Python數據分析(2023年中國水利水電出版社出版的圖書)

本詞條是多義詞,共11個義項
更多義項 ▼ 收起列表 ▲

《Python數據分析》是2023年中國水利水電出版社出版的圖書。

基本介紹

  • 中文名:Python數據分析
  • 出版時間:2023年12月1日
  • 出版社:中國水利水電出版社
  • ISBN:9787522621661
內容簡介,圖書目錄,

內容簡介

本書從開發環境配置入手,以先理論後實踐的形式講解Python數據分析,理論部分內容包括Python簡介及數據分析概述、Python語言基礎、科學計算庫NumPy、數據處理庫Pandas、數據可視化和數據分析方法,由淺入深地引出實踐部分的三個經典數據分析實戰案例,並將理論知識綜合套用到數據分析案例中,進一步加深知識理解。全書理論部分可以作為理論課知識進行教學,案例內容可以用於實訓課教學。全書章節可以拆分重組,為不同背景知識的學生提供合適的知識組合,為教師組織教學提供便利。本書內容表達圖文並茂、通俗易懂,以實踐操作套用為導向,側重知識的內在認知邏輯引導,適合於理論與實踐相結合的教學方式。
本書適合作為本科或高職院校的計算機科學技術、數據科學與大數據技術、人工智慧、信息管理、電子商務、套用數學、信息與計算科學、統計學、金融工程、市場行銷等專業的教學用書,同時也適合作為其他相關專業的選修課程教材。本書提供微課視頻,並配套程式原始碼、教學課件和習題答案。

圖書目錄

前言
第1章 Python簡介及數據分析概述
1.1 Python簡介
1.1.1 Python語言的特點
1.1.2 Python語言的套用領域
1.2 Python開發環境部署
1.2.1 下載對應版本安裝檔案
1.2.2 Python的安裝及相關檔案介紹
1.3 擴展庫的安裝
1.4 開發環境套用示例
1.4.1 Anaconda的功能介紹及安裝
1.4.2 JupyterLab的使用及文本數據分析實例演示
1.5 數據分析概述
1.5.1 數據分析的過程
1.5.2 數據分析常用擴展庫
本章小結
練習1
第2章 Python語言基礎
2.1 數據類型
2.1.1 數值
2.1.2 字元串
2.1.3 列表
2.1.4 元組
2.1.5 集合
2.1.6 字典
2.2 數據類型的共有方法
2.2.1 索引
2.2.2 切片
2.2.3 提取長度
2.2.4 統計
2.2.5 確認成員身份
2.2.6 刪除變數
2.3 字元串、列表、元組、集合及字典的方法
2.3.1 字元串的方法
2.3.2 列表的方法
2.3.3 元組的方法
2.3.4 集合的方法
2.3.5 字典的方法
2.4 內置函式、內置模組與自定義函式
2.4.1 內置函式
2.4.2 高級函式
2.4.3 help()函式
2.4.4 內置函式與內置模組的區別
2.4.5 常用的內置模組
2.4.6 自定義函式
2.5 類和對象
2.5.1 類和對象的概念
2.5.2 類和對象的使用
2.5.3 類和對象實例演示
2.6 讀取數據檔案
本章小結
練習2
第3章 科學計算庫NumPy
3.1 NumPy簡介
3.2 NumPy中的對象
3.2.1 ndarray對象
3.2.2 array對象的屬性和方法
3.2.3 NumPy創建數組
3.3 NumPy中數組的索引
3.3.1 數組的維度和基本索引
3.3.2 高級索引
3.4 Numpy中的統計函式
3.5 Numpy中的矩陣操作
本章小結
練習3
第4章 數據處理庫Pandas
4.1 Pandas簡介
4.1.1 Pandas的安裝與導入
4.1.2 數據類型Series
4.1.3 數據類型DataFrame
4.2 數據檔案讀取
4.2.1 excel檔案讀取
4.2.2 csv檔案讀取
4.3 數據類型Series和DataFrame
4.3.1 Series常見的屬性與方法
4.3.2 DataFrame常見的屬性與方法
4.4 Pandas的高級操作
4.4.1 Pandas的高級操作簡介
4.4.2 Pandas數據分析案例
4.4.3 Pandas數據分析案例
本章小結
練習4
第5章 數據可視化
5.1 數據可視化簡介
5.2 Matplotlib可視化
5.2.1 Matplotlib散點圖示例
5.2.2 Matplotlib線圖示例
5.2.3 Matplotlib柱狀圖示例
5.2.4 Matplotlib餅圖示例
5.2.5 Matplotlib箱線圖示例
5.2.6 Matplotlib直方圖示例
5.2.7 Matplotlib多子圖示例
5.3 Pandas繪圖
本章小結
練習5
第6章 數據分析方法
6.1 數據分析方法概述
6.1.1 ETL(Extract-Transform-Load)
6.1.2 數據分析中常用的方法
6.2 數據預處理
6.2.1 異常值處理
6.2.2 缺失值處理
6.2.3 歸一化處理
6.3 分類與預測
6.3.1 決策樹
6.3.2 樸素貝葉斯
6.3.3 支持向量機
6.3.4 神經網路
6.4 回歸
6.4.1 線性回歸
6.4.2 非線性回歸
6.5 聚類
6.5.1 層次聚類
6.5.2 非層次聚類
本章小結
練習6
第7章 電影數據分析
7.1 項目簡介
7.2 代碼實現
7.2.1 數據清洗
7.2.2 編程打分
7.2.3 其他數據類型處理
7.2.4 建模分析
本章小結
練習7
第8章 客戶價值分析
8.1 項目簡介
8.2 代碼實現
8.2.1 數據清洗
8.2.2 客戶屬性與客戶流失的關係分析
8.2.3 產品屬性與客戶流失的關係分析
8.2.4 客戶行為與客戶流失的關係分析
本章小結
練習8
第9章 房價預測分析
9.1 項目簡介
9.2 代碼實現
9.2.1 線性回歸
9.2.2 隨機森林
9.2.3 支持向量機
9.2.4 模型評估比較
本章小結
練習9
參考文獻

相關詞條

熱門詞條

聯絡我們