.1.1 变量 / 13
3.1.2 数据类型框架 / 15
3.2 数字类型 / 16
3.2.1 分类 / 16
3.2.2 相关函数 / 17
3.3 列表与元组 / 18
3.3.1 序列通用操作 / 18
3.3.2 列表 / 21
3.3.3 元组 / 27
3.4 字符串 / 28
3.4.1 概述 / 28
3.4.2 字符串格式化 / 31
3.4.3 方法 / 32
3.5 字典 / 33
3.5.1 概述 / 33
3.5.2 格式化字符串 / 34
3.5.3 方法 / 35
3.6 集合 / 37
3.6.1 概述 / 37
3.6.2 方法 / 39
3.7 基本运算符 / 39
3.7.1 算术运算符 / 40
3.7.2 比较运算符 / 40
3.7.3 赋值运算符 / 40
3.7.4 其他运算符 / 41
3.7.5 运算符优先级表 / 41
3.8 思考练习题 / 42
第4章 条件与循环 / 43
4.1 条件 / 43
4.1.1 布尔变量 / 43
4.1.2 条件语句 / 43
4.2 循环 / 46
4.2.1 循环语句 / 46
4.2.2 迭代方式 / 50
4.2.3 排序 / 52
4.3 列表推导式与其他语句 / 53
4.3.1 列表推导式 / 53
4.3.2 其他语句 / 54
4.4 思考练习题 / 55
第5章 函数与类 / 56
5.1 函数 / 56
5.1.1 创建 / 56
5.1.2 参数 / 59
5.1.3 作用域 / 62
5.1.4 递归 / 63
5.2 类 / 65
5.2.1 对象 / 65
5.2.2 类的创建 / 66
5.2.3 私有化与类的命名空间 / 67
5.2.4 子类与超类 / 70
5.2.5 特殊方法 / 72
5.2.6 迭代器 / 75
5.3 思考练习题 / 78
第6章 标准库、异常与文件流 / 79
6.1 标准库 / 79
6.1.1 概念区分:模块、库与标准库 / 79
6.1.2 安装第三方模块 / 81
6.1.3 使用import语句导入模块 / 81
6.1.4 查看模块信息:help（） / 82
6.1.5 常用标准库之一:os / 82
6.1.6 常用标准库之二:sys / 83
6.1.7 常用标准库之三:time / 86
6.1.8 常用标准库之四:random / 88
6.1.9 常用标准库之五:re / 89
6.2 异常 / 94
6.2.1 捕捉异常:try/except语句 / 95
6.2.2 捕捉异常:try/except…else语句 / 96
6.2.3 捕捉异常:try/finally语句 / 97
6.2.4 抛出异常:raise语句 / 98
6.3 文件与流 / 98
6.3.1 打开和关闭文件 / 99
6.3.2 读取文件内容 / 100
6.3.3 写入文件内容 / 101
6.4 思考练习题 / 102
第7章 Python常用模块 / 103
7.1 Numpy / 103
7.1.1 ndarray的创建 / 103
7.1.2 ndarray的常用属性 / 105
7.1.3 ndarray的形状改变 / 105
7.1.4 ndarray的索引与切片 / 106
7.1.5 ndarray的拷贝 / 107
7.1.6 ndarray的拼接 / 108
7.1.7 ndarray的运算 / 109
7.2 Pandas / 110
7.2.1 Series的创建 / 111
7.2.2 Series的索引及切片 / 112
7.2.3 DataFrame的创建 / 113
7.2.4 DataFrame的写入与读取 / 114
7.2.5 DataFrame的索引 / 115
7.2.6 DataFrame的增、删、改、查 / 117
7.2.7 DataFrame的数据统计方法 / 121
7.2.8 缺失数据处理 / 124
7.2.9 数据离散化 / 125
7.3 NLTK / 126
7.3.1 分句与分词 / 126
7.3.2 词性标注 / 127
7.3.3 符号和停用词处理 / 127
7.3.4 词干提取与词形还原 / 128
7.3.5 词相似度计算 / 129
7.4 思考练习题 / 130
第8章 数据可视化 / 131
8.1 Matplotlib / 131
8.1.1 图形的创建 / 131
8.1.2 绘制多函数图像 / 132
8.1.3 添加图形信息 / 135
8.1.4 不同类型的图形 / 138
8.2 Seaborn / 141
8.2.1 直方图 / 141
8.2.2 条形图 / 142
8.2.3 箱线图 / 143
8.2.4 散点图 / 143
8.2.5 结构化多图网格 / 145
8.2.6 回归图 / 145
8.3 PyEcharts / 146
8.3.1 绘制地图 / 147
8.3.2 空间流动图 / 148
8.4 思考练习题 / 149
方法篇
第9章关联规则 / 153
9.1 关联规则基本概念 / 153
9.2 关联规则挖掘方法 / 154
9.3 关联规则兴趣性的评价指标 / 157
9.3.1 提升度 / 158
9.3.2 杠杆度 / 158
9.3.3 影响度 / 158
9.4 思考练习题 / 159
0章 分类分析 / 160
10.1 分类分析基本概念 / 160
10.2 分类方法介绍 / 161
10.2.1 决策树分类 / 161
10.2.2 贝叶斯分类 / 169
10.2.3 支持向量机分类 / 171
10.3 分类准确率的测量方法 / 175
10.3.1 经典的分类准确率的测量方法 / 175
10.3.2 混淆矩阵 / 176
10.4 分类准确率的提升方法 / 178
10.4.1 Bagging / 179
10.4.2 Boostinig / 180
10.5 思考练习题 / 181
1章 聚类分析 / 182
11.1 相似度测量方法 / 182
11.1.1 数值数据的相似度 / 182
11.1.2 类别数据的相似度 / 183
11.1.3 文本数据的相似度 / 183
11.1.4 类的相似度 / 184
11.2 聚类方法介绍 / 185
11.2.1 划分方法 / 185
11.2.2 层次方法 / 188
11.2.3 基于密度的方法 / 193
11.3 类别数量的确定方法 / 197
11.3.1 手肘法 / 197
11.3.2 轮廓系数 / 199
11.3.3 Calinski-Harabasz准则 / 200
11.4 思考练习题 / 201
2章 社会网络分析 / 203
12.1 社会网络的基本概念 / 203
12.1.1 度 / 204 12.1.2 最短路径长度 / 204
12.1.3 网络密度 / 204
12.1.4 聚集系数 / 204
12.2 社会网络的中心性 / 208
12.2.1 度中心性 / 208
12.2.2 贴近中心性 / 208
12.2.3 中介中心性 / 209
12.3 社会网络的链接分析 / 210
12.3.1 PageRank算法 / 211
12.3.2 HITS算法 / 213
12.4 社会网络的社区发现 / 215
12.4.1 图分割算法 / 215
12.4.2 模块度优化算法 / 217
12.4.3 标签传播算法 / 219
12.5 思考练习题 / 221
3章 神经网络 / 222
13.1 感知机 / 222
13.1.1 简单逻辑电路 / 223
13.1.2 线性不可分的局限 / 224
13.1.3 多层感知机 / 224
13.2 神经网络基本概念 / 226
13.2.1 神经网络的结构 / 226
13.2.2 激活函数 / 227
13.2.3 损失函数 / 229
13.3 训练技巧 / 229
13.3.1 批处理 / 230
13.3.2 优化算法 / 230
13.3.3 参数初始化 / 231
13.3.4 偏差与方差 / 232
13.3.5 超参数的设置 / 233
13.4 全连接神经网络 / 233
13.5 卷积神经网络 / 237
13.5.1 基本结构 / 238
13.5.2 代表性结构 / 239
13.6 循环神经网络 / 243
13.6.1 基本结构 / 243
13.6.2 代表性结构 / 243
13.7 思考练习题 / 248
4章 表征学习 / 249
14.1 文本表征学习 / 249
14.1.1 词袋模型 / 249
14.1.2 TF-IDF模型 / 251
14.1.3 文档主题模型 / 253
14.1.4 Word2Vec模型 / 259
14.1.5 Doc2Vec模型 / 260
14.2 网络表征学习 / 263
14.2.1 DeepWalk算法 / 263
14.2.2 Node2Vec算法 / 266
14.2.3 Metapath2Vec算法 / 269
14.3 思考练习题 / 270
应用篇
5章网络数据抓取 / 275
15.1 基础知识 / 276
15.1.1 数据抓取的基本思想 / 276
15.1.2 网页基础知识和浏览器原理 / 276
15.1.3 HTML语言简介 / 277
15.2 用Python实现数据爬取 / 282
15.2.1 获得网页HTML源代码 / 283
15.2.2 通过HTML标签定位数据 / 286
15.2.3 处理“翻页”数据 / 291
15.3 数据抓取技巧 / 294
15.4 思考练习题 / 295
6章 顾客市场细分 / 297
16.1 背景与问题 / 297
16.2 数据介绍 / 298
16.3 分析方法与结论 / 301
16.3.1 分析方法 / 301
16.3.2 分析结论 / 305
16.4 思考练习题 / 306
7章 房地产服务平台用户需求分析 / 307
17.1 背景与问题 / 307
17.2 数据介绍 / 307
17.3 分析方法与结论 / 309
17.3.1 分析方法 / 309
17.3.2 分析结论 / 315
17.4 思考练习题 / 315
8章 电子商务中消费者评论意见提取 / 316
18.1 背景与问题 / 316
18.2 数据介绍 / 317
18.2.1 数据获取 / 317
18.2.2 商品属性识别 / 319
18.2.3 属性情感分析 / 324
18.2.4 数据转换 / 325
18.3 分析方法与结论 / 325
18.3.1 分析方法 / 325
18.3.2 分析结论 / 329
18.4 思考练习题 / 331
9章 知识付费中顾客满意度分析 / 332
19.1 背景与问题 / 332
19.2 数据介绍 / 334
19.2.1 变量介绍 / 335
19.2.2 数据获取 / 337
19.3 分析方法与结论 / 346
19.3.1 分析方法 / 346
19.3.2 分析结论 / 348
19.4 思考练习题 / 351
内容摘要
为了适应社会科学学科学生以及企业从事商业数据分析的人员需求，本书会精选部分精炼的Python语法进行讲解，以很简单直白的语言将Python用于商业数据分析的要义讲明白。本书重点将围绕商业数据分析这一核心问题介绍三部分内容：一、以目前进行商业数据分析很主要的编程语言Python为主，介绍Python编程语法；二、介绍进行商业数据分析的主要算法和模型，包括统计方法、数据挖掘方法、机器学习方法以及深度学习方法；三、以商业管理中常见的应用问题为例，介绍4-5个商业数据分析案例，包括市场营销方面的消费者细分、在线社区中虚假评论的识别、房地产经济分析、金融投资领域中的行业研究报告分析等。
— 没有更多了 —
以下为对购买帮助不大的评价