Python数据分析与可视化(第2版)-微课视频版
✍ Scribed by 魏伟一
- Publisher
- 清华大学出版社
- Year
- 2021
- Tongue
- Chinese
- Leaves
- 292
- Series
- 大数据与人工智能技术丛书
- Category
- Library
No coin nor oath required. For personal study only.
✦ Synopsis
《Python数据分析与可视化(第2版)-微课视频版/大数据与人工智能技术丛书》从Python数据分析的基础知识人手,结合大量的数据分析示例,系统地介绍数据分析与可视化方法,带领读者逐步掌握Python数据分析的相关知识,提高解决实际问题的能力。 《Python数据分析与可视化(第2版)-微课视频版/大数据与人工智能技术丛书》共13章,主要内容包括数据分析与可视化概述、Python编程基础、NumPy数值计算基础、Pandas统计分析基础、Pandas数据载人与预处理、Matplotlib数据可视化基础、Seaborn可视化、pyecharts可视化、时间序列数据分析、SciPy科学计算、统计与机器学习、图像数据分析和综合案例实战等。 《Python数据分析与可视化(第2版)-微课视频版/大数据与人工智能技术丛书》可作为高等院校数据科学与大数...
《Python数据分析与可视化(第2版)-微课视频版/大数据与人工智能技术丛书》从Python数据分析的基础知识人手,结合大量的数据分析示例,系统地介绍数据分析与可视化方法,带领读者逐步掌握Python数据分析的相关知识,提高解决实际问题的能力。 《Python数据分析与可视化(第2版)-微课视频版/大数据与人工智能技术丛书》共13章,主要内容包括数据分析与可视化概述、Python编程基础、NumPy数值计算基础、Pandas统计分析基础、Pandas数据载人与预处理、Matplotlib数据可视化基础、Seaborn可视化、pyecharts可视化、时间序列数据分析、SciPy科学计算、统计与机器学习、图像数据分析和综合案例实战等。 《Python数据分析与可视化(第2版)-微课视频版/大数据与人工智能技术丛书》可作为高等院校数据科学与大数据、软件工程和计算机科学与技术等专业的教材,也可作为Python数据分析初学者和爱好者的参考书。
✦ Table of Contents
封面
扉页
内容简介
版权页
前言
目录
第1章数据分析与可视化概述
1.1数据分析
1.2数据可视化
1.3数据分析与可视化常用工具
1.4为何选用Python进行数据分析与可视化
1.5Python数据分析与可视化常用类库
1.6Jupyter Notebook的安装和使用
1.7本章小结
1.8本章习题
第2章 Python编程基础
2.1Python语言基本语法
2.2内置数据类型
2.3函数
2.4文件操作
2.5本章小结
2.6本章习题
2.7本章实训
第3章 NumPy数值计算基础
3.1NumPy多维数组
3.2数组的索引和切片
3.3数组的运算
3.4数组读/写
3.5NumPy中的数据统计与分析
3.6本章小结
3.7本章习题
3.8本章实训
第4章 Pandas统计分析基础
4.1Pandas中的数据结构
4.2Pandas索引操作
4.3DataFrame数据的查询与编辑
4.4Pandas数据运算
4.5数据分组与聚合
4.6数据透视表
4.7Pandas可视化
4.8本章小结
4.9本章习题
4.10本章实训
第5章 Pandas数据载入与预处理
5.1数据载入
5.2合并数据
5.3数据清洗
5.4数据标准化
5.5数据变换与数据离散化
5.6本章小结
5.7本章习题
5.8本章实训
第6章 Matplotlib数据可视化基础
6.1Matplotlib简介
6.2Matplotlib绘图基础
6.3设置Pyplot的动态rc参数
6.4Pyplot中的常用绘图
6.5词云
6.6本章小结
6.7本章习题
6.8本章实训
第7章 Seaborn可视化
7.1Seaborn简介
7.2风格设置
7.3Seaborn中的常用绘图
7.4本章小结
7.5本章习题
7.6本章实训
第8章 pyecharts可视化
8.1pyecharts简介
8.2pyecharts的使用方法
8.3pyecharts常用图表
8.4本章小结
8.5本章习题
8.6本章实训
第9章 时间序列数据分析
9.1日期和时间数据类型
9.2时间序列基础
9.3日期范围、频率和移位
9.4时期
9.5重采样、降采样和升采样
9.6时间序列的平稳性检验
9.7本章小结
9.8本章习题
9.9本章实训
第10章 SciPy科学计算
10.1SciPy中的常数与特殊函数
10.2SciPy中的线性代数基本运算
10.3SciPy中的优化
10.4SciPy中的稀疏矩阵处理
10.5SciPy中的图像处理
10.6信号处理
10.7本章小结
10.8本章习题
10.9本章实训
第11章 统计与机器学习
11.1Scikit-learn的主要功能
11.2回归分析
11.3分类
11.4聚类
11.5主成分分析
11.6本章小结
11.7本章习题
11.8本章实训
第12章 图像数据分析
12.1OpenCV简介与导入
12.2cv2图像处理基础
12.3应用尺度不变特征变换
12.4使用加速鲁棒特征检测
12.5图像降噪
12.6本章小结
12.7本章习题
12.8本章实训
第13章 综合案例
13.1职业人群体检数据分析
13.2股票数据分析
13.3红酒数据分析
图书资源支持
封底
📜 SIMILAR VOLUMES
<p>本书围绕大数据采集,对采集技术的相关基础、技术原理、Python实现技术、大数据挖掘与应用方法进行了系统介绍。书中全面完整地覆盖了各种类型的网络爬虫及相关的信息处理挖掘技术,并提供了27个与爬虫相关技术和应用相关的Python程序。本书可以作为高等院校大数据、计算机、信息以及经管、金融等人文社科相关专业研究生和高年级本科生的教材,也可以作为大数据、计算机、信息以及经管、金融等人文社科领域研究人员和专业技术人员的参考书。</p>
本书以实用为设计理念,并结合数据分析相关理论,系统地介绍了数据分析的相关内容,包括电商数据分析概述、数据分析业务指标、数据准备与处理、数据分析常用方法、常用数据分析工具、数据可视化、数据图表专业化、撰写数据分析报告等,能够帮助读者掌握数据分析的整个流程。 全书共9章。第1章为电商数据分析概述,主要介绍数据分析基础概念;第2章为数据分析业务指标,主要介绍数据分析中涉及的分析指标;第3章为数据准备与处理,主要介绍如何准备和处理数据;第4章为数据分析常用方法,主要介绍数据分析中的方法论;第5章为常用数据分析工具,主要介绍运营中常用的数据分析工具;第6章为数据可视化,主要介绍如何通过图表展现数据;第
本书从零基础入门,内含丰富项目案例实战演练,详细讲解了Python的环境搭建、基本语法结构、趣味应用、分析与建模以及完整的项目案例。
了解数据结构与算法是透彻理解计算机科学的前提。随着Python日益广泛的应用,Python程序员需要实现与传统的面向对象编程语言相似的数据结构与算法。本书是用Python描述数据结构与算法的开山之作,汇聚了作者多年的实战经验,向读者透彻讲解在Python环境下,如何通过一系列存储机制高效地实现各类算法。通过本书,读者将深刻理解Python数据结构、递归、搜索、排序、树与图的应用,等等。
<p>了解数据结构与算法是透彻理解计算机科学的前提。随着Python日益广泛的应用,Python程序员需要实现与传统的面向对象编程语言相似的数据结构与算法。本书是用Python描述数据结构与算法的开山之作,汇聚了作者多年的实战经验,向读者透彻讲解在Python环境下,如何通过一系列存储机制高效地实现各类算法。通过本书,读者将深刻理解Python数据结构、递归、搜索、排序、树与图的应用,等等。</p>