图书介绍
普通高等院校应用型人才培养“十三五”规划教材 Python数据分析PDF|Epub|txt|kindle电子书版本网盘下载
- 周海燕责任编辑；（中国）吴道君，朱家荣 著
- 出版社： 北京：中国铁道出版社
- ISBN：9787113258719
- 出版时间：2019
- 标注页数：200页
- 文件大小：74MB
- 文件页数：209页
- 主题词：软件工具－程序设计－高等学校－教材
PDF下载
下载说明
普通高等院校应用型人才培养“十三五”规划教材 Python数据分析PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 Python数据分析概述1
1.1 数据分析的概念、流程和应用1
1.1.1 数据分析的概念1
1.1.2 数据分析的流程2
1.1.3 数据分析的应用2
1.2 数据分析工具3
1.2.1 常用工具4
1.2.2 Python数据分析4
1.3 Python数据分析环境5
小结9
习题9
实验10
第2章 NumPy数值计算15
2.1 NumPy多维数组15
2.1.1 数组创建15
2.1.2 数组对象属性22
2.1.3 数组数据类型23
2.2 数组操作24
2.2.1 修改数组形状24
2.2.2 翻转数组26
2.2.3 连接数组27
2.2.4 分割数组28
2.2.5 数组元素添加与删除30
2.3 数组索引与切片32
2.3.1 数组索引32
2.3.2 数组切片33
2.3.3 布尔型索引34
2.3.4 花式索引35
2.4 数组的运算35
2.4.1 数组和标量间的运算35
2.4.2 广播36
2.4.3 算术函数37
2.4.4 集合运算40
2.4.5 统计运算41
2.4.6 排序43
2.4.7 搜索44
2.5 线性代数45
2.5.1 数组相乘46
2.5.2 矩阵行列式46
2.5.3 逆矩阵46
2.5.4 线性方程组47
2.5.5 特征值和特征向量47
2.6 数组的存取48
小结48
习题48
实验51
第3章 Matplotlib数据可视化54
3.1 线形图54
3.1.1 绘制线形图54
3.1.2 颜色设置55
3.1.3 线型设置56
3.1.4 坐标点设置57
3.1.5 线宽设置59
3.2 其他图形59
3.2.1 散点图59
3.2.2 柱形图61
3.2.3 条形图63
3.2.4 饼图64
3.2.5 直方图65
3.2.6 箱线图67
3.3 自定义设置69
3.3.1 图例设置69
3.3.2 坐标网格设置70
3.3.3 坐标系设置71
3.3.4 样式设置与注解72
3.3.5 RC设置73
3.4 子图74
3.4.1 创建子图74
3.4.2 子图坐标系设置76
3.4.3 图形嵌套77
3.5 绘制三维图形78
小结81
习题82
实验82
第4章 Pandas数据分析89
4.1 Pandas数据结构89
4.2 DataFrame基本功能94
4.3 读取外部数据95
4.3.1 CSV文件96
4.3.2 Sqlite数据库98
4.4 数据帧的列操作和行操作99
4.4.1 列操作99
4.4.2 行操作101
4.5 高级索引103
4.5.1 重建索引103
4.5.2 更换索引106
4.5.3 层次化索引107
4.6 Pandas数据运算108
4.6.1 算术运算108
4.6.2 函数应用与映射运算109
4.6.3 排序111
4.6.4 迭代113
4.6.5 唯一值与值计数115
4.7 统计函数116
4.7.1 描述性统计116
4.7.2 变化率119
4.7.3 协方差120
4.7.4 相关性120
4.7.5 数据排名121
4.8 分组与聚合122
4.8.1 分组122
4.8.2 聚合124
4.9 透视表与交叉表127
4.9.1 透视表127
4.9.2 交叉表128
小结129
习题129
实验129
第5章 数据预处理134
5.1 数据清洗134
5.1.1 重复值134
5.1.2 缺失值135
5.1.3 异常值140
5.2 合并连接与重塑142
5.2.1 merge合并142
5.2.2 concat合并144
5.2.3 combine-first合并146
5.2.4 数据重塑147
5.3 数据变换149
5.3.1 虚拟变量149
5.3.2 函数变换150
5.3.3 连续属性离散化151
5.3.4 规范化152
5.3.5 随机采样154
小结156
习题156
实验156
第6章 Sklearn机器学习162
6.1 术语162
6.2 Sklearn164
6.2.1 Sklearn数据集165
6.2.2 Sklearn常用算法171
6.2.3 数据预处理175
6.2.4 数据集拆分177
6.2.5 模型评估177
6.2.6 Sklearn常用方法178
6.2.7 模型的保存和载入179
6.3 降维179
6.3.1 PCA（主成分分析）179
6.3.2 LDA（线性评价分析）181
6.4 回归182
6.4.1 线性回归183
6.4.2 逻辑回归184
6.4.3 回归决策树185
6.5 分类186
6.5.1 朴素贝叶斯187
6.5.2 分类决策树188
6.5.3 SVM（支持向量机）189
6.5.4 神经网络190
6.5.5 K-近邻算法191
6.6 聚类192
6.6.1 K-means算法193
6.2.2 DBSCAN194
小结195
习题195
实验196
参考文献200