登入帳戶　 |　訂單查詢　 |　購物車/收銀台( 0 )　|　在線留言板　 |　付款方式　 |　運費計算　 |　聯絡我們　 |　幫助中心　|　 加入書簽
會員登入 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類瀏覽雜誌 臺灣用戶
品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心 服務：香港／台灣／澳門／海外 送貨：速遞／郵局／服務站

新書上架：簡體書 繁體書
暢銷書架：簡體書 繁體書
好書推介：簡體書 繁體書

三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書
12月出版：大陸書 台灣書
11月出版：大陸書 台灣書
十月出版：大陸書 台灣書
九月出版：大陸書 台灣書
八月出版：大陸書 台灣書
七月出版：大陸書 台灣書
六月出版：大陸書 台灣書
五月出版：大陸書 台灣書
四月出版：大陸書 台灣書
三月出版：大陸書 台灣書
二月出版：大陸書 台灣書
一月出版：大陸書 台灣書

『簡體書』Python数据分析案例教程（微课版）

書城自編碼： 3768631
分類：簡體書→大陸圖書→教材→研究生/本科/专科教材
作者： 于晓梅 李贞 郑向伟 朱磊
國際書號(ISBN)： 9787302604211
出版社： 清华大学出版社
出版日期： 2022-06-01

頁數/字數： /
書度/開本： 16开 釘裝： 平装

售價：HK$ 122.9

我要買 件

 

** 我創建的書架 **
未登入.

新書推薦：
商学精要（第12版）（工商管理经典译丛）
《 商学精要（第12版）（工商管理经典译丛） 》
售價：HK$ 118.8
产业政策的选择及其经济后果
《 产业政策的选择及其经济后果 》
售價：HK$ 154.8
战争的幽灵
《 战争的幽灵 》
售價：HK$ 105.6
西洋镜：中华考古图志
《 西洋镜：中华考古图志 》
售價：HK$ 225.6
学会当领导：优秀员工的晋升之路
《 学会当领导：优秀员工的晋升之路 》
售價：HK$ 78.0
目的行为论导论——刑法体系的新图景（增补第4版·中文增订版）（当代世界学术名著）
《 目的行为论导论——刑法体系的新图景（增补第4版·中文增订版）（当代世界学术名著） 》
售價：HK$ 81.6
浮沉：里亚布申斯基家族兴衰史
《 浮沉：里亚布申斯基家族兴衰史 》
售價：HK$ 117.6
Android自动化测试实战：Python+Appium +unittest
《 Android自动化测试实战：Python+Appium +unittest 》
售價：HK$ 107.8

 
編輯推薦：
l 内容编排和讲解围绕培养学生动手实践能力的目标。本教材精选数据分析实际应用中常用的经典技术，甄选贴近真实场景有时代气息的数据集，提供经典的源代码，帮助学生梳理数据分析的规范流程。许多源代码经过改写，举一反三，可以用于解决类似的实际问题。
l 以案例驱动的方式，从Python基础到扩展库，从编程到数据分析，再到机器学习和深度学习，循序渐进，逐步推进知识点的实际应用。通过教学案例和实践项目讲解知识点及其应用，并给出详细分析和讨论。
l 本书内容范围兼顾理论和实践。学习内容既有基础知识，又有教学案例，还有项目实战。在案例中体会理论的效果，在实践中领会理论并融会贯通。将知识转化为能力，并通过实战检验能力。
l 本书将理论解析与百度飞桨AI Studio平台提供的实例相结合，提供包括PPT课件、微课视频、源程序在内的完整教学素材。经过三年的混合式教学实践表明，本书用于本科及研究生一学期的Python课程教学中，内容安排合理，教学过程流畅。
內容簡介：
本书内容从Python基础到扩展库，从编程到数据分析，再到机器学习和深度学习，循序渐进，逐步推进知识点的实际应用。首先简要介绍数据分析相关概念和Python基础知识；然后按照数据分析的主要步骤，重点介绍数据获取、数据预处理、数据分析、数据可视化以及机器学习过程相关的扩展库，包括beautifulsoup4、numpy、matplotlib、pandas、pyecharts和sklearn等；最后将Python数据分析知识和实用案例有机结合，通过大量的实用案例演示相关理论和Python语言的应用。 本书适合作为高等院校本科生、研究生数据分析等课程的教材，也可以作为数据分析初学者的自学用书，还适合从事相关工作的工程师和爱好者阅读。
目錄：
第1章数据分析和Python概述1
1.1数据分析概述1
1.1.1数据、信息、知识1
1.1.2数据分析5
1.1.3数据分析、数据挖掘与机器学习6
1.2数据分析的基本步骤7
1.2.1明确目的7
1.2.2数据收集8
1.2.3数据预处理8
1.2.4数据分析10
1.2.5结果呈现10
1.2.6撰写报告10
1.3Python概述10
1.4Python环境安装与使用12
1.4.1IDLE开发环境12
1.4.2Anaconda开发环境17
1.5Python库简介24
1.5.1标准库24
1.5.2扩展库25
1.6扩展库的获取和安装25
1.6.1安装pip25
1.6.2使用pip安装扩展库26
1.6.3手动安装Python扩展库27
1.6.4扩展库安装说明28
1.6.5使用conda安装扩展库29Python数据分析案例教程（微课版）目录第2章Python基本语法30
2.1Python程序的格式30
2.1.1缩进要求30
2.1.2注释31
2.1.3关键字32
2.1.4标识符33
2.1.5常量和变量34
2.2数据类型35
2.2.1对象35
2.2.2基本数据类型36
2.2.3数字类型36
2.2.4字符串37
2.3运算符和表达式42
2.4程序的基本控制结构46
2.4.1顺序结构46
2.4.2分支结构50
2.4.3循环结构52
2.5程序的异常处理56
2.5.1Python中的异常56
2.5.2try…except…结构59
2.5.3try…except…else…结构62
2.5.4try…except…finally结构62
2.6函数63
2.6.1函数定义63
2.6.2函数调用64
2.6.3函数的参数传递65
2.6.4匿名函数67
2.6.5变量的作用域69
2.7案例精选70
第3章组合数据类型77
3.1组合数据类型的基本概念77
3.2列表78
3.2.1列表的创建与删除78
3.2.2列表的基本操作79
3.2.3列表可用操作符83
3.2.4列表常用函数84
3.2.5列表常用方法87
3.3元组90
3.3.1元组的创建与删除90
3.3.2元组与列表的区别92
3.4字典93
3.4.1字典的创建和删除94
3.4.2字典的基本操作95
3.5集合98
3.5.1集合的创建和删除99
3.5.2集合的基本操作99
3.6字符串常用方法101
3.7推导式104
3.7.1列表推导式104
3.7.2字典推导式105
3.7.3集合推导式105
3.8迭代器对象和生成器表达式106
3.8.1迭代器对象106
3.8.2生成器表达式106
3.9案例精选107
3.9.1英文词频统计107
3.9.2中文词频分析109
3.9.3词云113
第4章本地数据采集和操作116
4.1文件的基本操作116
4.1.1文件的打开116
4.1.2文件的关闭118
4.1.3文件的读写118
4.2os模块操作文件与目录122
4.2.1os模块常用操作122
4.2.2os.path模块常用操作123
4.3JSON文件操作124
4.3.1JSON数据124
4.3.2JSON文件操作125
4.4CSV文件操作127
4.4.1普通方式读写CSV文件128
4.4.2使用csv模块读写CSV文件129
4.4.3使用numpy模块读写CSV文件129
4.4.4使用pandas模块读写CSV文件132
4.5Excel文件操作133
4.5.1读写.xls格式的Excel文件134
4.5.2读写xlsx格式的Excel文件138
4.5.3使用pandas模块读写Excel文件139
4.6SQLite数据库操作142
4.6.1SQLite数据库简介142
4.6.2SQL语句142
4.6.3sqlite3模块145
4.6.4操作SQLite数据库147
4.7案例精选150
4.7.1欧洲职业足球球员信息获取150
4.7.2教工信息管理系统154
第5章网络数据获取160
5.1网络爬虫简介160
5.1.1网络爬虫的定义160
5.1.2网络爬虫的类型160
5.1.3网络爬虫基本架构162
5.2网页下载模块163
5.2.1requests库简介164
5.2.2requests库的使用164
5.3网页解析模块167
5.3.1beautifulsoup4库简介167
5.3.2文档对象模型167
5.3.3创建BeautifulSoup对象168
5.3.4查询节点169
5.3.5获取节点信息172
5.4scrapy爬虫框架概述175
5.4.1scrapy爬虫框架简介176
5.4.2scrapy框架工作过程177
5.4.3scrapy爬虫框架的安装178
5.5scrapy框架的使用181
5.5.1创建scrapy项目182
5.5.2编写Spider183
5.5.3执行爬虫185
5.5.4构造爬取对象186
5.5.5编写pipeline和配置数据189
5.6精选案例191
5.6.1《红楼梦》网络文本爬取191
5.6.2空气质量数据爬取194
第6章numpy科学计算201
6.1numpy库简介201
6.2数组对象ndarray201
6.2.1ndarray对象的创建202
6.2.2ndarray对象常用属性204
6.2.3ndarray对象基本操作205
6.2.4索引和切片209
6.2.5numpy常用函数211
6.2.6numpy数组运算214
6.3numpy矩阵217
6.3.1numpy矩阵简介217
6.3.2矩阵生成218
6.3.3矩阵特征218
6.3.4矩阵常用操作219
6.4精选案例224
6.4.1美国总统大选数据统计224
6.4.2约会配对案例229
第7章matplotlib数据可视化236
7.1探索性数据分析236
7.1.1EDA简介236
7.1.2EDA常用工具237
7.2matplotlib绘图基础238
7.2.1matplotlib绘图简介238
7.2.2matplotlib基本元素可视化240
7.2.3matplotlib的ax对象绘图248
7.2.4matplotlib绘制子图250
7.2.5matplotlib中文字体的显示252
7.3定性数据可视化254
7.3.1条形图254
7.3.2帕累托图256
7.3.3饼图256
7.3.4环形图257
7.4定量数据可视化259
7.4.1直方图259
7.4.2茎叶图261
7.4.3箱线图262
7.4.4折线图263
7.4.5散点图265
7.4.6气泡图267
7.4.7雷达图268
7.4.8矩阵图270
7.5使用matplotlib绘制三维图形271
7.5.13D绘图基本步骤272
7.5.23D曲线272
7.5.33D散点图273
7.5.43D柱状图274
7.6精选案例275
7.6.1约会配对数据可视化275
7.6.2《平凡的荣耀》收视趋势可视化分析280
第8章pandas数据分析290
8.1认识pandas290
8.1.1pandas简介290
8.1.2pandas的安装与导入290
8.2pandas常用数据结构291
8.2.1数据结构Series291
8.2.2数据结构DataFrame295
8.2.3Index对象301
8.3索引操作304
8.3.1Series的索引操作304
8.3.2DataFrame的索引操作305
8.4算术运算与常见应用307
8.4.1运算与对齐307
8.4.2常见应用310
8.4.3排序312
8.4.4描述性统计与计算313
8.5数据清洗315
8.5.1处理缺失数据316
8.5.2处理重复数据320
8.5.3替换数据321
8.6分组和聚合322
8.6.1分组和聚合数据322
8.6.2自定义分组及聚合操作325
8.6.3透视表328
8.7数据规整331
8.7.1层级索引331
8.7.2数据合并335
8.7.3数据连接337
8.7.4数据重构340
8.8精选案例342
8.8.1全球食品数据分析342
8.8.2互联网电影资料库分析346
8.8.3美国总统大选数据可视化分析353
第9章pyecharts可视化356
9.1认识pyecharts356
9.1.1pyecharts简介356
9.1.2pyecharts使用357
9.1.3pyecharts数据格式358
9.1.4pyecharts图表分类359
9.2pyecharts绘图基础359
9.2.1Faker数据构造器359
9.2.2pyecharts数据可视化360
9.2.3pyecharts的渲染方式362
9.2.4常用配置项362
9.3项目对比可视化367
9.3.1柱状图和条形图367
9.3.2堆叠柱状图367
9.3.3漏斗图368
9.4时间趋势可视化370
9.4.1折线图370
9.4.2面积图370
9.4.3K线图371
9.4.4堆叠折线图372
9.4.5阶梯图373
9.4.6折线图中常用的配置项374
9.5数据关系可视化376
9.5.1散点图376
9.5.2气泡图377
9.5.3热力图377
9.5.4其他相关图表378
9.6成分比例可视化381
9.6.1饼图381
9.6.2圆环图382
9.6.3矩形树图382
9.6.4多饼图384
9.6.5玫瑰图384
9.6.6雷达图385
9.7统计分布及3D可视化386
9.7.1箱线图386
9.7.2直方图387
9.7.33D柱状图388
9.7.4叠加图389
9.8文本数据可视化390
9.9案例精选391
9.9.1电子商城销售数据分析与可视化391
9.9.2电商用户行为数据可视化398
第10章机器学习库sklearn411
10.1机器学习简介411
10.2机器学习工具sklearn412
10.2.1sklearn常用模块412
10.2.2sklearn使用流程414
10.3数据集准备及划分415
10.3.1sklearn常用数据集415
10.3.2数据集划分420
10.4模型选择及处理422
10.4.1分类422
10.4.2聚类430
10.4.3回归434
10.5数据预处理及特征工程438
10.5.1数据标准化438
10.5.2数据归一化440
10.5.3数据正则化442
10.5.4数据二值化443
10.5.5缺失值处理443
10.6模型调参444
10.6.1交叉验证444
10.6.2网格搜索446
10.7模型测试及评价447
10.7.1分类模型评价指标447
10.7.2回归模型评价指标454
10.8精选案例457
10.8.1移动用户行为数据分析457
10.8.2基于手机定位数据的商圈分析464
第11章综合案例470
11.1综艺节目选手数据爬取与探索性分析470
11.1.1任务描述470
11.1.2数据获取471
11.2波士顿房价预测484
11.2.1任务描述484
11.2.2数据集介绍484
11.2.3数据探索486
11.2.4数据预处理491
11.2.5基于sklearn经典模型的房价预测493
11.2.6构建网络模型进行房价预测496
11.2.7模型评估499
第12章案例报告502
参考文献527
內容試閱：
人们身边的每一台生产设备、每一件智能终端、每一项工作流程，乃至每个人每天的生产生活过程，都不间断地产生新数据。银行、零售、互联网甚至传统的制造业累积了海量的、高增长率、多样化的数据。随着互联网和信息技术的快速发展，数据的种类和数量呈爆炸式增长，以数据为核心的信息革命已悄然发生。进行数据采集、存储、处理、分析、应用和展示，开发数据的功能，发挥数据的作用，最终实现数据的价值，对数据分析和处理提出了更高的要求。各行各业开始逐步开发和应用模型、工具和算法分析数据，从海量数据中总结出规律，辅助决策。
数据分析是大数据时代数学应用的主要方法，也是“互联网 ”相关领域的主要数学方法，已经深入科学、技术、工程和现代生活的各个方面。在产品的整个生命周期，包括从市场调研到售后服务和最终处置的各个阶段，都需要适当运用数据分析过程，以提升有效性，数据分析成为当前企业管理过程中不容忽视的重要支撑点。有了大量完整、真实、有效数据的支撑，企业才能对未来行业的发展趋势进行有效预测，从而采取积极应对措施，制定良好战略。数据分析在各个领域的成功应用，促使企业和政府部门期望各业务部门的工作都由数据分析能力强的人员承担，更希望员工能够探索有效的数据分析方法，并根据实际应用场景分析数据，做出决策。因此，市场对毕业生的数据分析和处理能力提出了更高要求，需要具备良好数据分析技能的人才。这不仅要求学生会使用有效的数据分析工具，而且要求学生能够构建模型和理解算法本身，更需要学生具备跨学科的实践能力，将传统模型和算法逻辑应用到实际生产、生活场景，解决现实问题。
在众多编程语言中，Python语言越来越受到数据分析人员的喜爱。其简洁的语法、强大的功能、丰富的扩展库和开源免费、简单易学的低门槛特点，使得越来越多的公司使用Python进行数据分析领域的软件开发。目前，Python成为最适合做数据分析、数据处理和数据可视化的语言。
本书首先简要介绍数据分析相关概念和Python基础知识，然后按照数据分析的主要步骤，重点介绍数据获取、数据预处理、数据分析、数据可视化以及机器学习过程相关的扩展库，包括beautifulsoup4、numpy、matplotlib、pandas、pyecharts和sklearn等，最后将Python数据分析知识和实用案例有机结合，通过大量的实用案例演示相关理论和Python语言的应用。一方面，本书跟踪Python数据分析的发展，精心选择内容，突出重点，强调实用，使知识讲解全面、系统；另一方面，本书将知识融入案例，每个案例都有相关的知识讲解，部分知识点还有用法示例，既有助于知识学习，又有利于应用实践。
本书基于作者主持的Python数据分析混合式课程教学内容完成。从Python基础到扩展库，从编程到数据分析，再到机器学习和深度学习，循序渐进，逐步推进知识点的实际应用。本书精选数据分析实际应用中常用的经典技术，甄选贴近真实场景、有时代气息的数据集，提供经典的源代码，帮助学生梳理数据分析的规范流程；许多源代码经过改写，举一反三，可以用于解决类似的实际问题。本书兼顾理论和实践，学习内容既有基础知识，又有教学案例，还有综合实战。以案例驱动的方式，在案例中体会理论的效果，在实战中领略理论的强大优势并融会贯通，将知识转化为能力，并通过实战检验能力。
本书适合作为高等院校本科生、研究生数据分析等课程的教材，也可以作为爱好或从事数据分析的研究人员和工程技术人员的参考资料。本书内容新，数据分析案例贴近当前实际应用，重点突出，学以致用。本书逻辑结构流畅，篇幅合理，详略得当，非常适合一个学期18～20周的课程教学。经过三年的混合式教学实践证明，本书主要内容用于本科及研究生一学期的课程教学与实践，内容安排合理，教学过程流畅。
本书主要由山东师范大学于晓梅、山东管理学院李贞、山东师范大学郑向伟和朱磊编著，硕士研究生焦小桐、车雪玉、彭浩玮、付文响、宫兆坤和毛倩参与了素材整理及配套资源制作，赵丽香、尹强参与了校对整理工作，焦小桐还完成了PPT版面设计。此外，本书在写作过程中受到“山东省教育教学研究课题(2020JXY012)”、“山东省研究生教育教学改革研究重点培育项目(SDYJG19171)”、“产学合作协同育人教学内容和课程体系改革项目(202002004035)”和“山东师范大学规划教材建设项目(2020GHJC16)”立项出版资助。
为方便读者实践和练习，对于书中全部任务的数据文件及源代码，读者可以登录“飞桨AI Studio——人工智能学习与实训社区”下载。
由于作者水平有限，书中难免出现一些不足和疏漏之处。如果您有更多宝贵意见，欢迎发送邮件至邮箱685601418@qq.com，期待能够得到您真挚的反馈。同时，本书更新内容将及时在“飞桨AI Studio”官方网站上发布，读者可以关注网站查阅相关信息。
本书配套有教学课件和教学视频，可以扫描如下二维码并下载资源，下载资源并解压后，用微信扫描解压后的资源中的二维码，可以观看讲解视频和教学课件。
作者2022年5月于济南

 

 

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式 香港用户　 |　台灣用户　|　大陸用户　|　海外用户
megBook.com.hk
Copyright © 2013 - 2024 （香港）大書城有限公司　 All Rights Reserved.