从零开始学Python数据分析与挖掘

图书标准信息

• 作者 刘顺祥 著
• 出版社 清华大学出版社
• 出版时间 2018-09
• 版次 1
• ISBN 9787302509875
• 定价 79.00元
• 装帧 平装
• 开本 16
• 纸张 胶版纸

【内容简介】

本书以Python 3版本作为数据分析与挖掘实战的应用工具，从Pyhton的基础语法开始，陆续介绍有关数值计算的Numpy、数据处理的Pandas、数据可视化的Matplotlib和数据挖掘的Sklearn等内容。全书共涵盖15种可视化图形以及10个常用的数据挖掘算法和实战项目，通过本书的学习，读者可以掌握数据分析与挖掘的理论知识和实战技能。 

本书适于统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生使用，也能够提高从事数据咨询、研究或分析等人士的专业水平和技能。 

【作者简介】

刘顺祥, 

统计学硕士，“数据分析1480”微信公众号运营者。曾就职于大数据咨询公司，为联想、亨氏、美丽田园、网鱼网咖等企业项目提供服务；曾在唯品会大数据部担任数据分析师一职，负责电商支付环节的数据分析业务。 

【目录】

目   录 

第1章  数据分析与挖掘概述 1 

1.1  什么是数据分析和挖掘 1 

1.2  数据分析与挖掘的应用领域 2 

1.2.1  电商领域——发现破坏规则的“害群之马” 2 

1.2.2  交通出行领域——为打车平台进行私人订制 3 

1.2.3  医疗健康领域——找到最佳医疗方案 3 

1.3  数据分析与挖掘的区别 4 

1.4  数据挖掘的流程 5 

1.4.1  明确目标 5 

1.4.2  数据搜集 6 

1.4.3  数据清洗 6 

1.4.4  构建模型 7 

1.4.5  模型评估 7 

1.4.6  应用部署 8 

1.5  常用的数据分析与挖掘工具 8 

1.6  本章小结 9 

第2章  从收入的预测分析开始 10 

2.1  下载与安装Anoconda 10 

2.1.1  基于Windows系统安装 11 

2.1.2  基于Mac系统安装 12 

2.1.3  基于Linux系统安装 14 

2.2  基于Python的案例实战 14 

2.2.1  数据的预处理 14 

2.2.2  数据的探索性分析 16 

2.2.3  数据建模 19 

2.3  本章小结 28 

第3章  Python快速入门 29 

3.1  数据结构及方法 29 

3.1.1  列表 29 

3.1.2  元组 34 

3.1.3  字典 35 

3.2  控制流 38 

3.2.1  if分支 38 

3.2.2  for循环 39 

3.2.3  while循环 41 

3.3  字符串处理方法 43 

3.3.1  字符串的常用方法 43 

3.3.2  正则表达式 45 

3.4  自定义函数 47 

3.4.1  自定义函数语法 47 

3.4.2  自定义函数的几种参数 49 

3.5  一个爬虫案例 52 

3.6  本章小结 54 

第4章  Python数值计算工具——Numpy 56 

4.1  数组的创建与操作 56 

4.1.1  数组的创建 56 

4.1.2  数组元素的获取 57 

4.1.3  数组的常用属性 58 

4.1.4  数组的形状处理 59 

4.2  数组的基本运算符 62 

4.2.1  四则运算 62 

4.2.2  比较运算 63 

4.2.3  广播运算 65 

4.3  常用的数学和统计函数 66 

4.4  线性代数的相关计算 67 

4.4.1  矩阵乘法 68 

4.4.2  diag函数的使用 69 

4.4.3  特征根与特征向量 69 

4.4.4  多元线性回归模型的解 70 

4.4.5  多元一次方程组的求解 70 

4.4.6  范数的计算 71 

4.5  伪随机数的生成 71 

4.6  本章小结 74 

第5章  Python数据处理工具——Pandas 76 

5.1  序列与数据框的构造 76 

5.1.1  构造序列 77 

5.1.2  构造数据框 78 

5.2  外部数据的读取 79 

5.2.1  文本文件的读取 79 

5.2.2  电子表格的读取 81 

5.2.3  数据库数据的读取 83 

5.3  数据类型转换及描述统计 85 

5.4  字符与日期数据的处理 89 

5.5  常用的数据清洗方法 93 

5.5.1  重复观测处理 93 

5.5.2  缺失值处理 94 

5.5.3  异常值处理 97 

5.6  数据子集的获取 99 

5.7  透视表功能 101 

5.8  表之间的合并与连接 104 

5.9  分组聚合操作 107 

5.10  本章小结 108 

第6章  Python数据可视化 110 

6.1  离散型变量的可视化 110 

6.1.1  饼图 110 

6.1.2  条形图 115 

6.2  数值型变量的可视化 125 

6.2.1  直方图与核密度曲线 125 

6.2.2  箱线图 129 

6.2.3  小提琴图 133 

6.2.4  折线图 135 

6.3  关系型数据的可视化 139 

6.3.1  散点图 139 

6.3.2  气泡图 142 

6.3.3  热力图 144 

6.4  多个图形的合并 146 

6.5  本章小结 148 

第7章  线性回归预测模型 150 

7.1  一元线性回归模型 150 

7.2  多元线性回归模型 153 

7.2.1  回归模型的参数求解 154 

7.2.2  回归模型的预测 155 

7.3  回归模型的假设检验 157 

7.3.1  模型的显著性检验——F检验 158 

7.3.2  回归系数的显著性检验——t检验 160 

7.4  回归模型的诊断 162 

7.4.1  正态性检验 162 

7.4.2  多重共线性检验 164 

7.4.3  线性相关性检验 165 

7.4.4  异常值检验 167 

7.4.5  独立性检验 170 

7.4.6  方差齐性检验 170 

7.5  本章小结 173 

第8章  岭回归与LASSO回归模型 174 

8.1  岭回归模型 174 

8.1.1  参数求解 175 

8.1.2  系数求解的几何意义 176 

8.2  岭回归模型的应用 177 

8.2.1  可视化方法确定?值 177 

8.2.2  交叉验证法确定?值 179 

8.2.3  模型的预测 180 

8.3  LASSO回归模型 182 

8.3.1  参数求解 182 

8.3.2  系数求解的几何意义 183 

8.4  LASSO回归模型的应用 184 

8.4.1  可视化方法确定?值 184 

8.4.2  交叉验证法确定?值 186 

8.4.3  模型的预测 187 

8.5  本章小结 189 

第9章  Logistic回归分类模型 190 

9.1  Logistic模型的构建 191 

9.1.1  Logistic模型的参数求解 193 

9.1.2  Logistic模型的参数解释 195 

9.2  分类模型的评估方法 195 

9.2.1  混淆矩阵 196 

9.2.2  ROC曲线 197 

9.2.3  K-S曲线 198 

9.3  Logistic回归模型的应用 200 

9.3.1  模型的构建 200 

9.3.2  模型的预测 202 

9.3.3  模型的评估 203 

9.4  本章小结 207 

第10章  决策树与随机森林 208 

10.1  节点字段的选择 209 

10.1.1  信息增益 210 

10.1.2  信息增益率 212 

10.1.3  基尼指数 213 

10.2  决策树的剪枝 216 

10.2.1  误差降低剪枝法 217 

10.2.2  悲观剪枝法 217 

10.2.3  代价复杂度剪枝法 219 

10.3  随机森林 220 

10.4  决策树与随机森林的应用 222 

10.4.1  分类问题的解决 222 

10.4.2  预测问题的解决 229 

10.5  本章小结 231 

第11章  KNN模型的应用 233 

11.1  KNN算法的思想 233 

11.2  最佳k值的选择 234 

11.3  相似度的度量方法 235 

11.3.1  欧式距离 235 

11.3.2  曼哈顿距离 236 

11.3.3  余弦相似度 236 

11.3.4  杰卡德相似系数 237 

11.4  近邻样本的搜寻方法 238 

11.4.1  KD树搜寻法 238 

11.4.2  球树搜寻法 242 

11.5  KNN模型的应用 244 

11.5.1  分类问题的解决 245 

11.5.2  预测问题的解决 248 

11.6  本章小结 251 

第12章  朴素贝叶斯模型 253 

12.1  朴素贝叶斯理论基础 253 

12.2  几种贝叶斯模型 255 

12.2.1  高斯贝叶斯分类器 255 

12.2.2  高斯贝叶斯分类器的应用 257 

12.2.3  多项式贝叶斯分类器 259 

12.2.4  多项式贝叶斯分类器的应用 261 

12.2.5  伯努利贝叶斯分类器 264 

12.2.6  伯努利贝叶斯分类器的应用 266 

12.3  本章小结 271 

第13章  SVM模型的应用 272 

13.1  SVM简介 273 

13.1.1  距离公式的介绍 273 

13.1.2  SVM的实现思想 274 

13.2  几种常见的SVM模型 276 

13.2.1  线性可分的SVM 276 

13.2.2  一个手动计算的案例 279 

13.2.3  近似线性可分SVM 281 

13.2.4  非线性可分SVM 284 

13.2.5  几种常用的SVM核函数 285 

13.2.6  SVM的回归预测 287 

13.3  分类问题的解决 289 

13.4  预测问题的解决 291 

13.5  本章小结 294 

第14章  GBDT模型的应用 296 

14.1  提升树算法 297 

14.1.1  AdaBoost算法的损失函数 297 

14.1.2  AdaBoost算法的操作步骤 299 

14.1.3  AdaBoost算法的简单例子 300 

14.1.4  AdaBoost算法的应用 302 

14.2  梯度提升树算法 308 

14.2.1  GBDT算法的操作步骤 308 

14.2.2  GBDT分类算法 309 

14.2.3  GBDT回归算法 309 

14.2.4  GBDT算法的应用 310 

14.3  非平衡数据的处理 313 

14.4  XGBoost算法 315 

14.4.1  XGBoost算法的损失函数 315 

14.4.2  损失函数的演变 317 

14.4.3  XGBoost算法的应用 319 

14.5  本章小结 324 

第15章  Kmeans聚类分析 326 

15.1  Kmeans聚类 327 

15.1.1  Kmeans的思想 327 

15.1.2  Kmeans的原理 328 

15.2  最佳k值的确定 329 

15.2.1  拐点法 329 

15.2.2  轮廓系数法 332 

15.2.3  间隔统计量法 333 

15.3  Kmeans聚类的应用 336 

15.3.1  iris数据集的聚类 336 

15.3.2  NBA球员数据集的聚类 339 

15.4  Kmeans聚类的注意事项 343 

15.5  本章小结 343 

第16章  DBSCAN与层次聚类分析 345 

16.1  密度聚类简介 345 

16.1.1  密度聚类相关的概念 346 

16.1.2  密度聚类的步骤 347 

16.2  密度聚类与Kmeans的比较 349 

16.3  层次聚类 353 

16.3.1  簇间的距离度量 354 

16.3.2  层次聚类的步骤 356 

16.3.3  三种层次聚类的比较 357 

16.4  密度聚类与层次聚类的应用 359 

16.5  本章小结 365