全部商品 >> >> >> 图书详情

Python数据分析 挖掘与可视化慕课版 董付国 9787115523617 人民邮电出版社

ISBN：9787115523617
出版社：出版社
定　价：￥39.90
新旧程度：二手旧书
销售价格：￥5.00

团购批发价：￥5.00

（购旧书超29元使用，可混批）

我要买：-+ 本 （实际库存 2 本，确保24小时内发货）

旺旺咨询： 二手教材网 QQ咨询： 2980899470

购满39元免运费，部分学校已免邮！ 查看详情

• 作　　者：编写组
• 出 版 社：出版社
• 出版时间：
• 页　　数：0
• 字　　数：0
• 版　　次：1

• 图书详情

• 基本信息

  书名:Python数据分析、挖掘与可视化慕课版

  定价:49.8元

  作者:董付国

  出版社:人民邮电出版社

  出版日期:2020-1-1

  ISBN:9787115523617

  页码:264

  商品重量:暂无页数信息

  编辑推荐

  ---

  暂无信息

   

  内容提要

  ---

   

  1.Python零基础，轻松学会数据分析与挖掘
  2.编码、分析、挖掘，数据分析全流程一次搞定
  3.微课视频，扫码即可观看，重点难点逐个击破
  本书适于统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生使用，也能够提高从事数据咨询、研究或分析等人士的专业水平和技能。

   

  目录

  ---

  第1章
  Python开发环境的搭建与编码规范
  1
  1．1
  Python开发环境的搭建与使用
  1
  1．1．1
  IDLE
  2
  1．1．2
  Anaconda3
  3
  1．1．3
  安装扩展库
  4
  1．2
  Python编码规范
  5
  1．3
  标准库、扩展库对象的
  导入与使用
  7
  1．3．1
  import模块名[
  as
  别名]
  7
  1．3．2
  from模块名import
  对象名[
  as
  别名]
  7
  1．3．3
  from模块名import
  *
  8
  本章知识要点
  8
  本章习题
  9
  第2章
  数据类型、运算符与内置函数
  10
  2．1
  常用内置数据类型
  10
  2．1．1
  整数、浮点数、复数
  11
  2．1．2
  列表、元组、字典、集合
  12
  2．1．3
  字符串
  13
  2．2
  运算符与表达式
  14
  2．2．1
  算术运算符
  15
  2．2．2
  关系运算符
  17
  2．2．3
  成员测试运算符
  18
  2．2．4
  集合运算符
  18
  2．2．5
  逻辑运算符
  18
  2．3
  常用内置函数
  19
  2．3．1
  类型转换
  21
  2．3．2
  最大值、最小值
  22
  2．3．3
  元素数量、求和
  23
  2．3．4
  排序、逆序
  24
  2．3．5
  基本输入/输出
  25
  2．3．6
  range()
  26
  2．3．7
  zip()
  26
  2．3．8
  map()、reduce()、filter()
  27
  2．4
  综合应用与例题解析
  28
  本章知识要点
  29
  本章习题
  30
  第3章
  列表、元组、字典、集合与
  字符串
  31
  3．1
  列表与列表推导式
  31
  3．1．1
  创建列表
  31
  3．1．2
  使用下标访问列表中的
  元素
  32
  3．1．3
  列表常用方法
  33
  3．1．4
  列表推导式
  34
  3．1．5
  切片操作
  35
  3．2
  元组与生成器表达式
  36
  3．2．1
  元组与列表的区别
  36
  3．2．2
  生成器表达式
  36
  3．2．3
  序列解包
  37
  3．3
  字典
  37
  3．3．1
  字典元素的访问
  38
  3．3．2
  字典元素的修改、
  添加与删除
  39
  3．4
  集合
  39
  3．4．1
  集合概述
  39
  3．4．2
  集合常用方法
  40
  3．5
  字符串常用方法
  40
  3．5．1
  encode()
  41
  3．5．2
  format()
  41
  3．5．3
  index()、rindex()、count()
  42
  3．5．4
  replace()、maketrans()、
  translate()
  42
  3．5．5
  ljust()、rjust()、center()
  43
  3．5．6
  split()、rsplit()、join()
  43
  3．5．7
  lower()、upper()、capitalize()、
  title()、swapcase()
  44
  3．5．8
  startswith()、endswith()
  44
  3．5．9
  strip()、rstrip()、lstrip()
  44
  3．6
  综合应用与例题解析
  45
  本章知识要点
  47
  本章习题
  47
  第4章
  选择结构、循环结构、
  函数定义与使用
  49
  4．1
  选择结构
  49
  4．1．1
  条件表达式
  49
  4．1．2
  单分支选择结构
  50
  4．1．3
  双分支选择结构
  50
  4．1．4
  嵌套的分支结构
  50
  4．2
  循环结构
  51
  4．2．1
  for循环
  51
  4．2．2
  while循环
  51
  4．2．3
  break与continue语句
  52
  4．3
  函数定义与使用
  52
  4．3．1
  函数定义基本语法
  52
  4．3．2
  lambda表达式
  52
  4．3．3
  递归函数
  53
  4．3．4
  生成器函数
  53
  4．3．5
  位置参数、默认值参数、关键
  参数、可变长度参数
  54
  4．3．6
  变量作用域
  55
  4．4
  综合应用与例题解析
  56
  本章知识要点
  57
  本章习题
  58
  第5章
  文件操作
  59
  5．1
  文件操作基础
  59
  5．1．1
  内置函数open()
  59
  5．1．2
  文件对象常用方法
  60
  5．1．3
  上下文管理语句with
  61
  5．2
  JSON文件操作
  61
  5．3
  CSV文件操作
  62
  5．4
  Word、Excel、PowerPoint
  文件操作实战
  63
  本章知识要点
  65
  本章习题
  65
  第6章
  numpy数组与矩阵运算
  67
  6．1
  numpy数组及其运算
  67
  6．1．1
  创建数组
  67
  6．1．2
  测试两个数组的对应元素
  是否足够接近
  69
  6．1．3
  修改数组中的元素值
  70
  6．1．4
  数组与标量的运算
  71
  6．1．5
  数组与数组的运算
  71
  6．1．6
  数组排序
  72
  6．1．7
  数组的内积运算
  73
  6．1．8
  访问数组中的元素
  73
  6．1．9
  数组对函数运算的支持
  74
  6．1．10
  改变数组形状
  75
  6．1．11
  数组布尔运算
  76
  6．1．12
  分段函数
  77
  6．1．13
  数组堆叠与合并
  78
  6．2
  矩阵生成与常用操作
  79
  6．2．1
  矩阵生成
  79
  6．2．2
  矩阵转置
  79
  6．2．3
  查看矩阵特征
  80
  6．2．4
  矩阵乘法
  81
  6．2．5
  计算相关系数矩阵
  81
  6．2．6
  计算方差、协方差、标准差
  82
  6．3
  计算特征值与特征向量
  82
  6．4
  计算逆矩阵
  83
  6．5
  求解线性方程组
  84
  6．6
  计算向量和矩阵的范数
  85
  6．7
  奇异值分解
  86
  6．8
  函数向量化
  87
  本章知识要点
  88
  本章习题
  88
  第7章
  pandas数据分析实战
  91
  7．1
  pandas常用数据类型
  91
  7．1．1
  一维数组与常用操作
  92
  7．1．2
  时间序列与常用操作
  96
  7．1．3
  二维数组DataFrame
  99
  7．2
  DataFrame数据处理与分析实战
  101
  7．2．1
  读取Excel文件中的数据
  101
  7．2．2
  筛选符合特定条件的数据
  103
  7．2．3
  查看数据特征和统计信息
  106
  7．2．4
  按不同标准对数据排序
  108
  7．2．5
  使用分组与聚合对员工
  业绩进行汇总
  110
  7．2．6
  处理超市交易数据中的
  异常值
  114
  7．2．7
  处理超市交易数据中的
  缺失值
  115
  7．2．8
  处理超市交易数据中的
  重复值
  117
  7．2．9
  使用数据差分查看员工
  业绩波动情况
  118
  7．2．10
  使用透视表与交叉表查看
  业绩汇总数据
  119
  7．2．11
  使用重采样技术按时间段
  查看员工业绩
  123
  7．2．12
  多索引相关技术与操作
  125
  7．2．13
  使用标准差与协方差分析
  员工业绩
  127
  7．2．14
  使用pandas的属性接口实现
  高级功能
  130
  7．2．15
  绘制各员工在不同柜台
  业绩平均值的柱状图
  132
  7．2．16
  查看DataFrame的内存
  占用情况
  134
  7．2．17
  数据拆分与合并
  135
  本章知识要点
  139
  本章习题
  140
  第8章
  sklearn机器学习实战
  141
  8．1
  机器学习基本概念
  141
  8．2
  机器学习库sklearn简介
  147
  8．2．1
  扩展库sklearn常用
  模块与对象
  147
  8．2．2
  选择合适的模型和算法
  149
  8．3
  线性回归算法的原理与应用
  149
  8．3．1
  线性回归模型的原理
  149
  8．3．2
  sklearn中线性回归模型的
  简单应用
  150
  8．3．3
  岭回归的基本原理与
  sklearn实现
  151
  8．3．4
  套索回归Lasso的基本
  原理与sklearn实现
  152
  8．3．5
  弹性网络ElasticNet的基本
  原理与sklearn实现
  153
  8．3．6
  使用线性回归模型预测
  儿童身高
  153
  8．4
  逻辑回归算法的原理与应用
  155
  8．4．1
  逻辑回归算法的原理与
  sklearn实现
  155
  8．4．2
  使用逻辑回归算法预测
  考试能否及格
  157
  8．5
  朴素贝叶斯算法的原理与应用
  158
  8．5．1
  基本概念
  158
  8．5．2
  朴素贝叶斯算法分类的原理与
  sklearn实现
  160
  8．5．3
  使用朴素贝叶斯算法对中文
  邮件进行分类
  161
  8．6
  决策树与随机森林算法的应用
  163
  8．6．1
  基本概念
  163
  8．6．2
  决策树算法原理与
  sklearn实现
  163
  8．6．3
  随机森林算法原理与
  sklearn实现
  166
  8．6．4
  使用决策树算法判断学员的
  Python水平
  168
  8．7
  支持向量机算法原理与应用
  170
  8．7．1
  支持向量机算法基本原理与
  sklearn实现
  170
  8．7．2
  使用支持向量机对手写数字
  图像进行分类
  172
  8．8
  KNN算法原理与应用
  175
  8．8．1
  KNN算法的基本原理与
  sklearn实现
  175
  8．8．2
  使用KNN算法判断交通
  工具类型
  177
  8．9
  KMeans聚类算法原理与应用
  178
  8．9．1
  KMeans聚类算法的基本原理
  与sklearn实现
  178
  8．9．2
  使用KMeans算法压缩
  图像颜色
  181
  8．10
  分层聚类算法原理与应用
  182
  8．11
  DBSCAN算法原理与应用
  184
  8．12
  使用协同过滤算法进行
  电影推荐
  187
  8．13
  关联规则分析原理与应用
  189
  8．13．1
  关联规则分析原理与
  基本概念
  189
  8．13．2
  使用关联规则分析
  演员关系
  190
  8．14
  数据降维
  192
  8．15
  交叉验证与网格搜索
  195
  8．15．1
  使用交叉验证评估模型
  泛化能力
  195
  8．15．2
  使用网格搜索确定模型
  最佳参数
  197
  本章知识要点
  199
  本章习题
  200
  第9章
  matplotlib数据可视化实战
  201
  9．1
  数据可视化库matplotlib基础
  201
  9．2
  绘制折线图实战
  202
  9．3
  绘制散点图实战
  205
  9．4
  绘制柱状图实战
  208
  9．5
  绘制饼状图实战
  212
  9．6
  绘制雷达图实战
  215
  9．7
  绘制三维图形实战
  218
  9．8
  绘图区域切分实战
  224
  9．9
  设置图例样式实战
  225
  9．10
  事件响应与处理实战
  229
  9．11
  填充图形
  244
  9．12
  bao存绘图结果
  246
  本章知识要点
  247
  本章习题
  247
  部分习题问题解析
  248
  第1章
  Python开发环境搭建与
  编码规范
  248
  第2章
  数据类型、运算符与
  内置函数
  248
  第3章
  列表、元组、字典、集合与
  字符串
  249
  第4章
  选择结构、循环结构、函数
  定义与使用
  251
  第5章
  文件操作
  253
  第6章
  numpy数组与矩阵运算
  254
  第7章
  pandas数据分析实战
  255
  附录A
  运算符、内置函数对常用内置
  对象的支持情况表
  257
  附录B
  Python关键字清单
  258
  附录C
  常用标准库对象速查表
  260
  附录D
  常用Python扩展库清单
  263
  参考文献
  264

  作者介绍

  ---

  本书适于统计学、数学、经济学、金融学、管理学以及相关理工科专业的本科生、研究生使用，也能够提高从事数据咨询、研究或分析等人士的专业水平和技能。
• 暂无评论。
  　【登录】后可以提交评论。。。