Java知识分享网 - 轻松学习从此开始!    

Java知识分享网

Java1234官方群25:java1234官方群17
Java1234官方群25:838462530
        
SpringBoot+SpringSecurity+Vue+ElementPlus权限系统实战课程 震撼发布        

最新Java全栈就业实战课程(免费)

springcloud分布式电商秒杀实战课程

IDEA永久激活

66套java实战课程无套路领取

锋哥开始收Java学员啦!

Python学习路线图

锋哥开始收Java学员啦!
当前位置: 主页 > Java文档 > Java基础相关 >

Python数据分析实战 PDF 下载


分享到:
时间:2017-11-22 14:57来源:http://www.jb51.net/(脚本之家 作者:转载  侵权举报
Python数据分析实战 PDF 下载
失效链接处理
Python数据分析实战 PDF 下载

转载自:http://www.jb51.net/books/587809.html
 
本站整理下载:
版权归出版社和原作者所有,链接已删除,请购买正版
 
 
 
用户下载说明:
电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍:
http://product.dangdang.com/24025329.html
  
相关截图:


 
资料简介:
Python 简单易学,拥有丰富的库,并且具有极强的包容性。本书展示了如何利用Python 语言的强大功能,以小的编程代价进行数据的提取、处理和分析,主要内容包括:数据分析和Python 的基本介绍,NumPy 库,pandas 库,如何使用pandas 读写和提取数据,用matplotlib 库和scikit-learn 库分别实现数据可视化和机器学习,以实例演示如何从原始数据获得信息、D3 库嵌入和手写体数字的识别
 
资料目录:

第1章 数据分析简介  1

1.1 数据分析  1

1.2 数据分析师的知识范畴  2

1.2.1 计算机科学  2

1.2.2 数学和统计学  3

1.2.3 机器学习和人工智能  3

1.2.4 数据来源领域  3

1.3 理解数据的性质  4

1.3.1 数据到信息的转变  4

1.3.2 信息到知识的转变  4

1.3.3 数据的类型  4

1.4 数据分析过程  4

1.4.1 问题定义  5

1.4.2 数据抽取  6

1.4.3 数据准备  6

1.4.4 数据探索和可视化  7

1.4.5 预测模型  7

1.4.6 模型评估  8

1.4.7 部署  8

1.5 定量和定性数据分析  9

1.6 开放数据  9

1.7 Python和数据分析  11

1.8 结论  11

第2章 Python世界简介  12

2.1 Python——编程语言  12

2.2 Python——解释器  13

2.2.1 Cython  14

2.2.2 Jython  14

2.2.3 PyPy  14

2.3 Python 2和Python 3  14

2.4 安装Python  15

2.5 Python发行版  15

2.5.1 Anaconda  15

2.5.2 Enthought Canopy  16

2.5.3 Python(x,y)  17

2.6 使用Python  17

2.6.1 Python shell  17

2.6.2 运行完整的Python程序  17

2.6.3 使用IDE编写代码  18

2.6.4 跟Python交互  18

2.7 编写Python代码  18

2.7.1 数学运算  18

2.7.2 导入新的库和函数  19

2.7.3 函数式编程  21

2.7.4 缩进  22

2.8 IPython  23

2.8.1 IPython shell  23

2.8.2 IPython Qt-Console  24

2.9 PyPI仓库——Python包索引  25

2.10 多种Python IDE  26

2.10.1 IDLE  26

2.10.2 Spyder  27

2.10.3 Eclipse(pyDev)  27

2.10.4 Sublime  28

2.10.5 Liclipse  29

2.10.6 NinjaIDE  29

2.10.7 Komodo IDE  29

2.11 SciPy  30

2.11.1 NumPy  30

2.11.2 pandas  30

2.11.3 matplotlib  31

2.12 小结  31

第3章 NumPy库  32

3.1 NumPy简史  32

3.2 NumPy安装  32

3.3 ndarray:NumPy库的心脏  33

3.3.1 创建数组  34

3.3.2 数据类型  34

3.3.3 dtype选项  35

3.3.4 自带的数组创建方法  36

3.4 基本操作  37

3.4.1 算术运算符  37

3.4.2 矩阵积  38

3.4.3 自增和自减运算符  39

3.4.4 通用函数  40

3.4.5 聚合函数  40

3.5 索引机制、切片和迭代方法  41

3.5.1 索引机制  41

3.5.2 切片操作  42

3.5.3 数组迭代  43

3.6 条件和布尔数组  45

3.7 形状变换  45

3.8 数组操作  46

3.8.1 连接数组  46

3.8.2 数组切分  47

3.9 常用概念  49

3.9.1 对象的副本或视图  49

3.9.2 向量化  50

3.9.3 广播机制  50

3.10 结构化数组  52

3.11 数组数据文件的读写  53

3.11.1 二进制文件的读写  54

3.11.2 读取文件中的列表形式数据  54

3.12 小结  55

第4章 pandas库简介  56

4.1 pandas:Python数据分析库  56

4.2 安装  57

4.2.1 用Anaconda安装  57

4.2.2 用PyPI安装  58

4.2.3 在Linux系统的安装方法  58

4.2.4 用源代码安装  58

4.2.5 Windows模块仓库  59

4.3 测试pandas是否安装成功  59

4.4 开始pandas之旅  59

4.5 pandas数据结构简介  60

4.5.1 Series对象  60

4.5.2 DataFrame对象  66

4.5.3 Index对象  72

4.6 索引对象的其他功能  74

4.6.1 更换索引  74

4.6.2 删除  75

4.6.3 算术和数据对齐  77

4.7 数据结构之间的运算  78

4.7.1 灵活的算术运算方法  78

4.7.2 DataFrame和Series对象之间的运算  78

4.8 函数应用和映射  79

4.8.1 操作元素的函数  79

4.8.2 按行或列执行操作的函数  80

4.8.3 统计函数  81

4.9 排序和排位次  81

4.10 相关性和协方差  84

4.11 NaN数据  85

4.11.1 为元素赋NaN值  85

4.11.2 过滤NaN  86

4.11.3 为NaN元素填充其他值  86

4.12 等级索引和分级  87

4.12.1 重新调整顺序和为层级排序  89

4.12.2 按层级统计数据  89

4.13 小结  90

第5章 pandas:数据读写  91

5.1 I/O API 工具  91

5.2 CSV和文本文件  92

5.3 读取CSV或文本文件中的数据  92

5.3.1 用RegExp解析TXT文件  94

5.3.2 从TXT文件读取部分数据  96

5.3.3 往CSV文件写入数据  97

5.4 读写HTML文件  98

5.4.1 写入数据到HTML文件  99

5.4.2 从HTML文件读取数据  100

5.5 从XML读取数据  101

5.6 读写Microsoft Excel文件  103

5.7 JSON数据  105

5.8 HDF5格式  107

5.9 pickle——Python对象序列化  108

5.9.1 用cPickle实现Python对象序列化  109

5.9.2 用pandas实现对象序列化  109

5.10 对接数据库  110

5.10.1 SQLite3数据读写  111

5.10.2 PostgreSQL数据读写  112

5.11 NoSQL数据库MongoDB数据读写  114

5.12 小结  116

第6章 深入pandas:数据处理  117

6.1 数据准备  117

6.2 拼接  122

6.2.1 组合  124

6.2.2 轴向旋转  125

6.2.3 删除  127

6.3 数据转换  128

6.3.1 删除重复元素  128

6.3.2 映射  129

6.4 离散化和面元划分  132

6.5 排序  136

6.6 字符串处理  137

6.6.1 内置的字符串处理方法  137

6.6.2 正则表达式  139

6.7 数据聚合  140

6.7.1 GroupBy  141

6.7.2 实例  141

6.7.3 等级分组  142

6.8 组迭代  143

6.8.1 链式转换  144

6.8.2 分组函数  145

6.9 高级数据聚合  145

6.10 小结  148

第7章 用matplotlib实现数据可视化  149

7.1 matplotlib库  149

7.2 安装  150

7.3 IPython和IPython QtConsole  150

7.4 matplotlib架构  151

7.4.1 Backend层  152

7.4.2 Artist层  152

7.4.3 Scripting层(pyplot)  153

7.4.4 pylab和pyplot  153

7.5 pyplot  154

7.5.1 生成一幅简单的交互式图表  154

7.5.2 设置图形的属性  156

7.5.3 matplotlib和NumPy  158

7.6 使用kwargs  160

7.7 为图表添加更多元素  162

7.7.1 添加文本  162

7.7.2 添加网格  165

7.7.3 添加图例  166

7.8 保存图表  168

7.8.1 保存代码  169

7.8.2 将会话转换为HTML文件  170

7.8.3 将图表直接保存为图片  171

7.9 处理日期值  171

7.10 图表类型  173

7.11 线性图  173

7.12 直方图  180

7.13 条状图  181

7.13.1 水平条状图  183

7.13.2 多序列条状图  184

7.13.3 为pandas DataFrame生成多序列条状图  185

7.13.4 多序列堆积条状图  186

7.13.5 为pandas DataFrame绘制堆积条状图  189

7.13.6 其他条状图  190

7.14 饼图  190

7.15 高级图表  193

7.15.1 等值线图  193

7.15.2 极区图  195

7.16 mplot3d  197

7.16.1 3D曲面  197

7.16.2 3D散点图  198

7.16.3 3D条状图  199

7.17 多面板图形  200

7.17.1 在其他子图中显示子图  200

7.17.2 子图网格  202

7.18 小结  204

第8章 用scikit-learn库实现机器学习  205

8.1 scikit-learn库  205

8.2 机器学习  205

8.2.1 有监督和无监督学习  205

8.2.2 训练集和测试集  206

8.3 用scikit-learn实现有监督学习  206

8.4 Iris数据集  206

8.5 K-近邻分类器  211

8.6 Diabetes数据集  214

8.7 线性回归:最小平方回归  215

8.8 支持向量机  219

8.8.1 支持向量分类  219

8.8.2 非线性SVC  223

8.8.3 绘制SVM分类器对Iris数据集的分类效果图  225

8.8.4 支持向量回归  227

8.9 小结  229

第9章 数据分析实例——气象数据  230

9.1 待检验的假设:靠海对气候的影响  230

9.2 数据源  233

9.3 用IPython Notebook做数据分析  234

9.4 风向频率玫瑰图  246

9.5 小结  251

第10章 IPython Notebook内嵌JavaScript库D3  252

10.1 开放的人口数据源  252

10.2 JavaScript库D3  255

10.3 绘制簇状条状图  259

10.4 地区分布图  262

10.5 2014年美国人口地区分布图  266

10.6 小结  270

第11章 识别手写体数字  271

11.1 手写体识别  271

11.2 用scikit-learn识别手写体数字  271

11.3 Digits数据集  272

11.4 学习和预测  274

11.5 小结  276

附录A 用LaTeX编写数学表达式  277

附录B 开放数据源  287 



 

------分隔线----------------------------

锋哥公众号


锋哥微信


关注公众号
【Java资料站】
回复 666
获取 
66套java
从菜鸡到大神
项目实战课程

锋哥推荐