免費咨詢熱線
400-615-1233
工作時間-工作日
8:30-17:30

Python數據分析與應用

2023年重慶市高校普通本科重點建設教材
  • 類　　別：大數據與云計算
  • 書　　名：Python數據分析與應用
  • 主　　編：吳濤 徐光俠 劉俊
  • 定　　價：45
  • 開　　本：大16開
  • 時　　間：2024年1月
  • 出  版  社：同濟大學出版社
  • 書　　號：978-7-5608-8673-2

內容摘要

        本書共分9章，內容包括數據分析基礎、Python編程語言、數據分析過程、回歸與預測、聚類分析、分類模型與算法、數據降維、社交網絡數據分析、數據可視化。全書從實際應用出發，側重對學生實踐能力的培養。
        本書可作為高等院校云計算與大數據專業及相關課程的教材，也可供相關技術人員參考。

目錄

第1章  數據分析基礎
    1.1  數據分析的基本概念
      1.1.1  什么是數據分析
      1.1.2  數據分析范式
      1.1.3  數據分析面臨的問題
      1.1.4  相關概念辨析
    1.2  數據分析的任務與方法
      1.2.1  分類任務
      1.2.2  回歸任務
      1.2.3  聚類任務
      1.2.4  降維任務
    1.3  領域數據與常見數據類型
      1.3.1  典型的數據領域
      1.3.2  數據類型
    1.4  數據分析的生態系統
      1.4.1  分布式文件系統
      1.4.2  分布式編程框架
      1.4.3  機器學習與數據分析平臺
      1.4.4  數據可視化工具
    1.5  本書的內容和組織
    思考與練習
第2章  Python編程語言
    2.1  初識Python
      2.1.1  概述
      2.1.2  Python環境搭建
      2.1.3  Python語法特點
      2.1.4  Python的基本數據類型
    2.2  字符串與流程控制
      2.2.1  字符串
      2.2.2  流程控制
    2.3  列表、元組與字典
      2.3.1  列表
      2.3.2  元組
      2.3.3  字典
    2.4  函數、模塊與包
      2.4.1  函數
      2.4.2  模塊
      2.4.3  包
    2.5  Python異常處理
    思考與練習
第3章  數據分析過程
    3.1  數據分析過程的概念
      3.1.1  數據類型
      3.1.2  使用Python的原因
      3.1.3  重要的Python庫
    3.2  數據探索與描述
      3.2.1  數據導入
      3.2.2  中心趨勢
      3.2.3  離散度
      3.2.4  相關性
    3.3  數據預處理
      3.3.1  數據清洗
      3.3.2  數據集成
      3.3.3  數據變換
      3.3.4  數據歸約
    3.4  機器學習
    思考與練習
第4章  回歸與預測
    4.1  基本概念
    4.2  線性回歸
      4.2.1  一元線性回歸
      4.2.2  多元線性回歸
      4.2.3  最小二乘法
    4.3  Logistic回歸
      4.3.1  算法原理
      4.3.2  算法實例
    4.4  嶺回歸
      4.4.1  算法原理
      4.4.2  代碼實現
    4.5  Lasso回歸
      4.5.1  算法原理
      4.5.2  代碼實現
    思考與練習
第5章  聚類分析
    5.1  基本概念
      5.1.1  什么是聚類分析
      5.1.2  不同的簇類型
    5.2  K-means聚類
      5.2.1  算法原理
      5.2.2  算法實例
    5.3  DBSCAN聚類
      5.3.1  DBSCAN算法
      5.3.2  算法實例
    5.4  譜聚類算
      5.4.1  相似度矩陣
      5.4.2  算法原理
      5.4.3  優點與缺點
      5.4.4  算法實例
    5.5  近鄰傳播算法
      5.5.1  算法原理
      5.5.2  優點與缺點
      5.5.3  算法實例
    思考與練習
第6章  分類模型與算法
    6.1  基本概念
    6.2  K近鄰算法
      6.2.1  算法原理
      6.2.2  算法實例
    6.3  樸素貝葉斯分類算法
      6.3.1  算法原理
      6.3.2  算法實例
    6.4  決策樹分類法
      6.4.1  算法原理
      6.4.2  算法實例
    6.5  隨機森林分類法
      6.5.1  算法原理
      6.5.2  算法實例
    思考與練習
第7章  數據降維
    7.1  基本概念
      7.1.1  為什么要降維
      7.1.2  降維技術
    7.2  線性降維
      7.2.1  無監督降維PCA
      7.2.2  使用scikit-learn實現PCA
      7.2.3  監督壓縮LDA
      7.2.4  使用scikit-learn實現LDA
    7.3  非線性降維
      7.3.1  LLE降維
      7.3.2  ISOMAP降維
      7.3.3  MDS降維
    思考與練習
第8章  網絡數據分析
    8.1  基本概念
      8.1.1  社交網絡的定義
      8.1.2  社會價值與應用
    8.2  結點排序
      8.2.1  主要方法
      8.2.2  評價指標
    8.3  鏈路預測
      8.3.1  主要方法
      8.3.2  評價指標
    8.4  社團檢測
      8.4.1  社團檢測方法
     8.4.2  評價指標
    思考與練習
第9章  數據可視化
    9.1  基本概念
    9.2  Matplotlib庫
      9.2.1  Matplotlib庫介紹
      9.2.2  Matplotlib庫安裝
    9.3  Pyplot方法
      9.3.1  Pyplot基礎語法
      9.3.2  Pyplot動態rc參數
    9.4  線性圖
      9.4.1  繪制散點圖
      9.4.2  繪制折線圖
    9.5  分布圖
      9.5.1  繪制直方圖
      9.5.2  繪制餅狀圖
      9.5.3  繪制箱線圖
    9.6  完善圖形
      9.6.1  添加文本
      9.6.2  添加網格
      9.6.3  添加圖例
    9.7  高級可視化
      9.7.1  多面板圖形繪制
      9.7.2  mplot3D圖繪制
      9.7.3  networkx網絡圖繪制
      9.7.4  heatmap熱力圖繪制
    思考與練習
參考文獻

相關圖書

  • Python數據挖掘技術

    主編：孫玉榮 張佳

     本書主要介紹數據挖掘的基本技術和應用，全書共分11章，主要內容包括數據挖掘概述、Python數據挖掘基礎、數據獲取與預處理技術、數

    ￥49.8

  • Python程序設計

    主編：金松林

     本書深入淺出地介紹了Python編程語言的基礎知識及簡單的數據處理技術。全書共分10章，主要內容包括初識Python，數據類型、變量與運

    ￥45

  • Python計算機視覺應用（全彩版）

    主編：劉國華

     本書是依托Python語言講解計算機視覺的基礎理論與算法，并通過大量示例細致分析了圖像形成和處理技術、圖像特征提取、圖像分割、圖

    ￥69.8

  • Python程序設計簡明教程

    主編：張春飛

     本書分為10章，內容包括Python語言概述、初識Python、選擇結構與循環結構、Python組合數據類型、函數、面向對象程序設計、模塊及第

    ￥49.9