当前位置:首页 > 程序设计 >
《Python数据分析与应用》电子书封面

Python数据分析与应用

  • 发布时间:2019年10月12日 08:17:43
  • 作者:黄红梅 张良均
  • 大小:281 MB
  • 类别:Python数据电子书
  • 格式:PDF
  • 版本:内部全资料版
  • 评分:8.9

    Python数据分析与应用 PDF 内部全资料版

      给大家带来的一篇关于Python数据相关的电子书资源,介绍了关于Python方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小281 MB,黄红梅 张良均编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.8。

      内容介绍

      Python数据分析与应用 PDF

      这书选用了以每日任务为导向性的教学方式,依照处理具体每日任务的工作内容线路,逐渐进行详细介绍有关的基础理论知识结构图,计算转化成行得通的解决方法,* 后贯彻落实在每日任务保持阶段。 本书绝大多数章节目录围绕每日任务要求进行,不沉积知识结构图,侧重于解决困难时构思的启迪与计划方案的执行。根据从每日任务要求到保持这一详细工作内容的感受,协助用户真实了解与消化吸收Python数据统计分析与运用。 书中实例所有来源于公司真正新项目,可执行性强,正确引导用户融汇贯通,并出示源码等有关教学资源,协助用户迅速把握互联网大数据有关专业技能。这书以每日任务为导向性,全方位地详细介绍数据统计分析的步骤和Python数据统计分析库的运用,详尽解读运用Python处理公司具体难题的方式 。本书共9章,* 1章详细介绍了数据统计分析的基本要素等有关专业知识;* 2~6章详细介绍了Python数据统计分析的常见库以及运用,包含NumPy数值计算、Matplotlib大数据可视化、pandas数据分析、应用pandas开展数据预处理、应用scikit-learn搭建实体模型,比较全方位地论述了Python数据分析方法;第7~9章融合以前所教的数据统计分析技术性,开展公司综合性实例数据统计分析。除* 1章外,这书各章都包括了培训与课后练习练习题,根据训练和实际操作实践活动,协助用户推进所教的內容。 这书可做为高等院校云计算技术类技术专业的教材内容,还可以做为云计算技术发烧友的自学用书。

      目录

      • 第1章 Python数据分析概述 1
      • 任务1.1 认识数据分析 1
      • 1.1.1 掌握数据分析的概念 2
      • 1.1.2 掌握数据分析的流程 2
      • 1.1.3 了解数据分析应用场景 4
      • 任务1.2 熟悉Python数据分析的工具 5
      • 1.2.1 了解数据分析常用工具 6
      • 1.2.2 了解Python数据分析的优势 7
      • 1.2.3 了解Python数据分析常用类库 7
      • 任务1.3 安装Python的Anaconda发行版 9
      • 1.3.1 了解Python的Anaconda发行版 9
      • 1.3.2 在Windows系统中安装Anaconda 9
      • 1.3.3 在Linux系统中安装Anaconda 12
      • 任务1.4 掌握Jupyter Notebook常用功能 14
      • 1.4.1 掌握Jupyter Notebook的基本功能 14
      • 1.4.2 掌握Jupyter Notebook的高 级功能 16
      • 小结 19
      • 课后习题 19
      • 第2章 NumPy数值计算基础 21
      • 任务2.1 掌握NumPy数组对象ndarray 21
      • 2.1.1 创建数组对象 21
      • 2.1.2 生成随机数 27
      • 2.1.3 通过索引访问数组 29
      • 2.1.4 变换数组的形态 31
      • 任务2.2 掌握NumPy矩阵与通用函数 34
      • 2.2.1 创建NumPy矩阵 34
      • 2.2.2 掌握ufunc函数 37
      • 任务2.3 利用NumPy进行统计分析 41
      • 2.3.1 读/写文件 41
      • 2.3.2 使用函数进行简单的统计分析 44
      • 2.3.3 任务实现 48
      • 小结 50
      • 实训 50
      • 实训1 创建数组并进行运算 50
      • 实训2 创建一个国际象棋的棋盘 50
      • 课后习题 51
      • 第3章 Matplotlib数据可视化基础 52
      • 任务3.1 掌握绘图基础语法与常用参数 52
      • 3.1.1 掌握pyplot基础语法 53
      • 3.1.2 设置pyplot的动态rc参数 56
      • 任务3.2 分析特征间的关系 59
      • 3.2.1 绘制散点图 59
      • 3.2.2 绘制折线图 62
      • 3.2.3 任务实现 65
      • 任务3.3 分析特征内部数据分布与分散状况 68
      • 3.3.1 绘制直方图 68
      • 3.3.2 绘制饼图 70
      • 3.3.3 绘制箱线图 71
      • 3.3.4 任务实现 73
      • 小结 77
      • 实训 78
      • 实训1 分析1996~2015年人口数据特征间的关系 78
      • 实训2 分析1996~2015年人口数据各个特征的分布与分散状况 78
      • 课后习题 79
      • 第4章 pandas统计分析基础 80
      • 任务4.1 读/写不同数据源的数据 80
      • 4.1.1 读/写数据库数据 80
      • 4.1.2 读/写文本文件 83
      • 4.1.3 读/写Excel文件 87
      • 4.1.4 任务实现 88
      • 任务4.2 掌握DataFrame的常用操作 89
      • 4.2.1 查看DataFrame的常用属性 89
      • 4.2.2 查改增删DataFrame数据 91
      • 4.2.3 描述分析DataFrame数据 101
      • 4.2.4 任务实现 104
      • 任务4.3 转换与处理时间序列数据 107
      • 4.3.1 转换字符串时间为标准时间 107
      • 4.3.2 提取时间序列数据信息 109
      • 4.3.3 加减时间数据 110
      • 4.3.4 任务实现 111
      • 任务4.4 使用分组聚合进行组内计算 113
      • 4.4.1 使用groupby方法拆分数据 114
      • 4.4.2 使用agg方法聚合数据 116
      • 4.4.3 使用apply方法聚合数据 119
      • 4.4.4 使用transform方法聚合数据 121
      • 4.4.5 任务实现 121
      • 任务4.5 创建透视表与交叉表 123
      • 4.5.1 使用pivot_table函数创建透视表 123
      • 4.5.2 使用crosstab函数创建交叉表 127
      • 4.5.3 任务实现 128
      • 小结 130
      • 实训 130
      • 实训1 读取并查看P2P网络贷款数据主表的基本信息 130
      • 实训2 提取用户信息更新表和登录信息表的时间信息 130
      • 实训3 使用分组聚合方法进一步分析用户信息更新表和登录信息表 131
      • 实训4 对用户信息更新表和登录信息表进行长宽表转换 131
      • 课后习题 131
      • 第5章 使用pandas进行数据预处理 133
      • 任务5.1 合并数据 133
      • 5.1.1 堆叠合并数据 133
      • 5.1.2 主键合并数据 136
      • 5.1.3 重叠合并数据 139
      • 5.1.4 任务实现 140
      • 任务5.2 清洗数据 141
      • 5.2.1 检测与处理重复值 141
      • 5.2.2 检测与处理缺失值 146
      • 5.2.3 检测与处理异常值 149
      • 5.2.4 任务实现 152
      • 任务5.3 标准化数据 154
      • 5.3.1 离差标准化数据 154
      • 5.3.2 标准差标准化数据 155
      • 5.3.3 小数定标标准化数据 156
      • 5.3.4 任务实现 157
      • 任务5.4 转换数据 158
      • 5.4.1 哑变量处理类别型数据 158
      • 5.4.2 离散化连续型数据 160
      • 5.4.3 任务实现 162
      • 小结 163
      • 实训 164
      • 实训1 插补用户用电量数据缺失值 164
      • 实训2 合并线损、用电量趋势与线路告警数据 164
      • 实训3 标准化建模专家样本数据 164
      • 课后习题 165
      • 第6章 使用scikit-learn构建模型 167
      • 任务6.1 使用sklearn转换器处理数据 167
      • 6.1.1 加载datasets模块中的数据集 167
      • 6.1.2 将数据集划分为训练集和测试集 170
      • 6.1.3 使用sklearn转换器进行数据预处理与降维 172
      • 6.1.4 任务实现 174
      • 任务6.2 构建并评价聚类模型 176
      • 6.2.1 使用sklearn估计器构建聚类模型 176
      • 6.2.2 评价聚类模型 179
      • 6.2.3 任务实现 182
      • 任务6.3 构建并评价分类模型 183
      • 6.3.1 使用sklearn估计器构建分类模型 183
      • 6.3.2 评价分类模型 186
      • 6.3.3 任务实现 188
      • 任务6.4 构建并评价回归模型 190
      • 6.4.1 使用sklearn估计器构建线性回归模型 190
      • 6.4.2 评价回归模型 193
      • 6.4.3 任务实现 194
      • 小结 196
      • 实训 196
      • 实训1 使用sklearn处理wine和wine_quality数据集 196
      • 实训2 构建基于wine数据集的K-Means聚类模型 196
      • 实训3 构建基于wine数据集的SVM分类模型 197
      • 实训4 构建基于wine_quality数据集的回归模型 197
      • 课后习题 198
      • 第7章 航空公司客户价值分析 199
      • 任务7.1 了解航空公司现状与客户价值分析 199
      • 7.1.1 了解航空公司现状 200
      • 7.1.2 认识客户价值分析 201
      • 7.1.3 熟悉航空客户价值分析的步骤与流程 201
      • 任务7.2 预处理航空客户数据 202
      • 7.2.1 处理数据缺失值与异常值 202
      • 7.2.2 构建航空客户价值分析关键特征 202
      • 7.2.3 标准化LRFMC模型的5个特征 206
      • 7.2.4 任务实现 207
      • 任务7.3 使用K-Means算法进行客户分群 209
      • 7.3.1 了解K-Means聚类算法 209
      • 7.3.2 分析聚类结果 210
      • 7.3.3 模型应用 213
      • 7.3.4 任务实现 214
      • 小结 215
      • 实训 215
      • 实训1 处理信用卡数据异常值 215
      • 实训2 构造信用卡客户风险评价关键特征 217
      • 实训3 构建K-Means聚类模型 218
      • 课后习题 218
      • 第8章 财政收入预测分析 220
      • 任务8.1 了解财政收入预测的背景与方法 220
      • 8.1.1 分析财政收入预测背景 220
      • 8.1.2 了解财政收入预测的方法 222
      • 8.1.3 熟悉财政收入预测的步骤与流程 223
      • 任务8.2 分析财政收入数据特征的相关性 223
      • 8.2.1 了解相关性分析 223
      • 8.2.2 分析计算结果 224
      • 8.2.3 任务实现 225
      • 任务8.3 使用Lasso回归选取财政收入预测的关键特征 225
      • 8.3.1 了解Lasso回归方法 226
      • 8.3.2 分析Lasso回归结果 227
      • 8.3.3 任务实现 227
      • 任务8.4 使用灰色预测和SVR构建财政收入预测模型 228
      • 8.4.1 了解灰色预测算法 228
      • 8.4.2 了解SVR算法 229
      • 8.4.3 分析预测结果 232
      • 8.4.4 任务实现 234
      • 小结 236
      • 实训 236
      • 实训1 求取企业所得税各特征间的相关系数 236
      • 实训2 选取企业所得税预测关键特征 237
      • 实训3 构建企业所得税预测模型 237
      • 课后习题 237
      • 第9章 家用热水器用户行为分析与事件识别 239
      • 任务9.1 了解家用热水器用户行为分析的背景与步骤 239
      • 9.1.1 分析家用热水器行业现状 240
      • 9.1.2 了解热水器采集数据基本情况 240
      • 9.1.3 熟悉家用热水器用户行为分析的步骤与流程 241
      • 任务9.2 预处理热水器用户用水数据 242
      • 9.2.1 删除冗余特征 242
      • 9.2.2 划分用水事件 243
      • 9.2.3 确定单次用水事件时长阈值 244
      • 9.2.4 任务实现 246
      • 任务9.3 构建用水行为特征并筛选用水事件 247
      • 9.3.1 构建用水时长与频率特征 248
      • 9.3.2 构建用水量与波动特征 249
      • 9.3.3 筛选候选洗浴事件 250
      • 9.3.4 任务实现 251
      • 任务9.4 构建行为事件分析的BP神经网络模型 255
      • 9.4.1 了解BP神经网络算法原理 255
      • 9.4.2 构建模型 259
      • 9.4.3 评估模型 260
      • 9.4.4 任务实现 260
      • 小结 263
      • 实训 263
      • 实训1 清洗运营商客户数据 263
      • 实训2 筛选客户运营商数据 264
      • 实训3 构建神经网络预测模型 265
      • 课后习题 265
      • 附录A 267
      • 附录B 270
      • 参考文献 295

      学习笔记

      python数据分析用什么编译器

      Jupyter Notebook(此前被称为 IPython notebook)是一个交互式笔记本,支持运行 40 多种编程语言。 Jupyter Notebook 的本质是一个 Web 应用程序,便于创建和共享文学化程序文档,支持实时代码,数学方程,可视化和 markdown。 用途包括:数据清理和转换,数值模拟,统计建模,机器学习等等 。 定义 (推荐学习:Python视频教程) 用户可以通过电子邮件,Dropbox,GitHub 和 Jupyter Notebook Viewer,将 Jupyter Notebook 分享给其他人。 在Jupyter Notebook 中,代码可以实时的生成图像,视频,LaTeX和JavaScript。 使用 数据挖掘领域中最热门的比赛 Kaggle 里的资料都是Jupyter 格式 。 架构 Jupyter组件 Jupyter包含以下组件: Jupyter Notebook 和 ……

      Python实现的微信好友数据分析功能示例

      本文实例讲述了Python实现的微信好友数据分析功能。分享给大家供大家参考,具体如下: 这里主要利用python对个人微信好友进行分析并把结果输出到一个html文档当中,主要用到的python包为 itchat , pandas , pyecharts 等 1、安装itchat 微信的python sdk,用来获取个人好友关系。获取的代码 如下: import itchatimport pandas as pdfrom pyecharts import Geo, Baritchat.login()friends = itchat.get_friends(update=True)[0:]def User2dict(User): User_dict = {} User_dict["NickName"] = User["NickName"] if User["NickName"] else "NaN" User_dict["City"] = User["City"] if User["City"] else "NaN" User_dict["Sex"] = User["Sex"] if User["Sex"] else 0 User_dict["Signature"] = User["Signature"] if User["Signature"] else "NaN" ……

      python微信好友数据分析详解

      基于微信开放的个人号接口python库itchat,实现对微信好友的获取,并对省份、性别、微信签名做数据分析。 效果: 直接上代码,建三个空文本文件stopwords.txt,newdit.txt、unionWords.txt,下载字体simhei.ttf或删除字体要求的代码,就可以直接运行。 #wxfriends.py 2018-07-09import itchatimport sysimport pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei']#绘图时可以显示中文plt.rcParams['axes.unicode_minus']=False#绘图时可以显示中文import jiebaimport jieba.posseg as psegfrom scipy.misc import imreadfrom wordcloud import WordCloudfrom os import path#解决编码问题non_bmp_map = dict.fromkeys(range(0x10000, sys.maxunicode + 1), 0xfffd) #获取好友信息def getFriends():……

      Python数据分析之双色球基于线性回归算法预测下期中奖结果示例

      本文实例讲述了Python数据分析之双色球基于线性回归算法预测下期中奖结果。分享给大家供大家参考,具体如下: 前面讲述了关于双色球的各种算法,这里将进行下期双色球号码的预测,想想有些小激动啊。 代码中使用了线性回归算法,这个场景使用这个算法,预测效果一般,各位可以考虑使用其他算法尝试结果。 发现之前有很多代码都是重复的工作,为了让代码看的更优雅,定义了函数,去调用,顿时高大上了 #!/usr/bin/python# -*- coding:UTF-8 -*-#导入需要的包import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport operatorfrom sklearn import datasets,linear_modelfrom sklearn.linear_model import LogisticRegression#读取文件d……

      以上就是本次介绍的Python数据电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:传播的进化:人工智能将如何重塑人类的交流

      下一篇:社群营销实战手册:从社群运营到社群经济

      展开 +

      收起 -

      • 《Python数据分析与应用》PDF下载

      码小辫

      重要!版权问题,本电子书取消了本地下载!

      大家可以关注左边的微信号, 恢复下载信息、互联网大厂内部招聘 会第一时间发文

      公众号回复“ 内推 ”查看内部招聘信息!

      Python数据相关电子书
      Python3智能数据分析快速入门
      Python3智能数据分析快速入门 源码数据版

      Python3智能数据分析快速入门 (1)深度学习等AI技术性驱动器的智能化数据统计分析是数据统计分析制造行业的将来发展前景,全部数据分析师都应当关心。 (2)创作者从业数据统计分析与发

      立即下载
      Python数据分析基础
      Python数据分析基础 中文高质量版

      《Python数据分析基础》零编程经验也可学会用Python语言进行数据分析,python基础知识介绍、csv文件和Excel文件读写、数据库操作等。

      立即下载
      Python数据分析与数据化运营
      Python数据分析与数据化运营 扫描影印版

      这书內容从逻辑性上共分成两绝大多数,第壹一部分是相关数据统计分析类的主题风格,其次一部分是相关数字化经营的主题风格。第壹一部分的內容包含1/2/3/4章和附则,关键详细介绍了Pyt

      立即下载
      从零开始学Python数据分析与挖掘
      从零开始学Python数据分析与挖掘 扫描版

      本书以Python 3版本作为数据分析与挖掘实战的应用工具,从Pyhton的基础语法开始,陆续介绍有关数值计算的Numpy、数据处理的Pandas、数据可视化的Matplotlib和数据挖掘的Sklearn等内容。

      立即下载
      跟老齐学Python:数据分析
      跟老齐学Python:数据分析 超清完整版 立即下载
      对比Excel,轻松学习Python数据分析
      对比Excel,轻松学习Python数据分析 完整原版

      Python尽管是这门计算机语言,可是在数据分析行业保持的作用和Excel的基本要素相同,而Excel也是大伙儿较为了解、非常容易入门的手机软件,能够根据Excel数据分析去比照学习培训Python数据分

      立即下载
      利用Python进行数据分析
      利用Python进行数据分析 完整第2版

      本书涵盖大量具体的实践建议,以及大量综合应用方法,教大家如何利用各种Python库高效地解决各式各样的数据分析问题,这里提供利用Python进行数据分析英文原版下载,附件集合了第二版英文原文、第二版的笔记精要、以及第二版原书的代码

      立即下载
      读者留言
      psearch

      psearch 提供上传

      资源
      49
      粉丝
      39
      喜欢
      709
      评论
      17

      Copyright 2018-2020 www.xz577.com 码农之家

      版权投诉 / 书籍推广 / 赞助:520161757@qq.com