-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

Python數據分析

( 簡體 字)
作者:[印尼] Ivan Idris 伊德里斯類別:1. -> 程式設計 -> Python
譯者:
出版社:人民郵電出版社Python數據分析 3dWoo書號: 43546
詢問書籍請說出此書號!

缺書
NT售價: 295

出版日:2/1/2016
頁數:308
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787115411228
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

內容簡介:

  作為一種高級程序設計語言,Python憑借其簡潔、易讀及可擴展性日漸成為程序設計領域備受推崇的語言。同時,Python語言的數據分析功能也逐漸為大眾所認可。
本書是一本介紹如何用Python進行數據分析的學習指南。全書共12章,從Python程序庫入門、NumPy數組、matplotlib和pandas開始,陸續介紹了數據加工、數據處理和數據可視化等內容。同時,本書還介紹了信號處理、數據庫、文本分析、機器學習、互操作性和性能優化等高級主題。在本書的結尾,還采用3個附錄的形式為讀者補充了一些重要概念、常用函數以及在線資源等重要內容。
本書示例豐富、簡單易懂,非常適合對Python語言感興趣或者想要使用Python語言進行數據分析的讀者參考閱讀。
目錄:




目錄


第1章 Python程序庫入門 1
1.1 本書用到的軟件 2
1.1.1 軟件的安裝和設置 2
1.1.2 Windows平臺 2
1.1.3 Linux平臺 3
1.1.4 Mac OS X平臺 4
1.2 從源代碼安裝NumPy、SciPy、matplotlib和IPython 6
1.3 用setuptools安裝 7
1.4 NumPy數組 7
1.5 一個簡單的應用 8
1.6 將IPython用作shell 11
1.7 學習手冊頁 13
1.8 IPython notebook 14
1.9 從何處尋求幫助和參考資料 14
1.10 小結 15
第2章 NumPy數組 16
2.1 NumPy數組對象 16
2.2 創建多維數組 18
2.3 選擇NumPy數組元素 18
2.4 NumPy的數值類型 19
2.4.1 數據類型對象 21
2.4.2 字符碼 21
2.4.3 Dtype構造函數 22
2.4.4 dtype屬性 23
2.5 一維數組的切片與索引 23
2.6 處理數組形狀 24
2.6.1 堆疊數組 27
2.6.2 拆分NumPy數組 30
2.6.3 NumPy數組的屬性 33
2.6.4 數組的轉換 39
2.7 創建數組的視圖和拷貝 40
2.8 花式索引 41
2.9 基于位置列表的索引方法 43
2.10 用布爾型變量索引NumPy數組 44
2.11 NumPy數組的廣播 46
2.12 小結 49
第3章 統計學與線性代數 50
3.1 Numpy和Scipy模塊 50
3.2 用NumPy進行簡單的描述性統計計算 55
3.3 用NumPy進行線性代數運算 57
3.3.1 用NumPy求矩陣的逆 57
3.3.2 用NumPy解線性方程組 59
3.4 用NumPy計算特征值和特征向量 61
3.5 NumPy隨機數 63
3.5.1 用二項式分布進行博弈 63
3.5.2 正態分布采樣 66
3.5.3 用SciPy進行正態檢驗 67
3.6 創建掩碼式NumPy數組 70
3.7 小結 75
第4章 pandas入門 76
4.1 pandas的安裝與概覽 77
4.2 pandas數據結構之DataFrame 78
4.3 pandas數據結構之Series 81
4.4 利用pandas查詢數據 85
4.5 利用pandas的DataFrame進行統計計算 89
4.6 利用pandas的DataFrame實現數據聚合 91
4.7 DataFrame的串聯與附加操作 95
4.8 連接DataFrames 96
4.9 處理缺失數據問題 99
4.10 處理日期數據 102
4.11 數據透視表 106
4.12 訪問遠程數據 107
4.13 小結 109
第5章 數據的檢索、加工與存儲 110
5.1 利用NumPy和pandas對CSV文件進行寫操作 110
5.2 NumPy.npy與pandas DataFrame 112
5.3 使用PyTables存儲數據 115
5.4 Pandas DataFrame與HDF5倉庫之間的讀寫操作 118
5.5 使用pandas讀寫Excel文件 120
5.6 使用REST Web服務和JSON 123
5.7 使用pandas讀寫JSON 124
5.8 解析RSS和Atom訂閱 126
5.9 使用Beautiful Soup解析HTML 127
5.10 小結 134
第6章 數據可視化 136
6.1 matplotlib的子庫 137
6.2 matplotlib繪圖入門 137
6.3 對數圖 139
6.4 散點圖 141
6.5 圖例和注解 143
6.6 三維圖 145
6.7 pandas繪圖 148
6.8 時滯圖 150
6.9 自相關圖 151
6.10 Plot.ly 153
6.11 小結 155
第7章 信號處理與時間序列 156
7.1 statsmodels子庫 157
7.2 移動平均值 157
7.3 窗口函數 159
7.4 協整的定義 161
7.5 自相關 164
7.6 自回歸模型 166
7.7 ARMA模型 170
7.8 生成周期信號 172
7.9 傅里葉分析 174
7.10 譜分析 177
7.11 濾波 177
7.12 小結 179
第8章 應用數據庫 180
8.1 基于sqlite3的輕量級訪問 181
8.2 通過pandas訪問數據庫 183
8.3 SQLAlchemy 185
8.3.1 SQLAlchemy的安裝和配置 186
8.3.2 通過SQLAlchemy填充數據庫 188
8.3.3 通過SQLAlchemy查詢數據庫 189
8.4 Pony ORM 191
8.5 Dataset:懶人數據庫 192
8.6 PyMongo與MongoDB 195
8.7 利用Redis存儲數據 196
8.8 Apache Cassandra 197
8.9 小結 201
第9章 分析文本數據和社交媒體 203
9.1 安裝NLTK 203
9.2 濾除停用字、姓名和數字 206
9.3 詞袋模型 208
9.4 詞頻分析 209
9.5 樸素貝葉斯分類 211
9.6 情感分析 214
9.7 創建詞云 217
9.8 社交網絡分析 222
9.9 小結 224
第10章 預測性分析與機器學習 225
10.1 scikit-learn概貌 226
10.2 預處理 228
10.3 基于邏輯回歸的分類 230
10.4 基于支持向量機的分類 232
10.5 基于ElasticNetCV的回歸分析 235
10.6 支持向量回歸 237
10.7 基于相似性傳播算法的聚類分析 240
10.8 均值漂移算法 242
10.9 遺傳算法 244
10.10 神經網絡 249
10.11 決策樹 251
10.12 小結 253
第11章 Python生態系統的外部環境和云計算 255
11.1 與MATLAB/Octave交換信息 256
11.2 Installing rpy2安裝rpy2 257
11.3 連接R 257
11.4 為Java傳遞NumPy數組 260
11.5 集成SWIG和NumPy 261
11.6 集成Boost和Python 264
11.7 通過f2py使用Fortran代碼 266
11.8 配置谷歌應用引擎 267
11.9 在PythonAnywhere上運行程序 269
11.10 使用Wakari 270
11.11 小結 271
第12章 性能優化、性能分析與并發性 272
12.1 代碼的性能分析 272
12.2 安裝Cython 277
12.3 調用C代碼 281
12.4 利用multiprocessing創建進程池 283
12.5 通過Joblib提高for循環的并發性 286
12.6 比較Bottleneck函數與NumPy函數 287
12.7 通過Jug實現MapReduce 289
12.8 安裝MPI for Python 292
12.9 IPython Parallel 292
12.10 小結 296
附錄A 重要概念 298
附錄B 常用函數 303
附錄C 在線資源 309

序: