Официальная подлинная новая книга Анализ и визуализация данных Python Wei Weiyi Tsinghua University Press Computer
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
| Заголовок: | Анализ и визуализацию данных Python |
| Издательство: | Tsinghua University Press |
| Дата публикации | 2021 |
| Номер ISBN: | 9787302577584 |
 |
Эта книга начинается с базовых знаний об анализе данных Python. В сочетании с большим количеством примеров анализа данных она систематически вводит методы анализа данных и визуализацию, ведущие читатели постепенно понимать соответствующие знания анализа данных Python и улучшить способность решать практические проблемы. В этой книге существует 13 глав. Основное содержание включают анализ данных и краткое изложение визуализации, фонд программирования Python, фонд численного расчета Numpy, основание статистического анализа Pandas, нагрузка данных Pandas и предварительная обработка, визуальная база данных Matplotlib, визуализация PyeCharts, визуализация пайчартов, визуализация пайчартов, визуализация PyeCharts, визуализация PyeCharts, визуализация Matplotlib, визуализация PyeCharts, визуализация PyeCharts, визуализация пандса. , Анализ данных временной последовательности, научный расчет, статистика и машинное обучение, анализ данных изображения и всеобъемлющие случаи случаев. Эта книга может использоваться в качестве профессиональных учебников, таких как наука о данных и большие данные, разработка программного обеспечения и компьютерные науки и технологии в различных типах колледжей и университетов. Она также может использоваться в качестве справочника для начинающих и энтузиастов анализа данных Python. |
 |
Вей Вей Блок: Школа компьютерных наук и инженерии, Северо -западный нормальный университет: Департамент по науке о данных и данных Директор директор Название: Доцент Пол. Ведущий или участвовать в завершении более 10 национальных и провинциальных проектов, опубликовав более 20 статей, поиск SCI/EI более 10 статей и опубликовать 1 учебник. |
|
Эта книга богата поддержкой ресурсов, включая схемы обучения, учебные курсы, электронные планы преподавания, исходный код программы и лист обучения. Автор также тщательно записал 600 минут микро -класса для этой книги. |
|
Глава 1 Анализ данных и обзор визуализации 1.1 Анализ данных 1.2 Визуализация данных 1.3 Общие инструменты для анализа и визуализации данных 1.4 Почему выбирайте Python для анализа и визуализации данных 1.5Python Analysis и Visualization обычно используется библиотеки 1.6 Jupyter. Установка ноутбука и использование 1.6.1 JUPYTER Установка ноутбука 1.6.2 Jupyter Использование ноутбуков 1.7 Сводка этой главы 1.8 Упражнение этой главы Глава 2 Основы программирования Python 2.1 2.1.1 Основной тип данных 2.1.2 переменные и назначения 2.1.3 Оператор и выражение 2.1.4 строка 2.1.5 Управление процессом 2.2 -встроенный тип данных 2.2.1 Список 2.2.2 Юань Группа 2.2.3 Словарь 2.2.4 2.3 Функция 2.3.1 Определение функции 2.3.2 Функция LAMBDA 2.4 Операция файла 2.4.1 Процесс обработки файлов 2.4.2 Метод считывания данных 2.4.3 Чтение файла CSV 2.4.4 Написание и закрытие файлов 2.5 Сводка этой главы 2.6 Изучение этой главы 2.7 Эта глава обучение Глава 3 Numpy Численные расчеты 3.1numpy multi -dimensional Array 3.1.1 Создать объект массива 3.1.2 -ndaray атрибуты объекта и преобразование данных 3.1.3 Сгенерировать случайные числа 3.1.4 Трансформация массива 3.2 Индекс и ломтик массива 3.2.1 Индекс одного измерения массива 3.2.2 Индекс многомерного массива 3.3 Массивные операции 3.3.1 Операции между массивами и масштабами 3.3.2 Функция UFUNC 3.3.3 3.4 3.4.1 Читать/записать двоичные файлы 3.4.2 Читать/записать текстовый файл 3.4.3 Чтение файла CSV 3.5. Статистика и анализ данных. 3.5.1 Сортировка 3.5.2. Повторите данные и становятся тяжелыми 3.5.3 Общие статистические функции 3.6 Сводка этой главы 3.7 Эта глава упражнения 3.8 Эта глава обучение Глава 4 Статистический анализ Pandas 4.1 Структура данных в пандах 4.1.1Series 4.1.2DataFrame 4.1.3 Индексный объект 4.1.4 Просмотреть общие атрибуты DataFrame 4.2Pandas Index Operation 4.2.1 Индекс реконструкции 4.2.2 Замените индекс 4.3.3dataFrame Данные и редактор 4.3.1 Запрос данных данных 4.3.2 Редактировать данные 4.4Pandas Data Operation 4.4.1 Арифметическая операция 4.4.2 Функциональное приложение и отображение 4.4.3 Сортировка 4.4.4 Сводка и статистика 4.5 пакет данных и агрегация 4.5.1 пакет данных 4.5.2 Агломерация данных 4.5.3 Операция пакета 4.6 Таблица перспективы данных 4.6.1 Перспективная таблица 4.6.2 Cross Cable 4.7Pandas Визуализация 4.7.1 Линейная диаграмма 4.7.2 -диаграмма столбца 4.7.3. 4.7.4 Санда -Пойнт изображение 4.8 Резюме этой главы 4.9 Изучение этой главы 4.10 Эта глава обучение Глава 5 Загрузка и предварительная обработка данных Pandas 5.1 Загрузка данных 5.1.1 Читать/записать текстовый файл 5.1.2 Читать/записать файл Excel 5.1.3json Почитание и хранение данных 5.1.4 Прочитайте файл базы данных 5.2 Объединение данных 5.2.1merge слияние данных 5.2.2concat Data Data Connection 5.2.3combine_first слияние данных 5.3 Очистка данных 5.3.1 Обнаружение и обработка отсутствие стоимости 5.3.2 Обнаружение и обработка повторения 5.3.3 Обнаружение и обработка ненормальных значений 5.3.4 Преобразование данных 5.4 Стандартизация данных 5.4.1 Данные стандартизации от отклонения 5.4.2 Стандартные данные стандартизации отклонений 5.5 Трансформация данных и дискретные данные 5.5.1. Обработка тупой переменной данных категорий 5.5.2 Раскрытие непрерывных переменных 5.6 Сводка этой главы 5.7 Эта глава упражнения 5.8. Глава 6 Основная основа для визуализации данных matplotlib 6.1 MATPLOTLIB ВВЕДЕНИЕ 6.2 Основы чертежа Matplotlib 6.2.1 Создание холста и подрагмер 6.2.2 Добавить содержание холста 6.2.3 Сохранить и отображать рисунка 6.3 Установите динамический параметр RC Pyplot 6.3.1 Глобальная настройка параметров 6.3.2RC Параметр Параметры 6.3.3 Заполните рисунок 6.3.4 Покажите формулу на рисунке 6.3.5 Текстовая аннотация 6.4 Обычно используемый рисунок в pyplot 6.4.1 карта складной линии 6.4.2 Point Picture Point 6.4.3 LandModel 6.4.4 Карта тортов 6.4.5 Коробка 6.4.6 Диаграмма вероятностей 6.4.7 Радарная карта 6.4.8 потоковая диаграмма 6.4.9 Настройки формы на рисунке 6.4.10 Полярные координаты 6,5 слов облако 6.5.1 Установка пакеты 6.5.2 Процесс генерации облака слов 6.5.3 Пример генерации облака слов 6.6 Сводка этой главы 6.7 Эта глава упражнения 6.8 Эта глава обучение Глава 7 Визуализация Seaborn 7.1Seabor Profile 7.2 Настройки стиля 7.2.1 Настройки чертежа 7.2.2. Настройки темы 7.2.3 Установите соотношение элемента чертежа 7.3 Обычно используемые рисунки INSEABORD 7.3.1 Диаграмма кривой марифрованной и плотности 7.3.2 Санда -точечная картина 7.3.3 Целевая диаграмма 7.3.4 Матрица фигурной фигуры Санды 7.3.5 карта скрипки 7.3.6 -Подобная диаграмме столбца 7.3.7 Много -ориентированная диаграмма 7.3.8 Вернуть карту 7.3.9 Диаграмма класса отношений 7.3.10 Тепловая карта 7.4 Сводка этой главы 7.5 Эта глава упражнения 7.6 Эта глава обучение Глава 8 Визуализация PyeCharts 8.1PyeCharts введение 8.2 Как использовать PpyeCharts 8.3PyeCharts Обычно используется диаграмма 8.3.1 -Подобная диаграмма столбца 8.3.2 Карта торта 8.3.3 Полная боевая картина 8.3.4 Санда -Пойнт изображение 8.3.5K Line Diagram 8.3.6 Панель панели 8.3.7 CI Cloud 8.3.8 комбинированная диаграмма 8.3.9 шелковица 8.3.10 Параллельная координатная диаграмма 8.3.11 Рисунок 8.3.12 Карта 8.4 Резюме этой главы 8.5 Эта глава упражнения 8.6 Обучение в этой главе Глава 9 Анализ данных временных рядов 9.1 Тип данных даты и времени 9.1.1.dateTime Структура 9.1.2 Преобразование данных 9.2 Основы временной последовательности 9.2.1 Структура временной последовательности 9.2.2 Индекс и срез 9.3 Диапазон дат, частота и сдвиг 9.3.1 Диапазон дат 9.3.2 Частота и сдвиг 9.4 ПЕРИОД 9.4.1 Основа 9.4.2 Преобразование частоты 9.4.3 Преобразование данных данных 9.5 Re -Sampling, отбор проб и промоушена 9.5.1 Тяжелая выборка 9.5.2 выборка 9.5.3 Литр выборки 9.6 Проверка стабильности временной последовательности 9.6.1 Проверка последовательной диаграммы 9.6.2 Связанная инспекция диаграммы 9.6.3 Статистическая проверка количества 9.7 Резюме этой главы 9.8 Эта глава упражнения 9.9 Обучение в этой главе Глава 10 Scipy Science Расчеты 10.1 Постоянные и специальные функции в TheScipy 10.1.1 модуль констант Scipy 10.1.2 Special модуля Scipy 10.2 Основная работа линейной алгебры инсипипии 10.2.1 Основная матричная работа 10.2.2 Команда линейных уравнений для решения 10.2.3 Расчет 10.2.4 Семейный номер 10.2.5 Разложение значения функции 10.2.6 Странное разложение значений 10.3 Оптимизация в Scipy 10.3.1 Уравнение решение и экстремальное значение 10.3.2 Подгонка данных 10.4 Sparse Matrix Обработка инсипипии 10.4.1 Хранение редкой матрицы 10.4.2 Работа редкой матрицы 10.5 -Scipy обработка изображений 10.5.1 Изображение плавно 10.5.2 Вращение и резкость изображения 10.6 Обработка сигнала 10.6.1 Данные 10.6.2 Стилька сигнала 10.6.3 Эволюционный анализ сигнала 10.7 Резюме этой главы 10.8 Эта глава упражнения 10.9 Эта глава обучение Глава 11 Статистика и машинное обучение 11.1scikitClearn Основные особенности 11.2 Анализ возврата 11.2.1 Один метод линейной регрессии юаня 11.2.2 Логическая регрессия 11.3 Классификация 11.3.1 Правила дерева решений 11.3.2KNN Алгоритм 11.3.3 11.3.4 Простая байесовская категория 11.4 кластер 11.4.1 Кластер Кансенов 11.4.2 Уровень кластер 11.4.3 Кластеризация на основе плотности 11.5 Анализ основного композиции 11.6 Сводка этой главы 11.7 Эта глава упражнения 11.8 Эта глава обучение Глава 12 Анализ данных изображений 12.1opencv Введение и импорт 12.1.1opencv Введение 12.1.2 Установка и импорт OpenCV в OpenCV Inpython 12.2CV2 Основы обработки изображений 12.2.1 Основные методы и атрибуты OFCV2 12.2.2CV2 Пример обработки изображений 12.3 Шкала приложений без изменений 12.4 Используйте ускоренное надежное обнаружение функций 12.5 Изображение шум 12.6 Резюме этой главы 12.7 Эта глава упражнения 12.8 Эта глава обучение Глава 13 Комплексный случай 13.1 Анализ данных физикального обследования профессиональной популяции 13.2 Анализ данных акций 13.3 Анализ данных красного вина |
 |
Благодаря быстрому развитию Интернета поведение людей в Интернете создало огромные данные, а хранение, обработка и анализ этих данных способствовали разработке технологии больших данных.Среди них технология анализа данных и визуализация могут помочь людям провести соответствующий анализ между огромными данными, найти ценную информацию и законы, а также заставить людей знать мир быстрее и удобнее.В области науки о данных питон язык предпочитает аналитики данных из -за характеристик простой и простой -к использованию и сильной третьей партийной библиотеке. Таким образом, эта книга начинается с базовых знаний анализа данных Python, в сочетании с большим количеством примеров анализа данных, систематически вводит принципы и методы анализа данных и визуализации, заставляет читателей постепенно понимать соответствующие знания об анализе данных Python, улучшить способность решать практические проблемы сущность Характеристика (1) Комплексная система контента и объяснения. (2) Приведены этапы установки и конфигурации среды анализа данных. (3) Подробные методы использования Python для анализа данных и визуализации. (4) Предоставьте ряд случаев проекта с высокой стоимостью применения и имеют сильную практичность. (5) богатые вспомогательные ресурсы, удобное обучение и обучение. Содержание этой книги Глава 1 Анализ данных и обзор визуализации, в основном вводит основное содержание анализа данных и визуализации, взаимосвязь между анализом данных и интеллектуальным анализом данных, анализом данных и визуальными инструментами, анализом данных Python и визуальными библиотеками, установкой ноутбуков Юпитера и основными базовыми Библиотеки, ноутбук Юпитера и основные базовые инструкции. Глава 2 Фонд программирования Python в основном представляет основную грамматику, встроенные типы данных, функции и файловые операции языка Python. Глава 3 Numpy Многочисленные основы расчета в основном вводят массив и его индексы, операции массива, чтение массива, написание и обычно используемые статистические данные и методы анализа. Глава 4 Статистический анализ Pandas в основном вводит структуру данных, индексные операции, запрос данных и редактирование данных, сводную агрегацию группы, таблицу перспективы и панды в пандах. Глава 5 Загрузка данных Pandas и предварительная обработка, в основном для потребностей предварительной стадии данных данных, вводят типичные методы для использования пандов для загрузки данных, слияния данных, очистки данных, стандартизации данных и преобразования данных. Глава 6 Основная основа Matplotlib Data, которая в основном представляет базовый синтаксис, общие настройки параметров и различные обычно используемые графические чертежи рисунка Pyplot. Глава 7 Визуализация Seaborn, в основном представляет стиль и настройки темы и основное использование настройки темы и общего рисунка в Seaborn. Глава 8 Визуализация PyeCharts, в основном вводит установку и импорт PyeCharts, основные процессы рисунка, а также метод рисования сущности рисунка Глава 9 Анализ данных временной последовательности в основном вводит основные методы анализа данных последовательностей временной последовательности, включая данные с пандами среды, объем и частоту даты, операцию периода и базовый метод тестирования стабильной последовательности. Глава 10 Научный расчет SCIPY в основном вводит постоянные и специальные функции в SCIPY, линейной алгебраической операции, оптимизации, обработке разреженной матрицы, простой обработке изображений и обработке сигналов. Глава 11 Статистика и машинное обучение в основном вводят основные функции, типичный регрессионный анализ, классификацию, алгоритм кластера и методы анализа основных компонентов библиотеки Scikitlearn. Глава 12 Анализ изображений, в основном вводит введение OpenCV, основные операции изображений, извлечение точек функций SIFT и Surf и снижение шума изображений. Глава 13 Комплексные случаи введены три комплексных случая. Для данных физикального изучения профессиональной групповой экспертизы, данных о запасах и данных красного вина в сочетании с анализом данных и технологией визуализации данных, введенных в предыдущей главе, был проведен анализ данных. По сравнению с первым изданием, второе издание имеет следующие коррективы: 视 Теоретическое объяснение и системное описание анализа данных и визуализации данных; Y Дополните установку Notebook Jupyter, запрос данных Pandas, файл базы данных Pandas и чтение данных JSON, стабильный тест временных рядов, обработка сигналов в SCIPY и регрессионный анализ; 例 Оптимизировал какой -то пример кода, методы дополнений, такие как радиолокационные карты, блок -схемы, карты параллельных координат, полярные координаты, карты взаимосвязи, тепловые карты и карты; Добавлены случаи анализа данных и главы. Вспомогательные ресурсы в этой книге 学 Обучение обучению, обучение курсовым программам, электронный план обучения, исходный код программы, онлайн -учебник, таблица хода обучения. 频 600 минут видео объяснения. Ресурс скачать приглашение Курс и другие ресурсы: сканируйте QR -код «Загрузка курса», загрузите в общедоступной учетной записи «Книга Круга». Материал (исходный код) и другие ресурсы: сканировать QR -код скачать над каталогом. Онлайн -операция: сканируйте QR -код системы операции на обратной обложке, войдите на веб -сайт, чтобы подать вопросы и просмотреть ответы в Интернете. Видео и другие ресурсы: сканируйте QR -код на задней обложке Carc Card, а затем сканируйте QR -код в соответствующих главах книги, чтобы выучить онлайн. Эта книга была написана совместно Вей Вейи, Ли Сяохонгом и Гао Чилингом. В связи с ограниченным уровнем автора в книге неизбежны упущения и недостатки. Читателям просят критиковать и исправить их. Редакция марта 2021 года |
