✍ Scribed by 柳毅、毛峰、李艺
No coin nor oath required. For personal study only.
Python是信息管理与信息系统、电子商务等信息管理类本科学生进行数据分析所需要掌握的基础性语言和分析工具，是未来学生掌握大数据分析技术的学习基础。本书共分12章，着重讲述Python语言和数据分析工具包的应用。 第1章主要介绍Python的发展历史、特点、集成开发环境、内置模块、帮助的使用等内容； 第2章主要介绍Python语言的基础知识； 第3章主要介绍Python中的常用数据结构，包括序列、字典、集合等，以及函数的定义和调用等； 第4章主要介绍Python中类、对象和方法的相关内容； 第5章主要介绍Python进行数据分析常用的NumPy、Pandas、Matplotlib、SciPy和Scikit?learn等基础库内容； 第6章主要介绍网络数据获取的HTML和XML两种网页组织形式，以及urllib和BeautifulSoup4两个模块内容； 第7章主要介绍文件的操作； 第8章主要介绍数据可视化，以及使用Python绘制图表的知识； 第9章主要介绍利用Python进行数据库应用开发； 第10、11章主要介绍Python机器学习的基本概念以及有监督、无监督学习算法的原理； 第12章主要介绍Python在地理空间分析上的应用。本书中的代码均在Python 3.5中测试通过。 本书一方面侧重对Python数据分析基础知识的讲解，另一方面注重Python数据处理方法的应用。本书适合作为计算机科学与技术专业学生学习数据分析的入门教材，也适合作为Python爱好者的参考书。
封面
扉页
内容简介
版权页
序
前言
目录
第1章 Python简介
1.1 Python语言的发展史
1.2 Python的环境搭建
1.3 开始使用Python IDLE
1.4 Eclipse＋PyDev的安装
1.5 代码风格
1.6 使用帮助
本章小结
习题
第2章 Python语言基础知识
2.1 标识符与变量
2.2 数据类型及运算
2.3 分支结构控制语句
2.4 循环语句
2.5 常见的Python函数
本章小结
习题
第3章 数据结构与函数设计
3.1 序列
3.2 字典
3.3 集合
3.4 函数的定义
本章小结
习题
第4章 类与对象
4.1 面向对象
4.2 认识Python中的类、对象和方法
4.3 类的属性
4.4 类的方法
4.5 类的继承
4.6 类的组合
4.7 类的异常处理
本章小结
习题
案例
第5章 Python数据分析基础库
5.1 NumPy
5.2 Pandas
5.3 Matplotlib
5.4 SciPy
5.5 Scikit-learn
本章小结
习题
第6章 网络数据的获取
6.1 网页数据的组织形式
6.2 XML
6.3 利用urllib处理HTTP
6.4 利用BeautifulSoup4解析HTML文档
本章小结
习题
第7章 文件操作
7.1 文件的打开和关闭
7.2 读写文件
7.3 文件对话框
7.4 应用实例:文本文件的操作
本章小结
习题
第8章 Python数据可视化
8.1 数据可视化概念框架
8.2 绘制图表
8.3 更多高级图表及定制
本章小结
习题
第9章 数据库应用开发
9.1 Python与数据库
9.2 本地数据库SQLite
9.3 关系型数据库
9.4 非关系型数据库
习题
第10章 机器学习---有监督学习
10.1 机器学习简介
10.2 Python机器学习库Scikit-learn
10.3 有监督学习
本章小结
习题
第11章 机器学习---无监督学习
11.1 无监督学习
11.2 聚类
11.3 关联规则
本章小结
习题
第12章 Python地理空间分析
12.1 地理空间分析简介
12.2 地理空间数据
12.3 Python地理空间分析工具
12.4 Python分析矢量数据
12.5 Python与遥感
12.6 '五水共治'资源地理空间分析综合应用
本章小结
习题
正文结束
📜 SIMILAR VOLUMES
使用Python进行数据分析是十分便利且高效的，因此它被认为是最优秀的数据分析工具之一。本书从理论和实战两个角度对Python数据分析工具进行了介绍，并采用理论分析和Python实践相结合的形式，按照数据分析的基本步骤对数据分析的理论知识以及相应的Python库进行了详细的介绍，让读者在了解数据分析的基本理论知识的同时能够快速上手实现数据分析程序。 本书适用于对数据分析有浓厚兴趣但不知从何下手的初学者，在阅读数据分析的基础理论知识的同时可以通过Python实现简单的数据分析程序，从而快速对数据分析的理论和实现两个层次形成一定的认知。
<p>《SPSS 18数据分析基础与实践》主要介绍SPSS 18（中文版）在数据处理中的应用，结合实际案例来系统讲述数据处理和统计分析的方法与技巧。《SPSS 18数据分析基础与实践》的统计学知识部分主要参照教育部《统计学》课程教学规范的要求。全书共分为十一章，主要内容为SPSS统计分析软件简介、数据文件的建立、数据预处理、描述性统计分析、均值比较、非参数检验、相关分析、回归分析、方差分析、SPSS输出管理和语法命令。《SPSS 18数据分析基础与实践》各章基本上是各自独立的，读者可以从第一章开始顺序阅读，也可以选择感兴趣的章节进行阅读。</p> <p>《SPSS 18数据分析基础与实践》可
这是一部从实战角度讲解如何利用Python进行数据分析、挖掘和数据化运营的著作，不仅对数据分析的关键技术和技巧进行了总结，更重要的是对会员、商品、流量、内容4个主题的数据化运营进行了系统讲解。 作者是国内一线数据分析师和大数据专家，在数据分析和数据化运营领域有近10年的经验，在业内颇具知名度和影响力。本书不仅得到了宋星、黄成明、宫鑫等14位资深专家的好评和推荐，还得到了天善智能、中国统计网等多个数据科学相关机构的支持和高度认可。 全书的内容在逻辑上共分为两大部分： 第一部分（第1~4章）：Python数据分析与挖掘 着重讲解了Python和数据化运营的基本知识，以及Python数据获取
本书内容涵盖了目前使用广泛的大数据处理系统Hadoop生态圈中的几大核心软件系统：分布式大数据处理系统Hadoop、数据库HBase、数据仓库工具Hive、内存大数据计算框架Spark和Spark SQL，详细介绍了它们的架构、工作原理、部署方法、常用配置、常用操作命令、SQL引擎等内容。本书对上述几大系统的各种安装部署方式给出了详细步骤，常用命令也都有具体示例介绍，是一本实操性很强的工具书，能帮助初学者快速掌握这几款常用的大数据处理系统。 本书以浅显易懂的语言风格和图文并茂的操作示例带读者迈入大数据实践之门，可以作为培养应用型人才的课程教材，也可作为开发人员的自学教材和参考手册。