- 圖書推薦 更新時間：2023-09-21 10:29:15
- 參考文獻
- 11.3 本章小結
- 11.2.3 機器學習建模
- 11.2.2 統計分析與繪圖
- 11.2.1 數據預處理
- 11.2 實戰演練
- 11.1 數據集介紹
- 第11章 數據分析實戰
- 10.5 本章小結
- 10.4.4 動態規劃算法在數據分析中的應用示例
- 10.4.3 動態規劃算法編程示例
- 10.4.2 動態規劃算法概念
- 10.4.1 編程算法與數據分析
- 10.4 編程算法在數據分析中的應用
- 10.3.2 PCA數據降維
- 10.3.1 聚類
- 10.3 無監督學習算法
- 10.2.8 決策樹
- 10.2.7 SVM支持向量機
- 10.2.6 樸素貝葉斯分類器
- 10.2.5 線性判別分析
- 10.2.4 基于PyTorch搭建神經網絡
- 10.2.3 K-NN算法
- 10.2.2 邏輯回歸
- 10.2.1 線性回歸
- 10.2 監督學習算法
- 10.1 機器學習基礎
- 第10章 數據分析常用算法
- 進階篇
- 9.11 本章小結
- 9.10 Pandas數據的可視化
- 9.9.5 時間序列處理綜合示例
- 9.9.4 時間序列屬性
- 9.9.3 時間序列運算
- 9.9.2 時間序列格式化
- 9.9.1 創建時間序列
- 9.9 Pandas的時間序列處理
- 9.8.6 離散值編碼
- 9.8.5 連續值離散化
- 9.8.4 有效性審校
- 9.8.3 歸一化處理
- 9.8.2 重復值處理
- 9.8.1 缺失值處理
- 9.8 Pandas的數據預處理
- 9.7.2 交叉表
- 9.7.1 透視表
- 9.7 Pandas的透視表與交叉表
- 9.6.3 綜合示例
- 9.6.2 數據聚合
- 9.6.1 數據分組
- 9.6 Pandas的數據分組與聚合
- 9.5.4 讀取和寫入txt文件
- 9.5.3 讀取和寫入csv文件
- 9.5.2 批量處理多個Excel文件數據
- 9.5.1 讀取和寫入Excel文件
- 9.5 Pandas的文件操作
- 9.4.8 DataFrame對象的常用函數
- 9.4.7 DataFrame對象的字符串處理
- 9.4.6 DataFrame對象的統計函數
- 9.4.5 DataFrame對象的基本運算
- 9.4.4 DataFrame對象的更新
- 9.4.3 DataFrame對象的取值
- 9.4.2 DataFrame對象的屬性
- 9.4.1 DataFrame對象的創建方法
- 9.4 DataFrame對象詳細講解
- 9.3.8 Series對象的常用函數
- 9.3.7 Series對象的字符串處理
- 9.3.6 Series對象的統計函數
- 9.3.5 Series對象的基本運算
- 9.3.4 Series對象的更新
- 9.3.3 Series對象的取值
- 9.3.2 Series對象的屬性
- 9.3.1 Series對象的創建方法
- 9.3 Series對象詳細講解
- 9.2 Pandas支持的數據類型
- 9.1 Pandas簡介及安裝
- 第9章 結構化數據分析庫
- 8.16 本章小結
- 8.15 NumPy文件和批量數據操作
- 8.14 NumPy與線性代數計算
- 8.13 數組對象的常用數學函數
- 8.12 數據處理常用操作
- 8.11 數組對象的常用數據統計函數
- 8.10 NumPy的隨機數組
- 8.9 數組對象的維度轉換
- 8.8 數組對象支持的數據類型
- 8.7 數組對象的基本運算與廣播機制
- 8.6 數組對象的合并與拆分
- 8.5 數組對象元素的更新
- 8.4.6 迭代取值
- 8.4.5 搭配取值
- 8.4.4 布爾取值
- 8.4.3 切片取值
- 8.4.2 索引列表取值
- 8.4.1 索引取值
- 8.4 數組對象的數據取值
- 8.3 數組對象ndarray的常用屬性
- 8.2 數組的創建
- 8.1 NumPy簡介及安裝
- 第8章 數值計算擴展庫
- 7.3 本章小結
- 7.2.6 繪圖風格與數據分組
- 7.2.5 其他常用繪圖形式
- 7.2.4 直方圖
- 7.2.3 關聯圖
- 7.2.2 散點圖
- 7.2.1 折線圖
- 7.2 Seaborn
- 7.1.5 詞云
- 7.1.4 常用繪圖形式
- 7.1.3 默認屬性值的修改與繪圖填充
- 7.1.2 Matplotlib繪圖基礎
- 7.1.1 Matplotlib簡介及安裝
- 7.1 Matplotlib
- 第7章 數據可視化
- 6.7 本章小結
- 6.6 Python文件的批量自動化操作
- 6.5 Excel文件操作庫簡介
- 6.4 文件的讀取與寫入
- 6.3 文件的打開與關閉
- 6.2 Python文件的操作步驟
- 6.1 文件字符的編碼方式
- 第6章 Python文件操作
- 5.5 本章小結
- 5.4.4 自定義異常
- 5.4.3 assert斷言
- 5.4.2 異常處理語句
- 5.4.1 異常的概念
- 5.4 Python中的異常處理機制
- 5.3.2 繼承的語法和使用
- 5.3.1 繼承的概念
- 5.3 類的繼承
- 5.2.3 綜合示例
- 5.2.2 類變量和類方法的權限
- 5.2.1 類的定義及實例化
- 5.2 類、對象的創建和使用
- 5.1.2 面向過程編程與面向對象編程比較
- 5.1.1 類和對象的概念
- 5.1 面向對象
- 第5章 面向對象編程
- 4.3 本章小結
- 4.2.2 第三方模塊的導入與使用
- 4.2.1 概念與作用
- 4.2 第三方模塊
- 4.1.8 遞歸函數
- 4.1.7 函數編程示例
- 4.1.6 lambda函數
- 4.1.5 變量的作用域
- 4.1.4 函數的調用及參數值的傳遞過程
- 4.1.3 函數的參數
- 4.1.2 函數的聲明
- 4.1.1 函數的概念
- 4.1 函數
- 第4章 Python函數與模塊
- 3.9 本章小結
- 3.8 綜合示例
- 3.7.4 循環控制語句
- 3.7.3 循環嵌套
- 3.7.2 for循環
- 3.7.1 while循環
- 3.7 循環結構
- 3.6.3 if-elif-else語句
- 3.6.2 if-else語句
- 3.6.1 if語句
- 3.6 選擇結構
- 3.5.7 身份運算符
- 3.5.6 成員運算符
- 3.5.5 賦值運算符
- 3.5.4 位運算符
- 3.5.3 邏輯運算符
- 3.5.2 比較運算符
- 3.5.1 算術運算符
- 3.5 運算符與表達式
- 3.4.6 集合
- 3.4.5 字典
- 3.4.4 元組
- 3.4.3 列表
- 3.4.2 字符串
- 3.4.1 數字
- 3.4 數據類型
- 3.3.2 變量與對象的關系
- 3.3.1 Python對象的概念
- 3.3 Python對象
- 3.2.2 輸出
- 3.2.1 輸入
- 3.2 輸入與輸出
- 3.1.2 賦值
- 3.1.1 變量
- 3.1 變量與賦值
- 第3章 Python基礎
- 基礎篇
- 2.4 本章小結
- 2.3.3 PyCharm
- 2.3.2 Spyder
- 2.3.1 Jupyter Notebook
- 2.3 Python集成開發環境
- 2.2.2 官網安裝
- 2.2.1 Anaconda安裝
- 2.2 Python安裝方式
- 2.1 Python語言特點
- 第2章 初識Python
- 1.4 本章小結
- 1.3.7 科研及自動化辦公
- 1.3.6 氣象變化
- 1.3.5 城鄉規劃
- 1.3.4 經濟金融
- 1.3.3 商業策略
- 1.3.2 交通出行
- 1.3.1 醫療健康
- 1.3 數據分析領域的應用場景
- 1.2.3 輕松的代碼結合能力
- 1.2.2 強大高效的第三方庫
- 1.2.1 智能時代的通用語言
- 1.2 為什么使用Python
- 1.1 數據分析概念
- 第1章 Python與數據分析
- 初識篇
- 前言
- 內容簡介
- 作者簡介
- 版權信息
- 封面
- 封面
- 版權信息
- 作者簡介
- 內容簡介
- 前言
- 初識篇
- 第1章 Python與數據分析
- 1.1 數據分析概念
- 1.2 為什么使用Python
- 1.2.1 智能時代的通用語言
- 1.2.2 強大高效的第三方庫
- 1.2.3 輕松的代碼結合能力
- 1.3 數據分析領域的應用場景
- 1.3.1 醫療健康
- 1.3.2 交通出行
- 1.3.3 商業策略
- 1.3.4 經濟金融
- 1.3.5 城鄉規劃
- 1.3.6 氣象變化
- 1.3.7 科研及自動化辦公
- 1.4 本章小結
- 第2章 初識Python
- 2.1 Python語言特點
- 2.2 Python安裝方式
- 2.2.1 Anaconda安裝
- 2.2.2 官網安裝
- 2.3 Python集成開發環境
- 2.3.1 Jupyter Notebook
- 2.3.2 Spyder
- 2.3.3 PyCharm
- 2.4 本章小結
- 基礎篇
- 第3章 Python基礎
- 3.1 變量與賦值
- 3.1.1 變量
- 3.1.2 賦值
- 3.2 輸入與輸出
- 3.2.1 輸入
- 3.2.2 輸出
- 3.3 Python對象
- 3.3.1 Python對象的概念
- 3.3.2 變量與對象的關系
- 3.4 數據類型
- 3.4.1 數字
- 3.4.2 字符串
- 3.4.3 列表
- 3.4.4 元組
- 3.4.5 字典
- 3.4.6 集合
- 3.5 運算符與表達式
- 3.5.1 算術運算符
- 3.5.2 比較運算符
- 3.5.3 邏輯運算符
- 3.5.4 位運算符
- 3.5.5 賦值運算符
- 3.5.6 成員運算符
- 3.5.7 身份運算符
- 3.6 選擇結構
- 3.6.1 if語句
- 3.6.2 if-else語句
- 3.6.3 if-elif-else語句
- 3.7 循環結構
- 3.7.1 while循環
- 3.7.2 for循環
- 3.7.3 循環嵌套
- 3.7.4 循環控制語句
- 3.8 綜合示例
- 3.9 本章小結
- 第4章 Python函數與模塊
- 4.1 函數
- 4.1.1 函數的概念
- 4.1.2 函數的聲明
- 4.1.3 函數的參數
- 4.1.4 函數的調用及參數值的傳遞過程
- 4.1.5 變量的作用域
- 4.1.6 lambda函數
- 4.1.7 函數編程示例
- 4.1.8 遞歸函數
- 4.2 第三方模塊
- 4.2.1 概念與作用
- 4.2.2 第三方模塊的導入與使用
- 4.3 本章小結
- 第5章 面向對象編程
- 5.1 面向對象
- 5.1.1 類和對象的概念
- 5.1.2 面向過程編程與面向對象編程比較
- 5.2 類、對象的創建和使用
- 5.2.1 類的定義及實例化
- 5.2.2 類變量和類方法的權限
- 5.2.3 綜合示例
- 5.3 類的繼承
- 5.3.1 繼承的概念
- 5.3.2 繼承的語法和使用
- 5.4 Python中的異常處理機制
- 5.4.1 異常的概念
- 5.4.2 異常處理語句
- 5.4.3 assert斷言
- 5.4.4 自定義異常
- 5.5 本章小結
- 第6章 Python文件操作
- 6.1 文件字符的編碼方式
- 6.2 Python文件的操作步驟
- 6.3 文件的打開與關閉
- 6.4 文件的讀取與寫入
- 6.5 Excel文件操作庫簡介
- 6.6 Python文件的批量自動化操作
- 6.7 本章小結
- 第7章 數據可視化
- 7.1 Matplotlib
- 7.1.1 Matplotlib簡介及安裝
- 7.1.2 Matplotlib繪圖基礎
- 7.1.3 默認屬性值的修改與繪圖填充
- 7.1.4 常用繪圖形式
- 7.1.5 詞云
- 7.2 Seaborn
- 7.2.1 折線圖
- 7.2.2 散點圖
- 7.2.3 關聯圖
- 7.2.4 直方圖
- 7.2.5 其他常用繪圖形式
- 7.2.6 繪圖風格與數據分組
- 7.3 本章小結
- 第8章 數值計算擴展庫
- 8.1 NumPy簡介及安裝
- 8.2 數組的創建
- 8.3 數組對象ndarray的常用屬性
- 8.4 數組對象的數據取值
- 8.4.1 索引取值
- 8.4.2 索引列表取值
- 8.4.3 切片取值
- 8.4.4 布爾取值
- 8.4.5 搭配取值
- 8.4.6 迭代取值
- 8.5 數組對象元素的更新
- 8.6 數組對象的合并與拆分
- 8.7 數組對象的基本運算與廣播機制
- 8.8 數組對象支持的數據類型
- 8.9 數組對象的維度轉換
- 8.10 NumPy的隨機數組
- 8.11 數組對象的常用數據統計函數
- 8.12 數據處理常用操作
- 8.13 數組對象的常用數學函數
- 8.14 NumPy與線性代數計算
- 8.15 NumPy文件和批量數據操作
- 8.16 本章小結
- 第9章 結構化數據分析庫
- 9.1 Pandas簡介及安裝
- 9.2 Pandas支持的數據類型
- 9.3 Series對象詳細講解
- 9.3.1 Series對象的創建方法
- 9.3.2 Series對象的屬性
- 9.3.3 Series對象的取值
- 9.3.4 Series對象的更新
- 9.3.5 Series對象的基本運算
- 9.3.6 Series對象的統計函數
- 9.3.7 Series對象的字符串處理
- 9.3.8 Series對象的常用函數
- 9.4 DataFrame對象詳細講解
- 9.4.1 DataFrame對象的創建方法
- 9.4.2 DataFrame對象的屬性
- 9.4.3 DataFrame對象的取值
- 9.4.4 DataFrame對象的更新
- 9.4.5 DataFrame對象的基本運算
- 9.4.6 DataFrame對象的統計函數
- 9.4.7 DataFrame對象的字符串處理
- 9.4.8 DataFrame對象的常用函數
- 9.5 Pandas的文件操作
- 9.5.1 讀取和寫入Excel文件
- 9.5.2 批量處理多個Excel文件數據
- 9.5.3 讀取和寫入csv文件
- 9.5.4 讀取和寫入txt文件
- 9.6 Pandas的數據分組與聚合
- 9.6.1 數據分組
- 9.6.2 數據聚合
- 9.6.3 綜合示例
- 9.7 Pandas的透視表與交叉表
- 9.7.1 透視表
- 9.7.2 交叉表
- 9.8 Pandas的數據預處理
- 9.8.1 缺失值處理
- 9.8.2 重復值處理
- 9.8.3 歸一化處理
- 9.8.4 有效性審校
- 9.8.5 連續值離散化
- 9.8.6 離散值編碼
- 9.9 Pandas的時間序列處理
- 9.9.1 創建時間序列
- 9.9.2 時間序列格式化
- 9.9.3 時間序列運算
- 9.9.4 時間序列屬性
- 9.9.5 時間序列處理綜合示例
- 9.10 Pandas數據的可視化
- 9.11 本章小結
- 進階篇
- 第10章 數據分析常用算法
- 10.1 機器學習基礎
- 10.2 監督學習算法
- 10.2.1 線性回歸
- 10.2.2 邏輯回歸
- 10.2.3 K-NN算法
- 10.2.4 基于PyTorch搭建神經網絡
- 10.2.5 線性判別分析
- 10.2.6 樸素貝葉斯分類器
- 10.2.7 SVM支持向量機
- 10.2.8 決策樹
- 10.3 無監督學習算法
- 10.3.1 聚類
- 10.3.2 PCA數據降維
- 10.4 編程算法在數據分析中的應用
- 10.4.1 編程算法與數據分析
- 10.4.2 動態規劃算法概念
- 10.4.3 動態規劃算法編程示例
- 10.4.4 動態規劃算法在數據分析中的應用示例
- 10.5 本章小結
- 第11章 數據分析實戰
- 11.1 數據集介紹
- 11.2 實戰演練
- 11.2.1 數據預處理
- 11.2.2 統計分析與繪圖
- 11.2.3 機器學習建模
- 11.3 本章小結
- 參考文獻
- 圖書推薦 更新時間：2023-09-21 10:29:15
