最新章節

• 13.6 本章小結
• 13.5.3 對比分類模型的預測和真實結果
• 13.5.2 以訓練集和測試集的方式評估結果
• 13.5.1 觀察Digits數據集
• 13.5 基于手寫體數字識別的分類案例
• 13.4.6 用邏輯回歸劃分鳶尾花

• 13.6 本章小結 更新時間：2020-11-12 17:43:59
• 13.5.3 對比分類模型的預測和真實結果
• 13.5.2 以訓練集和測試集的方式評估結果
• 13.5.1 觀察Digits數據集
• 13.5 基于手寫體數字識別的分類案例
• 13.4.6 用邏輯回歸劃分鳶尾花
• 13.4.5 基于邏輯回歸的分類方法
• 13.4.4 KNN分類器對酒的分類
• 13.4.3 基于KNN算法的分類器
• 13.4.2 用SVM分類器劃分鳶尾花
• 13.4.1 基于線性和高斯內核的SVM分類器
• 13.4 分類算法案例
• 13.3.3 Lasso回歸
• 13.3.2 基于嶺回歸擬合波士頓房價
• 13.3.1 對比線性回歸和嶺回歸
• 13.3 嶺回歸、Lasso回歸及案例
• 13.2.3 交叉驗證的思想及其實現
• 13.2.2 構建波士頓房價的多元線性關系
• 13.2.1 波士頓房價數據集的初步分析
• 13.2 一元和多元線性回歸案例
• 13.1.2 訓練集、驗證集和測試集
• 13.1.1 獲取sklearn提供的數據集
• 13.1 數據集與機器學習的基礎知識
• 第13章 基于機器學習算法的數據分析
• 12.5 本章小結
• 12.4.2 用SVM和KNN模型預測漲跌
• 12.4.1 用Lasso和嶺回歸擬合預測收盤價
• 12.4 用機器學習方法預測股票
• 12.3.3 計算并繪制鱷魚組線
• 12.3.2 計算并繪制布林帶通道
• 12.3.1 計算并繪制唐奇安通道
• 12.3 繪制價格通道
• 12.2.3 驗證基于CCI的交易策略
• 12.2.2 驗證基于MACD指標的交易策略
• 12.2.1 驗證基于長短均線的交易策略
• 12.2 驗證常見的股市交易策略
• 12.1.6 繪制CCI圖，進一步熟悉DataFrame
• 12.1.5 加工DataFrame數據，繪制MACD圖
• 12.1.4 用柱狀圖描述成交量
• 12.1.3 用rolling和mean繪制均線
• 12.1.2 用Matplotlib繪制K線圖
• 12.1.1 準備股票交易數據
• 12.1 股市指標的分析與可視化
• 第12章 案例：股票數據分析與可視化
• 11.3 本章小結
• 11.2.5 繪制關于二手房標題和地段的詞云
• 11.2.4 用散點圖展示關注度與價格、面積的關系
• 11.2.3 觀察均價和總價的分布情況
• 11.2.2 對數據進行基本的分析
• 11.2.1 清洗數據
• 11.2 分析二手房數據
• 11.1.5 運行爬蟲程序，把數據存為json格式
• 11.1.4 定義pipelines邏輯，把數據存為json文件
• 11.1.3 分析頁面結構，實現爬蟲功能
• 11.1.2 定義二手房數據模型
• 11.1.1 明確爬取目標，創建Scrapy項目
• 11.1 用Scrapy框架爬取二手房數據
• 第11章 案例：二手房數據的爬取、清洗與可視化
• 10.3 本章小結
• 10.2.5 對書名分詞，繪制詞云
• 10.2.4 用直方圖繪制評分頻次
• 10.2.3 評論數最多和最貴的3本圖書
• 10.2.2 出版社出書情況分析
• 10.2.1 用Pandas庫的方法清洗數據
• 10.2 分析圖書數據，繪制可視化圖表
• 10.1.6 運行爬蟲，觀察結果
• 10.1.5 存為csv文件
• 10.1.4 分析頁面結構，實現爬蟲功能
• 10.1.3 定義圖書的數據模型
• 10.1.2 明確待爬取的目標，創建Scrapy項目
• 10.1.1 準備知識：yield的含義
• 10.1 用Scrapy框架爬取豆瓣網編程圖書
• 第10章 案例：圖書信息的爬取、數據清洗與分詞處理
• 9.6 本章小結
• 9.5.2 以多元線性回歸模型預測股價
• 9.5.1 構建一元線性回歸模型
• 9.5 回歸分析方法
• 9.4.5 顯著性驗證
• 9.4.4 參數估計方法
• 9.4.3 驗證序列是否滿足正態分布
• 9.4.2 用直方圖來擬合正態分布效果
• 9.4.1 分析收盤價，繪制小提琴圖
• 9.4 概率分析方法與推斷統計
• 9.3.4 用熱力圖分析不同時間序列的相關性
• 9.3.3 基于時間序列的偏自相關性分析
• 9.3.2 基于時間序列的自相關性分析
• 9.3.1 用rolling方法計算移動平均值
• 9.3 基于時間序列的統計方法
• 9.2.3 統計極差、方差和標準差
• 9.2.2 用箱狀圖展示分位數
• 9.2.1 平均數、中位數和百分位數
• 9.2 描述性統計
• 9.1.5 從數據表里讀取數據
• 9.1.4 在MySQL里存儲數據
• 9.1.3 準備MySQL環境
• 9.1.2 以csv和Excel格式存儲數據
• 9.1.1 用Pandas_datareader庫獲取數據
• 9.1 準備并存儲數據
• 第9章 數據分析的常用方法
• 8.6 本章小結
• 8.5.6 啟動爬蟲程序，觀察運行效果
• 8.5.5 在pipelines文件里定義數據存儲方式
• 8.5.4 生成爬蟲文件，定義爬取動作
• 8.5.3 在Item模塊里定義數據模型
• 8.5.2 明確爬取目標，制定爬取規則
• 8.5.1 通過Scrapy命令創建爬蟲項目
• 8.5 用Scrapy爬取博客園文章信息
• 8.4.4 用findall按匹配規則截取內容
• 8.4.3 通過原子表來定義匹配規則
• 8.4.2 用通用字符來模糊匹配
• 8.4.1 查找指定字符串
• 8.4 通過正則表達式截取信息
• 8.3.5 制定規則搜索指定的內容
• 8.3.4 用Comment提取注釋
• 8.3.3 用NavigableString提取元素值
• 8.3.2 用Tag提取HTML元素和屬性
• 8.3.1 安裝BeautifulSoup庫
• 8.3 通過BeautifulSoup提取頁面信息
• 8.2.4 設置header屬性來模擬瀏覽器發送請求
• 8.2.3 用URLError處理網絡異常
• 8.2.2 設置超時時間
• 8.2.1 通過request爬取網頁
• 8.2 通過Urllib庫獲取網頁信息
• 8.1.4 HTTP常見的狀態碼
• 8.1.3 Post和Get請求方法
• 8.1.2 HTTP請求頭包含操作系統和瀏覽器信息
• 8.1.1 基于HTTP的請求處理流程
• 8.1 和爬蟲有關的HTTP
• 第8章 通過網絡爬蟲獲取數據
• 7.7 本章小結
• 7.6.3 繪制三維柱狀圖
• 7.6.2 繪制三維散點圖
• 7.6.1 繪制三維曲線圖
• 7.6 通過mplot3d繪制三維圖形
• 7.5.3 繪制等值線圖
• 7.5.2 繪制熱圖
• 7.5.1 繪制散點圖
• 7.5 繪制高級圖表
• 7.4.5 在大圖里繪制子圖
• 7.4.4 子圖共享x坐標軸
• 7.4.3 通過subplot方法繪制子圖
• 7.4.2 通過add_subplot方法繪制子圖
• 7.4.1 通過figure對象同時繪制多張圖
• 7.4 設置多圖和子圖效果
• 7.3.3 設置網格效果
• 7.3.2 設置中文標題
• 7.3.1 設置圖例
• 7.3 增加可視化美觀效果
• 7.2.4 設置并旋轉坐標刻度文字
• 7.2.3 設置坐標的主刻度和次刻度
• 7.2.2 設置坐標的范圍
• 7.2.1 設置x和y坐標標簽文字并展示中文
• 7.2 設置坐標的技巧
• 7.1.5 繪制直方圖
• 7.1.4 繪制餅圖
• 7.1.3 繪制柱狀圖
• 7.1.2 繪圖時的通用屬性參數
• 7.1.1 繪制折線圖
• 7.1 通過Matplotlib繪制各類圖形
• 第7章 Matplotlib數據可視化
• 6.5 本章小結
• 6.4.4 DataFrame數據與json文件的相互轉換
• 6.4.3 DataFrame數據與Excel文件的相互轉換
• 6.4.2 NaN與缺失值處理
• 6.4.1 DataFrame數據與csv文件的相互轉換
• 6.4 Pandas與各類文件的交互
• 6.3.6 衡量變量間關聯程度的corr方法
• 6.3.5 在DataFrame中進行數據統計分析
• 6.3.4 過濾和重設數據
• 6.3.3 增加和刪除列
• 6.3.2 以列為單位進行運算
• 6.3.1 對DataFrame數據進行排序
• 6.3 面向DataFrame的常用數據分析方法
• 6.2.3 遍歷DataFrame里的數據
• 6.2.2 通過loc、iloc和ix提取數據
• 6.2.1 DataFrame對象的常規用法
• 6.2 以表格格式存儲數據的DataFrame對象
• 6.1.5 遍歷Series數據
• 6.1.4 通過布爾Series獲取滿足條件的元素
• 6.1.3 獲取Series里的切片數據
• 6.1.2 創建并使用Series索引
• 6.1.1 Series的常規操作
• 6.1 以一維方式存儲數據的Series對象
• 第6章 Pandas數據清洗
• 5.4 本章小結
• 5.3.4 通過copy函數創建副本
• 5.3.3 切片操作與共享內存
• 5.3.2 布爾索引與條件過濾
• 5.3.1 索引操作
• 5.3 針對ndarray的索引和切片操作
• 5.2.5 遍歷ndarray數組
• 5.2.4 常用的聚合統計函數
• 5.2.3 常用的科學計算函數
• 5.2.2 針對ndarray的數學運算
• 5.2.1 通過arange方法創建序列數組
• 5.2 NumPy庫的常用操作
• 5.1.3 創建全0或全1的ndarray
• 5.1.2 ndarray的dtype屬性
• 5.1.1 通過array方法創建ndarray
• 5.1 NumPy庫的基礎數據結構：ndarray對象
• 第5章 NumPy數組處理
• 4.5 本章小結
• 4.4.6 讀寫csv文件
• 4.4.5 以添加的方式寫文件
• 4.4.4 通過write寫文件
• 4.4.3 逐行讀取文件
• 4.4.2 以只讀模式打開文件
• 4.4.1 通過os.path獲取目錄和文件屬性
• 4.4 在讀寫文件案例中使用異常機制
• 4.3.4 合理確定異常的影響范圍
• 4.3.3 拿到異常別忽視
• 4.3.2 用專業的異常處理類針對性地處理異常
• 4.3.1 盡可能縮小try的代碼塊
• 4.3 異常處理的實踐經驗
• 4.2.2 自定義異常且與except整合使用
• 4.2.1 通過raise拋出異常
• 4.2 raise與except的整合使用
• 4.1.5 引入finally從句
• 4.1.4 在處理異常時引入else代碼塊
• 4.1.3 同時處理多個異常
• 4.1.2 使用異常處理類
• 4.1.1 處理異常的try…except從句
• 4.1 通過try…except…finally處理異常
• 第4章 異常處理機制與文件讀寫
• 3.6 本章小結
• 3.5.3 引入并使用第三方庫
• 3.5.2 自定義包和使用包
• 3.5.1 通過import重用現有模塊中的功能
• 3.5 模塊、包以及第三方庫
• 3.4.3 整合使用多態和繼承
• 3.4.2 可變參數與方法重載
• 3.4.1 以迭代器為例來理解多態
• 3.4 多態特性
• 3.3.4 多重繼承與組合模式
• 3.3.3 受保護的屬性和方法
• 3.3.2 子類無法使用父類的私有屬性和方法
• 3.3.1 繼承的語法和使用場景
• 3.3 繼承特性
• 3.2.5 從私有屬性和私有方法體會封裝特性
• 3.2.4 了解其他常用魔術方法
• 3.2.3 私有屬性的典型錯誤用法
• 3.2.2 類方法的第一個參數必須指向實例
• 3.2.1 創建類并在類里封裝屬性和方法
• 3.2 封裝特性
• 3.1 什么是面向對象思想
• 第3章 Python面向對象編程
• 2.6 本章小結
• 2.5.4 通過sorted方法排序對象
• 2.5.3 通過reduce方法實現累計效果
• 2.5.2 filter方法與數據篩選
• 2.5.1 通過map方法實現序列的映射
• 2.5 針對數據結構的通用性操作
• 2.4.3 遍歷字典
• 2.4.2 增加、刪除和修改字典中的元素
• 2.4.1 創建和使用字典
• 2.4 字典
• 2.3.2 針對集合的常用數據操作
• 2.3.1 創建和使用集合
• 2.3 集合
• 2.2.2 元組的常見用法
• 2.2.1 創建和使用元組
• 2.2 元組
• 2.1.5 列表的常見用法
• 2.1.4 遍歷列表
• 2.1.3 列表的切片操作
• 2.1.2 在列表中增、刪、改元素
• 2.1.1 定義列表
• 2.1 列表
• 第2章 Python的數據結構
• 1.6 本章小結
• 1.5.3 匿名函數
• 1.5.2 函數作為返回結果
• 1.5.1 函數作為參數
• 1.5 熟悉函數的特殊寫法
• 1.4 return的重要性——函數的遞歸調用
• 1.3 定義和調用函數
• 1.2.7 格式化輸出語句
• 1.2.6 break和continue的用法
• 1.2.5 循環操作語句
• 1.2.4 條件分支語句
• 1.2.3 多行注釋與引入中文
• 1.2.2 針對字符串的操作
• 1.2.1 針對基本數據類型的操作
• 1.2 實踐Python基本語法
• 1.1.4 在PyCharm里更換Python解釋器
• 1.1.3 在PyCharm里新建項目和文件
• 1.1.2 安裝Python第三方開發包
• 1.1.1 安裝Python解釋器
• 1.1 搭建Python開發環境
• 第1章 Python編程基礎
• 前言
• 版權信息
• 封面

• 封面
• 版權信息
• 前言
• 第1章 Python編程基礎
• 1.1 搭建Python開發環境
• 1.1.1 安裝Python解釋器
• 1.1.2 安裝Python第三方開發包
• 1.1.3 在PyCharm里新建項目和文件
• 1.1.4 在PyCharm里更換Python解釋器
• 1.2 實踐Python基本語法
• 1.2.1 針對基本數據類型的操作
• 1.2.2 針對字符串的操作
• 1.2.3 多行注釋與引入中文
• 1.2.4 條件分支語句
• 1.2.5 循環操作語句
• 1.2.6 break和continue的用法
• 1.2.7 格式化輸出語句
• 1.3 定義和調用函數
• 1.4 return的重要性——函數的遞歸調用
• 1.5 熟悉函數的特殊寫法
• 1.5.1 函數作為參數
• 1.5.2 函數作為返回結果
• 1.5.3 匿名函數
• 1.6 本章小結
• 第2章 Python的數據結構
• 2.1 列表
• 2.1.1 定義列表
• 2.1.2 在列表中增、刪、改元素
• 2.1.3 列表的切片操作
• 2.1.4 遍歷列表
• 2.1.5 列表的常見用法
• 2.2 元組
• 2.2.1 創建和使用元組
• 2.2.2 元組的常見用法
• 2.3 集合
• 2.3.1 創建和使用集合
• 2.3.2 針對集合的常用數據操作
• 2.4 字典
• 2.4.1 創建和使用字典
• 2.4.2 增加、刪除和修改字典中的元素
• 2.4.3 遍歷字典
• 2.5 針對數據結構的通用性操作
• 2.5.1 通過map方法實現序列的映射
• 2.5.2 filter方法與數據篩選
• 2.5.3 通過reduce方法實現累計效果
• 2.5.4 通過sorted方法排序對象
• 2.6 本章小結
• 第3章 Python面向對象編程
• 3.1 什么是面向對象思想
• 3.2 封裝特性
• 3.2.1 創建類并在類里封裝屬性和方法
• 3.2.2 類方法的第一個參數必須指向實例
• 3.2.3 私有屬性的典型錯誤用法
• 3.2.4 了解其他常用魔術方法
• 3.2.5 從私有屬性和私有方法體會封裝特性
• 3.3 繼承特性
• 3.3.1 繼承的語法和使用場景
• 3.3.2 子類無法使用父類的私有屬性和方法
• 3.3.3 受保護的屬性和方法
• 3.3.4 多重繼承與組合模式
• 3.4 多態特性
• 3.4.1 以迭代器為例來理解多態
• 3.4.2 可變參數與方法重載
• 3.4.3 整合使用多態和繼承
• 3.5 模塊、包以及第三方庫
• 3.5.1 通過import重用現有模塊中的功能
• 3.5.2 自定義包和使用包
• 3.5.3 引入并使用第三方庫
• 3.6 本章小結
• 第4章 異常處理機制與文件讀寫
• 4.1 通過try…except…finally處理異常
• 4.1.1 處理異常的try…except從句
• 4.1.2 使用異常處理類
• 4.1.3 同時處理多個異常
• 4.1.4 在處理異常時引入else代碼塊
• 4.1.5 引入finally從句
• 4.2 raise與except的整合使用
• 4.2.1 通過raise拋出異常
• 4.2.2 自定義異常且與except整合使用
• 4.3 異常處理的實踐經驗
• 4.3.1 盡可能縮小try的代碼塊
• 4.3.2 用專業的異常處理類針對性地處理異常
• 4.3.3 拿到異常別忽視
• 4.3.4 合理確定異常的影響范圍
• 4.4 在讀寫文件案例中使用異常機制
• 4.4.1 通過os.path獲取目錄和文件屬性
• 4.4.2 以只讀模式打開文件
• 4.4.3 逐行讀取文件
• 4.4.4 通過write寫文件
• 4.4.5 以添加的方式寫文件
• 4.4.6 讀寫csv文件
• 4.5 本章小結
• 第5章 NumPy數組處理
• 5.1 NumPy庫的基礎數據結構：ndarray對象
• 5.1.1 通過array方法創建ndarray
• 5.1.2 ndarray的dtype屬性
• 5.1.3 創建全0或全1的ndarray
• 5.2 NumPy庫的常用操作
• 5.2.1 通過arange方法創建序列數組
• 5.2.2 針對ndarray的數學運算
• 5.2.3 常用的科學計算函數
• 5.2.4 常用的聚合統計函數
• 5.2.5 遍歷ndarray數組
• 5.3 針對ndarray的索引和切片操作
• 5.3.1 索引操作
• 5.3.2 布爾索引與條件過濾
• 5.3.3 切片操作與共享內存
• 5.3.4 通過copy函數創建副本
• 5.4 本章小結
• 第6章 Pandas數據清洗
• 6.1 以一維方式存儲數據的Series對象
• 6.1.1 Series的常規操作
• 6.1.2 創建并使用Series索引
• 6.1.3 獲取Series里的切片數據
• 6.1.4 通過布爾Series獲取滿足條件的元素
• 6.1.5 遍歷Series數據
• 6.2 以表格格式存儲數據的DataFrame對象
• 6.2.1 DataFrame對象的常規用法
• 6.2.2 通過loc、iloc和ix提取數據
• 6.2.3 遍歷DataFrame里的數據
• 6.3 面向DataFrame的常用數據分析方法
• 6.3.1 對DataFrame數據進行排序
• 6.3.2 以列為單位進行運算
• 6.3.3 增加和刪除列
• 6.3.4 過濾和重設數據
• 6.3.5 在DataFrame中進行數據統計分析
• 6.3.6 衡量變量間關聯程度的corr方法
• 6.4 Pandas與各類文件的交互
• 6.4.1 DataFrame數據與csv文件的相互轉換
• 6.4.2 NaN與缺失值處理
• 6.4.3 DataFrame數據與Excel文件的相互轉換
• 6.4.4 DataFrame數據與json文件的相互轉換
• 6.5 本章小結
• 第7章 Matplotlib數據可視化
• 7.1 通過Matplotlib繪制各類圖形
• 7.1.1 繪制折線圖
• 7.1.2 繪圖時的通用屬性參數
• 7.1.3 繪制柱狀圖
• 7.1.4 繪制餅圖
• 7.1.5 繪制直方圖
• 7.2 設置坐標的技巧
• 7.2.1 設置x和y坐標標簽文字并展示中文
• 7.2.2 設置坐標的范圍
• 7.2.3 設置坐標的主刻度和次刻度
• 7.2.4 設置并旋轉坐標刻度文字
• 7.3 增加可視化美觀效果
• 7.3.1 設置圖例
• 7.3.2 設置中文標題
• 7.3.3 設置網格效果
• 7.4 設置多圖和子圖效果
• 7.4.1 通過figure對象同時繪制多張圖
• 7.4.2 通過add_subplot方法繪制子圖
• 7.4.3 通過subplot方法繪制子圖
• 7.4.4 子圖共享x坐標軸
• 7.4.5 在大圖里繪制子圖
• 7.5 繪制高級圖表
• 7.5.1 繪制散點圖
• 7.5.2 繪制熱圖
• 7.5.3 繪制等值線圖
• 7.6 通過mplot3d繪制三維圖形
• 7.6.1 繪制三維曲線圖
• 7.6.2 繪制三維散點圖
• 7.6.3 繪制三維柱狀圖
• 7.7 本章小結
• 第8章 通過網絡爬蟲獲取數據
• 8.1 和爬蟲有關的HTTP
• 8.1.1 基于HTTP的請求處理流程
• 8.1.2 HTTP請求頭包含操作系統和瀏覽器信息
• 8.1.3 Post和Get請求方法
• 8.1.4 HTTP常見的狀態碼
• 8.2 通過Urllib庫獲取網頁信息
• 8.2.1 通過request爬取網頁
• 8.2.2 設置超時時間
• 8.2.3 用URLError處理網絡異常
• 8.2.4 設置header屬性來模擬瀏覽器發送請求
• 8.3 通過BeautifulSoup提取頁面信息
• 8.3.1 安裝BeautifulSoup庫
• 8.3.2 用Tag提取HTML元素和屬性
• 8.3.3 用NavigableString提取元素值
• 8.3.4 用Comment提取注釋
• 8.3.5 制定規則搜索指定的內容
• 8.4 通過正則表達式截取信息
• 8.4.1 查找指定字符串
• 8.4.2 用通用字符來模糊匹配
• 8.4.3 通過原子表來定義匹配規則
• 8.4.4 用findall按匹配規則截取內容
• 8.5 用Scrapy爬取博客園文章信息
• 8.5.1 通過Scrapy命令創建爬蟲項目
• 8.5.2 明確爬取目標，制定爬取規則
• 8.5.3 在Item模塊里定義數據模型
• 8.5.4 生成爬蟲文件，定義爬取動作
• 8.5.5 在pipelines文件里定義數據存儲方式
• 8.5.6 啟動爬蟲程序，觀察運行效果
• 8.6 本章小結
• 第9章 數據分析的常用方法
• 9.1 準備并存儲數據
• 9.1.1 用Pandas_datareader庫獲取數據
• 9.1.2 以csv和Excel格式存儲數據
• 9.1.3 準備MySQL環境
• 9.1.4 在MySQL里存儲數據
• 9.1.5 從數據表里讀取數據
• 9.2 描述性統計
• 9.2.1 平均數、中位數和百分位數
• 9.2.2 用箱狀圖展示分位數
• 9.2.3 統計極差、方差和標準差
• 9.3 基于時間序列的統計方法
• 9.3.1 用rolling方法計算移動平均值
• 9.3.2 基于時間序列的自相關性分析
• 9.3.3 基于時間序列的偏自相關性分析
• 9.3.4 用熱力圖分析不同時間序列的相關性
• 9.4 概率分析方法與推斷統計
• 9.4.1 分析收盤價，繪制小提琴圖
• 9.4.2 用直方圖來擬合正態分布效果
• 9.4.3 驗證序列是否滿足正態分布
• 9.4.4 參數估計方法
• 9.4.5 顯著性驗證
• 9.5 回歸分析方法
• 9.5.1 構建一元線性回歸模型
• 9.5.2 以多元線性回歸模型預測股價
• 9.6 本章小結
• 第10章 案例：圖書信息的爬取、數據清洗與分詞處理
• 10.1 用Scrapy框架爬取豆瓣網編程圖書
• 10.1.1 準備知識：yield的含義
• 10.1.2 明確待爬取的目標，創建Scrapy項目
• 10.1.3 定義圖書的數據模型
• 10.1.4 分析頁面結構，實現爬蟲功能
• 10.1.5 存為csv文件
• 10.1.6 運行爬蟲，觀察結果
• 10.2 分析圖書數據，繪制可視化圖表
• 10.2.1 用Pandas庫的方法清洗數據
• 10.2.2 出版社出書情況分析
• 10.2.3 評論數最多和最貴的3本圖書
• 10.2.4 用直方圖繪制評分頻次
• 10.2.5 對書名分詞，繪制詞云
• 10.3 本章小結
• 第11章 案例：二手房數據的爬取、清洗與可視化
• 11.1 用Scrapy框架爬取二手房數據
• 11.1.1 明確爬取目標，創建Scrapy項目
• 11.1.2 定義二手房數據模型
• 11.1.3 分析頁面結構，實現爬蟲功能
• 11.1.4 定義pipelines邏輯，把數據存為json文件
• 11.1.5 運行爬蟲程序，把數據存為json格式
• 11.2 分析二手房數據
• 11.2.1 清洗數據
• 11.2.2 對數據進行基本的分析
• 11.2.3 觀察均價和總價的分布情況
• 11.2.4 用散點圖展示關注度與價格、面積的關系
• 11.2.5 繪制關于二手房標題和地段的詞云
• 11.3 本章小結
• 第12章 案例：股票數據分析與可視化
• 12.1 股市指標的分析與可視化
• 12.1.1 準備股票交易數據
• 12.1.2 用Matplotlib繪制K線圖
• 12.1.3 用rolling和mean繪制均線
• 12.1.4 用柱狀圖描述成交量
• 12.1.5 加工DataFrame數據，繪制MACD圖
• 12.1.6 繪制CCI圖，進一步熟悉DataFrame
• 12.2 驗證常見的股市交易策略
• 12.2.1 驗證基于長短均線的交易策略
• 12.2.2 驗證基于MACD指標的交易策略
• 12.2.3 驗證基于CCI的交易策略
• 12.3 繪制價格通道
• 12.3.1 計算并繪制唐奇安通道
• 12.3.2 計算并繪制布林帶通道
• 12.3.3 計算并繪制鱷魚組線
• 12.4 用機器學習方法預測股票
• 12.4.1 用Lasso和嶺回歸擬合預測收盤價
• 12.4.2 用SVM和KNN模型預測漲跌
• 12.5 本章小結
• 第13章 基于機器學習算法的數據分析
• 13.1 數據集與機器學習的基礎知識
• 13.1.1 獲取sklearn提供的數據集
• 13.1.2 訓練集、驗證集和測試集
• 13.2 一元和多元線性回歸案例
• 13.2.1 波士頓房價數據集的初步分析
• 13.2.2 構建波士頓房價的多元線性關系
• 13.2.3 交叉驗證的思想及其實現
• 13.3 嶺回歸、Lasso回歸及案例
• 13.3.1 對比線性回歸和嶺回歸
• 13.3.2 基于嶺回歸擬合波士頓房價
• 13.3.3 Lasso回歸
• 13.4 分類算法案例
• 13.4.1 基于線性和高斯內核的SVM分類器
• 13.4.2 用SVM分類器劃分鳶尾花
• 13.4.3 基于KNN算法的分類器
• 13.4.4 KNN分類器對酒的分類
• 13.4.5 基于邏輯回歸的分類方法
• 13.4.6 用邏輯回歸劃分鳶尾花
• 13.5 基于手寫體數字識別的分類案例
• 13.5.1 觀察Digits數據集
• 13.5.2 以訓練集和測試集的方式評估結果
• 13.5.3 對比分類模型的預測和真實結果
• 13.6 本章小結 更新時間：2020-11-12 17:43:59