下载 >  开发技术 >  Python > Python数据分析实战,内利著,杜春晓译,P290,2016.08

Python数据分析实战,内利著,杜春晓译,P290,2016.08

2017-11-20 上传大小:52.7MB
分享
第1章 数据分析简介   
 1.1 数据分析  
 1.2 数据分析师的知识范畴  
  1.2.1 计算机科学 
  1.2.2 数学和统计学 
  1.2.3 机器学习和人工智能 
  1.2.4 数据来源领域 
 1.3 理解数据的性质  
  1.3.1 数据到信息的转变 
  1.3.2 信息到知识的转变 
  1.3.3 数据的类型 
 1.4 数据分析过程  
  1.4.1 问题定义 
  1.4.2 数据抽取 
  1.4.3 数据准备 
  1.4.4 数据探索和可视化 
  1.4.5 预测模型 
  1.4.6 模型评估 
  1.4.7 部署 
 1.5 定量和定性数据分析  
 1.6 开放数据  
 1.7 Python 和数据分析  
 1.8 结论  
第2章 Python 世界简介   
 2.1 Python——编程语言  
 2.2 Python——解释器  
  2.2.1 Cython 
  2.2.2 Jython 
  2.2.3 PyPy 
 2.3 Python 2 和Python 3  
 2.4 安装Python  
 2.5 Python 发行版  
  2.5.1 Anaconda 
  2
                            .5.2 Enthought Canopy 
  2.5.3 Python(x,y) 
 2.6 使用Python  
  2.6.1 Python shell 
  2.6.2 运行完整的Python 程序 
  2.6.3 使用IDE 编写代码 
  2.6.4 跟Python 交互 
 2.7 编写Python 代码  
  2.7.1 数学运算 
  2.7.2 导入新的库和函数 
  2.7.3 函数式编程 
  2.7.4 缩进 
 2.8 IPython  
  2.8.1 IPython shell 
  2.8.2 IPython Qt-Console 
 2.9 PyPI 仓库——Python 包索引  
 2.10 多种Python IDE  
  2.10.1 IDLE 
  2.10.2 Spyder 
  2.10.3 Eclipse(pyDev) 
  2.10.4 Sublime 
  2.10.5 Liclipse 
  2.10.6 NinjaIDE 
  2.10.7 Komodo IDE 
 2.11 SciPy  
  2.11.1 NumPy 
  2.11.2 pandas 
  2.11.3 matplotlib 
 2.12 小结  
第3章 NumPy 库   
 3.1 NumPy 简史  
 3.2 NumPy 安装  
 3.3 ndarray:NumPy 库的心脏  
  3.3.1 创建数组 
  3.3.2 数据类型 
  3.3.3 dtype 选项 
  3.3.4 自带的数组创建方法 
 3.4 基本操作  
  3.4.1 算术运算符 
  3.4.2 矩阵积 
  3.4.3 自增和自减运算符 
  3.4.4 通用函数 
  3.4.5 聚合函数 
 3.5 索引机制、切片和迭代方法  
  3.5.1 索引机制 
  3.5.2 切片操作 
  3.5.3 数组迭代 
 3.6 条件和布尔数组  
 3.7 形状变换  
 3.8 数组操作  
  3.8.1 连接数组 
  3.8.2 数组切分 
 3.9 常用概念  
  3.9.1 对象的副本或视图 
  3.9.2 向量化 
  3.9.3 广播机制 
 3.10 结构化数组  
 3.11 数组数据文件的读写  
  3.11.1 二进制文件的读写 
  3.11.2 读取文件中的列表形式数据 
 3.12 小结  
第4章 pandas 库简介   
 4.1 pandas:Python 数据分析库  
 4.2 安装  
  4.2.1 用Anaconda 安装 
  4.2.2 用PyPI 安装 
  4.2.3 在Linux 系统的安装方法 
  4.2.4 用源代码安装 
  4.2.5 Windows 模块仓库 
 4.3 测试pandas 是否安装成功  
 4.4 开始pandas 之旅  
 4.5 pandas 数据结构简介  
  4.5.1 Series 对象 
  4.5.2 DataFrame 对象 
  4.5.3 Index 对象 
 4.6 索引对象的其他功能  
  4.6.1 更换索引 
  4.6.2 删除 
  4.6.3 算术和数据对齐 
 4.7 数据结构之间的运算  
  4.7.1 灵活的算术运算方法 
  4.7.2 DataFrame 和Series 对象之间的运算 
 4.8 函数应用和映射  
  4.8.1 操作元素的函数 
  4.8.2 按行或列执行操作的函数 
  4.8.3 统计函数 
 4.9 排序和排位次  
 4.10 相关性和协方差  
 4.11 NaN 数据  
  4.11.1 为元素赋NaN 值 
  4.11.2 过滤NaN 
  4.11.3 为NaN 元素填充其他值 
 4.12 等级索引和分级  
  4.12.1 重新调整顺序和为层级排序 
  4.12.2 按层级统计数据 
 4.13 小结  
第5章 pandas:数据读写   
 5.1 I/O API 工具  
 5.2 CSV 和文本文件  
 5.3 读取CSV 或文本文件中的数据  
  5.3.1 用RegExp 解析TXT 文件 
  5.3.2 从TXT 文件读取部分数据 
  5.3.3 往CSV 文件写入数据 
 5.4 读写HTML 文件  
  5.4.1 写入数据到HTML 文件 
  5.4.2 从HTML 文件读取数据 
 5.5 从XML 读取数据  
 5.6 读写Microsoft Excel 文件  
 5.7 JSON 数据  
 5.8 HDF5 格式  
 5.9 pickle——Python 对象序列化  
  5.9.1 用cPickle 实现Python 对象序列化 
  5.9.2 用pandas 实现对象序列化 
 5.10 对接数据库  
  5.10.1 SQLite3 数据读写 
  5.10.2 PostgreSQL 数据读写 
 5.11 NoSQL 数据库MongoDB 数据读写  
 5.12 小结  
第6章 深入pandas:数据处理   
 6.1 数据准备  
 6.2 拼接  
  6.2.1 组合 
  6.2.2 轴向旋转 
  6.2.3 删除 
 6.3 数据转换  
  6.3.1 删除重复元素 
  6.3.2 映射 
 6.4 离散化和面元划分  
 6.5 排序  
 6.6 字符串处理  
  6.6.1 内置的字符串处理方法 
  6.6.2 正则表达式 
 6.7 数据聚合  
  6.7.1 GroupBy 
  6.7.2 实例 
  6.7.3 等级分组 
 6.8 组迭代  
  6.8.1 链式转换 
  6.8.2 分组函数 
 6.9 高级数据聚合  
 6.10 小结  
第7章 用matplotlib 实现数据可视化   
 7.1 matplotlib 库  
 7.2 安装  
 7.3 IPython 和IPython QtConsole  
 7.4 matplotlib 架构  
  7.4.1 Backend 层 
  7.4.2 Artist 层 
  7.4.3 Scripting 层(pyplot) 
  7.4.4 pylab 和pyplot 
 7.5 pyplot  
  7.5.1 生成一幅简单的交互式图表 
  7.5.2 设置图形的属性 
  7.5.3 matplotlib 和NumPy 
 7.6 使用kwargs  
 7.7 为图表添加更多元素  
  7.7.1 添加文本 
  7.7.2 添加网格 
  7.7.3 添加图例 
 7.8 保存图表  
  7.8.1 保存代码 
  7.8.2 将会话转换为HTML 文件 
  7.8.3 将图表直接保存为图片 
 7.9 处理日期值  
 7.10 图表类型  
 7.11 线性图  
 7.12 直方图  
 7.13 条状图  
  7.13.1 水平条状图 
  7.13.2 多序列条状图 
  7.13.3 为pandas DataFrame 生成多序列条状图 
  7.13.4 多序列堆积条状图 
  7.13.5 为pandas DataFrame 绘制堆积条状图 
  7.13.6 其他条状图 
 7.14 饼图  
 7.15 高级图表  
  7.15.1 等值线图 
  7.15.2 极区图 
 7.16 mplot3d  
  7.16.13 D 曲面 
  7.16.23 D 散点图 
  7.16.33 D 条状图 
 7.17 多面板图形  
  7.17.1 在其他子图中显示子图 
  7.17.2 子图网格 
 7.18 小结  
第8章 用scikit-learn 库实现机器学习   
 8.1 scikit-learn 库  
 8.2 机器学习  
  8.2.1 有监督和无监督学习 
  8.2.2 训练集和测试集 
 8.3 用scikit-learn 实现有监督学习  
 8.4 Iris 数据集  
 8.5 K-近邻分类器  
 8.6 Diabetes 数据集  
 8.7 线性回归:最小平方回归  
 8.8 支持向量机  
  8.8.1 支持向量分类 
  8.8.2 非线性SVC 
  8.8.3 绘制SVM 分类器对Iris 数据集的分类效果图 
  8.8.4 支持向量回归 
 8.9 小结  
第9章 数据分析实例——气象数据   
 9.1 待检验的假设:靠海对气候的影响  
 9.2 数据源  
 9.3 用IPython Notebook 做数据分析  
 9.4 风向频率玫瑰图  
 9.5 小结  
第10章 IPython Notebook 内嵌JavaScript 库D3   
 10.1 开放的人口数据源  
 10.2 JavaScript 库D3  
 10.3 绘制簇状条状图  
 10.4 地区分布图  
 10.52014 年美国人口地区分布图  
 10.6 小结  
第11章 识别手写体数字   
 11.1 手写体识别  
 11.2 用scikit-learn 识别手写体数字  
 11.3 Digits 数据集  
 11.4 学习和预测  
 11.5 小结  
附录A 用LaTeX 编写数学表达式   
附录B 开放数据源                        
...展开收缩
综合评分:5
开通VIP 立即下载

评论共有11条

JS_Young 2018-08-06 12:24:54
特别好,有目录,比较清楚
j_yujiang 2018-07-26 13:18:50
确实不错,还有目录
radar919 2018-06-04 08:52:26
终于找到完整版的了,很喜欢
 
Python数据分析实战 内利著 立即下载
积分/C币:2
Python数据分析实战 立即下载
积分/C币:12
Python数据挖掘入门与实践(高清中文完整版) 立即下载
积分/C币:1
Python数据分析实战(中英文都有)—内利著 立即下载
积分/C币:15
Bootstrap实战(David Cochran著,李松峰译 文字版)+源码 立即下载
积分/C币:5
Shell从入门到精通[程序源码][光盘源码][张春晓 等编著][清华大学出版社] 立即下载
积分/C币:3
《Python数据挖掘入门与实践(运行代码)》 立即下载
积分/C币:5
Shell从入门到精通 [张春晓编著] 立即下载
积分/C币:2
统计学 David Freedman 魏宗舒 施锡铨 立即下载
积分/C币:5
《数字图像处理》K.R.Castleman著 朱志刚等译 pdf版 电子书 立即下载
积分/C币:3

热点文章

VIP会员动态

推荐下载

python数据分析实战内利
15C币 25下载
杜春晓python
5C币 289下载
《python数据分析实战》
3C币 31下载
关闭
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

Python数据分析实战,内利著,杜春晓译,P290,2016.08

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
开通VIP
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

若举报审核通过,可返还被扣除的积分

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: