[Официальный подлинный] Анализ данных Python и визуальная видео -классная версия Tsinghua University Press Wei Weiyi Li Xiaohong Software Tool Design Design Design Design Design
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
| Заголовок: | Анализ данных Python и визуализация-микро-класс Версия видео |
| Издательство: | Tsinghua University Press |
| Дата публикации | 2020 |
| Номер ISBN: | 9787302546665 |
 |
Благодаря быстрому развитию Интернета поведение людей в Интернете создало огромные данные, и разработка этих хранения, обработки и анализа данных привело к разработке технологии больших данных.Среди них технология интеллектуального анализа и анализа данных может помочь людям проанализировать огромные данные, найти ценную информацию и законы и заставлять людей знать мир быстрее и удобнее.В области анализа данных язык Python прост и прост в использовании, третья частичная библиотека сильна и обеспечивает полную структуру анализа данных. Полем Таким образом, эта книга начинается с базовых знаний анализа данных Python, в сочетании с большим количеством примеров анализа данных, систематически вводит метод анализа данных и визуального рисунка, заставляет читателей освоить соответствующие знания анализа данных Python шаг за шагом,, улучшить способность читателей решать практические проблемы для решения практических проблем сущности |
 |
|
Объясните девять модулей в анализе и визуализации данных Python, содержание является всеобъемлющим и подробным; Предоставьте 11 курсов и 2 полных проекта, объедините теоретическую комбинацию практики; Подарок 420 минут преподавания видео и богатых вспомогательных ресурсов, которые удобны для преподавателей. Ценность подарок: Схема преподавания, учебное пособие, электронный план обучения, исходный код программы, график обучения, онлайн -учебник
|
|
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 Использование ноутбука Jupyter 1.7 Сводка 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 Обучение в этой главе 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 Обучение в этой главе 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 Обучение в этой главе 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 5.2 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 Преобразование данных 5.5.1. Обработка тупой переменной данных категорий 5.5.2 Раскрытие непрерывных переменных 5.6 Сводка этой главы Обучение в этой главе 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 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 6,5 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 Обучение в этой главе 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 7.4 Сводка этой главы Обучение в этой главе 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 8.4 Резюме этой главы 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 Сводка этой главы 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 Резюме этой главы Обучение в этой главе Глава 11 Статистика и машинное обучение 11.1scikitClearn Основные особенности 11.2 Классификация 11.2.1 Правила дерева решений 11.2.2KNN Алгоритм 11.2.3 11.2.4 Простая байесовская категория 11.3 кластеризация 11.3.1 Кластер Кансенов 11.3.2 кластеризация уровня 11.3.3 кластеризация на основе плотности 11.4 Анализ основного композиции 11.5 Сводка этой главы Обучение в этой главе 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 Обучение в этой главе Глава 13 Комплексный случай 13.1 Анализ данных физикального обследования профессиональной популяции 13.2 Анализ данных акций
|
 |
Благодаря быстрому развитию Интернета поведение людей в Интернете создало огромные данные, и разработка этих хранения, обработки и анализа данных привело к разработке технологии больших данных.Среди них технология интеллектуального анализа и анализа данных может помочь людям проанализировать огромные данные, найти ценную информацию и законы и заставлять людей знать мир быстрее и удобнее.В области анализа данных язык Python прост и прост в использовании, третья частичная библиотека сильна и обеспечивает полную структуру анализа данных. Полем Таким образом, эта книга начинается с базовых знаний анализа данных Python, в сочетании с большим количеством примеров анализа данных, систематически вводит метод анализа данных и визуального рисунка, заставляет читателей освоить соответствующие знания анализа данных Python шаг за шагом,, улучшить способность читателей решать практические проблемы для решения практических проблем сущности Характеристика (1) Комплексная система контента и объяснения. (2) Приведены этапы установки и конфигурации среды анализа данных. (3) Метод использования Python для анализа данных и визуализации введен подробно. (4) Предоставьте ряд случаев проекта с высокой стоимостью применения, что имеет сильную практичность. (5) Предоставьте богатые вспомогательные ресурсы. Содержание этой книги Глава 1 Анализ данных и обзор визуализации, в основном вводите основное содержание анализа и визуализации данных, данных, анализа данных и интеллектуального анализа данных, анализа данных и визуализации Общие инструменты, анализ данных Python и визуальные библиотеки, а также Jupyter Notebook Basic Basic, как сделать использовать. Глава 2 Фонд программирования Python в основном представляет основную грамматику, встроенную структуру данных, функции и файловые операции языка питона. Глава 3 Numpy Многочисленные основы расчета в основном вводят массивы и индексы, операции массива, чтение/написание массива, а также обычно используются статистические данные и методы анализа. Глава 4 Статистический анализ Pandas в основном вводит структуру данных Pandas, индексные операции, операции данных, сводную агрегацию группы, перспективные таблицы и обычно используемое чертеж панд. 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 база визуализации данных matplotlib, в основном представляет базовый синтаксис, общие параметры чертежа Pyplot, чертеж различной обычно используемой графики и простое использование слов облака. 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, рисование основного процесса питэчартов, а также метод рисования диаграмм столбов, диаграмм тортов, воронковых чертежей, рассеянных точек, диаграмм k -линии, приборных панелей, слов, карт и карт и комбинированные диаграммы. Глава 9 Анализ данных временной последовательности в основном вводит основные методы анализа данных временной последовательности, включая данные типа даты, диапазон, частоту и работу даты датированных данных в пандах. Глава 10 Научный расчет SCIPY в основном вводит постоянные и специальные функции в SCIPY, линейных алгебраических операциях, оптимизации, обработке разреженной матрицы и простой обработке изображений. Глава 11 Статистика и машинное обучение в основном вводят основные функции, типичные классификации, кластерные алгоритмы и методы анализа основных компонентов и применения библиотеки Sklearn. 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, введите два комплексных случая. Вспомогательные ресурсы в этой книге 学 Обучение обучению, учебное пособие, электронные планы обучения, исходный код программы, таблица обучения, фоновое сканирование QR -код можно загрузить. 视 420 минут видео объяснения, QR -код в соответствующем месте в книге сканирования можно просмотреть и изучить онлайн. Эта книга была написана Вей Вейи и Ли Сяхонгом.Из -за ограниченного уровня редакторов в книге есть неизбежные упущения и недостатки. Редактор в октябре 2019 года
|
Официальный флагманский магазин издательства Университета Цинхуа