Python大数据分析与挖掘实战 黄恒秋等 人民邮电出版社
笔记很少，整体很新，若有质量问题，支持退换货，售后无忧，但不要拍错哦！
￥ 15.89 2.7折 ￥ 59.8 八五品
库存398件
浙江杭州
认证卖家担保交易快速发货售后保障
作者黄恒秋等
出版社人民邮电出版社
ISBN9787115542403
出版时间2020-11
版次1
装帧平装
开本16开
纸张胶版纸
页数278页
定价59.8元
货号9787115542403
上书时间2023-12-25
- 最新上架
商品详情
- 品相描述：八五品
- 八五品【书非常新，有少许笔记】但不影响阅读，无附件和增值服务等。
- 商品描述
-
基本信息
书名:Python大数据分析与挖掘实战
定价：59.80元
作者:黄恒秋等
出版社：人民邮电出版社
出版日期：2020-11-01
ISBN：9787115542403
字数：
页码：278
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
内容提要
从Python基础入门开始，到应用Python进行科学计算、数据处理、数据可视化、机器学习、深度学习，再到利用Python进行金融、地理信息、交通、文本、图像等具体领域数据挖掘与分析，并终利用Python进行项目GUI可视化应用开发。本书深入浅出地介绍了如何学习Python数据分析技能及应用于具体领域，实践性强。本书分三篇：基础篇、案例篇和提高篇；基础篇（~6章）主要介绍Python基本知识及应用于科学计算、数据处理、数据可视化、机器学习、深度学习等方面的基础知识；案例篇（第7~11章）主要介绍了利用Python进行金融、地理信息、交通、文本和图像具体领域的数据挖掘分析应用案例；提高篇（2章）主要介绍GUI可视化应用项目开发；附录提供6个实训课题，在电子资源中会给出详细的实训指导、数据和程序代码。本书提供了丰富的数据、案例及程序代码，同时理论与实践相结合，以应用为主。适合大数据、数学、计算机、经济金融管理类的本科生和大专生学习。对于研究生及数据挖掘研究者、爱好者也具有很好的参考价值。
目录
基础篇1第 1章 Python基础 11．1 Python概述 11．2 Python安装及启动 11．2．1 Python安装 11．2．2 Python启动及界面认识 41．3 Python扩展包安装 91．3．1 在线安装 91．3．2 离线安装 101．4 Python基本数据类型 111．4．1 数值的定义 111．4．2 字符串的定义 111．4．3 列表的定义 121．4．4 元组的定义 121．4．5 集合的定义 121．4．6 字典的定义 131．5 Python相关的公有方法 131．5．1 索引 131．5．2 切片 141．5．3 长度 151．5．4 统计 151．5．5 成员身份 151．5．6 变量删除 161．6 列表、元组、字符串与字典方法 161．6．1 列表方法 161．6．2 元组方法 181．6．3 字符串方法 191．6．4 字典方法 201．7 条件语句 211．7．1 if…语句 211．7．2 if…else…语句 211．7．3 if…elif…else…语句 221．8 循环语句 221．8．1 while语句 221．8．2 for循环 231．9 函数 231．9．1 无返回值函数的定义与调用 231．9．2 有返回值函数的定义与调用 241．9．3 有多返回值函数的定义与调用 24本章小结 25本章练习 25第 2章 科学计算包Numpy 262．1 Numpy简介 262．2 创建数组 272．2．1 利用array函数创建数组 272．2．2 利用内置函数创建数组 282．3 数组尺寸 282．4 数组运算 292．5 数组切片 302．5．1 常见的数组切片方法 302．5．2 利用ix_函数进行数组切片 312．6 数组连接 322．7 数据存取 332．8 数组形态变换 342．9 数组排序与搜索 352．10 矩阵与线性代数运算 362．10．1 创建Numpy矩阵 362．10．2 矩阵的属性和基本运算 372．10．3 线性代数运算 38本章小结 41本章练习 42第3章 数据处理包Pandas 433．1 Pandas简介 433．2 序列 443．2．1 序列创建及访问 443．2．2 序列属性 453．2．3 序列方法 463．2．4 序列切片 473．2．5 序列聚合运算 483．3 数据框 483．3．1 数据框创建 493．3．2 数据框属性 493．3．3 数据框方法 503．3．4 数据框切片 543．4 外部文件读取 563．4．1 Excel文件读取 563．4．2 TXT文件读取 573．4．3 CSV文件读取 583．5 常用函数 593．5．1 滚动计算函数 593．5．2 数据框合并函数 603．5．3 数据框关联函数 61本章小结 62本章练习 63第4章 数据可视化包Matplotlib 654．1 Matplotlib绘图基础 654．1．1 Matplotlib图像构成 654．1．2 Matplotlib绘图基本流程 654．1．3 中文字符显示 674．1．4 坐标轴字符刻度标注 694．2 Matplotlib常用图形绘制 704．2．1 散点图 714．2．2 线性图 724．2．3 柱状图 734．2．4 直方图 744．2．5 饼图 754．2．6 箱线图 754．2．7 子图 76本章小结 79本章练习 79第5章 机器学习与实现 805．1 Scikit-learn简介 805．2 数据预处理 805．2．1 缺失值处理 815．2．2 数据规范化 835．2．3 主成分分析 865．3 线性回归 935．3．1 一元线性回归 935．3．2 多元线性回归 965．3．3 Python线性回归应用举例 975．4 逻辑回归 995．4．1 逻辑回归模型 995．4．2 Python逻辑回归模型应用举例 1005．5 神经网络 1015．5．1 神经网络模拟思想 1015．5．2 神经网络结构及数学模型 1035．5．3 Python神经网络分类应用举例 1045．5．4 Python神经网络回归应用举例 1055．6 支持向量机 1065．6．1 支持向量机原理 1065．6．2 Python支持向量机应用举例 1075．7 K-均值聚类 1095．7．1 K-均值聚类的基本原理 1105．7．2 Python K-均值聚类算法应用举例 1135．8 关联规则 1145．8．1 关联规则概念 1145．8．2 布尔关联规则挖掘 1165．8．3 一对一关联规则挖掘及Python实现 1165．8．4 多对一关联规则挖掘及Python实现 118本章小结 123本章练习 123第6章 深度学习与实现 1286．1 深度学习简介 1286．2 深度学习框架简介 1286．2．1 Caffe框架 1286．2．2 Theano框架 1296．2．3 PaddlePaddle框架 1296．2．4 TensorFlow框架 1296．3 TensorFlow基础 1296．3．1 TensorFlow安装 1296．3．2 TensorFlow命令简介 1336．3．3 TensorFlow案例 1356．4 多层神经网络 1396．4．1 多层神经网络结构及数学模型 1396．4．2 多层神经网络分类问题应用举例 1416．4．3 多层神经网络回归问题应用举例 1446．5 卷积神经网络 1516．5．1 卷积层计算 1516．5．2 池化层计算 1536．5．3 全连接层计算 1556．5．4 CNN应用案例 1556．6 循环神经网络 1616．6．1 RNN结构及数学模型 1616．6．2 长短期记忆网络（LSTM） 1626．6．3 RNN应用案例 164本章小结 167本章练习 168案例篇 169第7章 基于财务与交易数据的量化投资分析 1697．1 案例背景 1697．2 案例目标及实现思路 1697．3 基于总体规模与投资效率指标的综合评价 1707．3．1 指标选择 1717．3．2 数据获取 1717．3．3 数据处理 1737．3．4 主成分分析 1747．3．5 综合排名 1747．4 技术分析指标选择与计算 1757．4．1 移动平均线 1767．4．2 指数平滑异同平均线 1767．4．3 随机指标 1777．4．4 相对强弱指标 1777．4．5 乖离率指标 1787．4．6 能量潮指标 1787．4．7 涨跌趋势指标 1797．4．8 计算举例 1797．5 量化投资模型与策略实现 1827．5．1 投资组合构建 1837．5．2 基于逻辑回归的量化投资策略实现 183本章小结 186本章练习 186第8章 众包任务定价优化方案 1878．1 案例背景 1878．2 案例目标及实现思路 1888．3 数据获取与探索 1888．3．1 地理信息可视化包folium安装 1888．3．2 数据读取与地图可视化 1898．4 指标计算 1908．4．1 指标设计 1908．4．2 指标计算方法 1918．4．3 程序实现 1928．5 任务定价模型构建 1988．5．1 指标数据预处理 1988．5．2 多元线性回归模型 2018．5．3 神经网络模型 2028．6 方案评价 2028．6．1 任务完成增加量 2028．6．2 成本增加额 2038．6．3 完整实现代码 203本章小结 205本章练习 205第9章 地铁站点日客流量预测 2059．1 案例背景 2069．2 案例目标及实现思路 2069．3 数据获取与探索 2079．3．1 二分法查找思想 2089．3．2 每日数据index范围提取 2089．4 指标计算 2099．4．1 指标设计 2109．4．2 指标计算方法 2109．4．3 程序实现 2109．4．4 指标数据预处理 2149．5 数据可视化 2149．6． 因素分析 2189．6．1 SPSS 进行指数平滑 2189．6．2 因素分析结果 2219．7神经网络预测模型的建立 2229．7．1 示例站点客流量预测 2229．7．2 全部站点客流量预测 2249．7．3模型预测结果分析 226本章小结 227本章练习 227第 10章 微博文本情感分析 22810．1 案例背景 22810．2 案例目标及实现思路 22810．3 数据预处理过程 22910．3．1 数据读取 22910．3．2 分词 23010．3．3 去停用词 23210．3．4 词向量 23310．3．5 划分数据集 23610．4 支持向量机分类模型 23710．5 基于LSTM网络的分类模型 238本章小结 241本章练习 241第 11章 基于人民币图像的面额识别 24211．1 案例背景 24211．2 案例目标及实现思路 24211．3 数据获取与探索 24311．4 支持向量机识别模型 24511．4．1 颜色特征计算方法 24511．4．2 自变量与因变量计算 24611．4．3 模型实现 24711．5 卷积神经网络识别模型：灰图 24811．5．1 数据处理 24811．5．2 模型实现 24911．6 卷积神经网络识别模型：彩图 25211．6．1 数据处理 25211．6．2 模型实现 254本章小结 255本章练习 255提高篇 257第 12章 GUI可视化应用开发 25712．1 人民币面额识别系统 25712．1．1 Pycharm安装 25712．1．2 创建项目文件夹 26012．1．3 配置QtDesigner工具 26212．1．4 配置代码生成工具 26412．1．5 系统界面设计 26612．1．6 系统界面转化为PyQt5代码 26812．1．7 配置项目解释器 27112．1．8 系统功能实现 27312．1．9 生成可独立运行的exe文件 27612．2 上市公司综合评价系统 28012．2．1 界面设计 28112．2．2 系统功能实现 28312．2．3 生成exe文件 286本章小结 287本章练习 287附录 综合实训课题 288参考文献 290
作者介绍
黄恒秋 2011.7-2014.6 就职于深圳市国泰安信息技术有限公司，从事CSMAR数据库分析师、软件策划及设计相关工作 2014.9-今 广西民族师范学院数学与计算机科学学院专任教师，从事数据分析与挖掘、数学建模、Python语言、MATLAB语言、高等数学相关课程教学工作。
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