Python数据分析教科书

图书标准信息

• 作者 [日]寺田学 辻真吾 铃木隆典 福岛真太朗
• 出版社 水利水电出版社
• 出版时间 2022-01
• 版次 1
• ISBN 9787517092797
• 定价 89.80元
• 装帧 其他
• 开本 32开
• 纸张 胶版纸
• 页数 292页
• 字数 339千字

【内容简介】

大数据时代，数据分析成为各行各业非常重要的工作，如机器学习、深度学习、数据科学、市场营销分析、企业决策制定等，都离不开数据分析。《Python 数据分析教科书》就是一本介绍使用Python 进行数据分析的入门书，详细介绍了成为数据分析工程师的技能，如数据获取和加工、数据可视化、编程基础、数据分析所需的基础数学知识、机器学习的流程和执行方法等。学完本书，读者能掌握 Python 的基本语法和 Jupyter Notebook 的使用方法，数据预处理知识，NumPy、pandas、Matplotlib 和 scikit-learn 等软件库的使用方法，以及利用现有算法实现机器学习的方法。另外，对网络爬虫、自然语言处理和图像数据处理等机器学习中经常用到的知识也进行了简要介绍。本书采用双色印刷，语言浅显易懂，并用中小实例辅助理解，特别适合有一定编程基础想从事数据分析工作的人员学习，也适合作为想从事人工智能工作的人员学习数据处理的参考书。

【作者简介】

寺田学（Manabu Terada） 

专注于Python Web相关工作的咨询和建设。从2010年开始积极参与日本Python社区，并在主办PyCon JP方面发挥了重要作用。2013年3月起开始担任一般社团法人PyCon JP的代表理事，并积极主持或参与其他OSS相关社区的工作。为了更好地传播Python，在面向初学者和机器学习领域担任Python讲师。

主要履历：

·CMS 通信公司董事长

·Python工程师培养促进协会顾问理事

·Plone基金会代表

·PSF（Python软件基金会）贡献成员

·原一桥大学社会学研究生院全球社会学系客座副教授

辻真吾（Shingo Tsuji） 

博士，生物信息学专业。现在隶属于东京大学尖端科学技术研究中心基因组科学领域。从 

2015年开始主持Start Python Club，每月举办一次无门槛、面向大众的“大家的Python 

学习会”。著有多本Python统计和数据分析方面的图书。

铃木隆典（Takanori Suzuki） 

2014—2016年担任PyCon JP主席，其他主要职务有Python Voldaring部（#kabepy）部长，Python mini Hack-a-thon（#pyhack）组织者等。著有多本Python编程方面的图书。

福岛真太朗（Shintaro Fukushima） 

研究生期间就使用C语言和C  进行非线性动力系统的数值计算，工作后开始使用Python（和R）从事机器学习和数据分析相关工作。目前，在丰田IT开发中心，使用Python和Julia对工厂的传感器数据、车辆数据、图像数据、物理特性/材料数据等进行分析。

【目录】

章 数据分析工程师的职责

1.1 数据分析的世界

1.1.1 数据分析行业现状

1.1.2 数据分析与python

1.1.3 什么是数据科学家

1.1.4 什么是数据分析工程师

1.1.5 数据处理（预处理）的重要

1.2 机器学的定位和流程

1.2.1 什么是机器学

1.2.2 机器学以外的选择

1.2.3 机器学的任务

1.2.4 机器学的处理流程

1.3 数据分析的常用软件包

1.3.1 什么是软件包

1.3.2 第三方软件包的介绍

第2章 python及其执行环境

2.1 构建执行环境

2.1.1 安装python正式版本

2.1.2 venv：python的虚拟环境

2.1.3 pip命令

2.1.4 anaconda

2.2 python的基础

2.2.1 python语

2.2.2 基本语

2.2.3 标准程序库

2.3 jupyter notebook

2.3.1 jupyter notebook是什么

2.3.2 安装

2.3.3 基本作

2.3.4 简便用

2.3.5 所需环境的准备

第3章 数学基础

3.1 数学公式的基础知识

3.1.1 公式和符号

3.1.2 数学符号

3.1.3 函数

3.2 线代数

3.2.1 向量及其运算、

3.2.2 矩阵及其运算

3.3 基础解析

3.3.1 微分与积分的意义

3.3.2 简单的函数微分与积分

3.3.3 微分与函数的值

3.3.4 偏微分

3.4 概率与统计

3.4.1 统计的基础

3.4.2 数据的可视化方

3.4.3 数据及其关系

3.4.4 概率

3.4.5 概率分布

3.4.6 概率与函数

第4章 利用标准库进行实践分析

4.1 numpy

4.1.1 numpy概述

4.1.2 用numpy处理数据

4.1.3 numpy的各种功能

4.2 pandas

4.2.1 pandas概述

4.2.2 读写数据

4.2.3 数据处理

4.2.4 时间序列数据

4.2.5 缺失值的处理

4.2.6 数据合并

4.2.7 统据的处理

4.3 matplotlib

4.3.1 matplotlib概述

4.3.2 绘图对象

4.3.3 图表类型和输出方式

4.3.4 样式

4.4 scikit-learn

4.4.1 预处理

4.4.2 分类

4.4.3 回归

4.4.4 降维

4.4.5 评估模型

4.4.6 超参数优化

4.4.7 聚类

第5章 应用：数据采集和加工

5.1 数据采集

5.1.1 什么是“爬虫”

5.1.2 爬虫环境的准备

5.1.3 下载网页

5.1.4 从网页中提取元素

5.1.5 提取信息的一览表

5.1.6 网页抓取的注意事项

5.1.7 后续步骤

5.2 自然语言处理

5.2.1 安装所需的库

5.2.2 词素分析

5.2.3 词袋

5.2.4 tf-idf

5.2.5 极判定

5.2.6 结

5.3 图像数据处理

5.3.1 准备要处理的图像

5.3.2 图像数据基础知识

5.3.3 简单的图像处理

5.3.4 数据化的图像

5.3.5 使用机器学进行图像分类

5.3.6 结

参文献