Python数据分析基础:包含数据挖掘和机器学习 pdf epub mobi txt 电子书 下载

图书介绍


Python数据分析基础:包含数据挖掘和机器学习


著者
出版者 出版社:五南 订阅出版社新书快讯 新功能介绍
翻译者
出版日期 出版日期:2019/07/25
语言 语言:繁体中文

    

发表于2020-04-10

类似图书 点击查看全场最低价

图书描述

从统计学出发,最实用的Python工具书。
  ◆全书基于Python3.6.4编写,兼容性高,为业界普遍使用之版本。
  ◆以简明文字阐述替代复杂公式推导,力求降低学习门槛。
  ◆简单易懂,理论完整,案例详尽。
  ◆包含AI领域热门的深度学习、神经网路及统计思维的数据分析,洞察市场先机。

  Python,是当今大数据时代下最为流行的编程工具之一;资料分析,则是在科学研究中日益重视的环节。当开源语言的便利性,遇上统计思维的重要性,本书便应运而生。

  本书从基础统计学出发,是初学者的Python实用书籍。从统计学的视角和需求来写Python的应用,有很多运用Stats Model和SciPy来进行统计分析的案例,对于具统计背景的人学习Python很有帮助!

  针对当前人工智慧领域较为热门的「深度学习」亦有所涉猎。介绍神经网路与深度学习的基本思想、架构及步骤,并利用TensorFlow架构工具解决实际案例。是一本适合对Python和统计学有兴趣的读者、相关研究者以及企业决策者的工具书。
 

著者信息

作者简介

阮敬


  阮敬(1979.10),博士,教授,博士生导师。现任首都经济贸易大学研究生院副院长,北京市丰台区政协委员。兼任中国消费者协会专家委员会委员、中国青年统计学家协会创始秘书长、中国现场统计研究会副秘书长兼经济与金融统计分会副理事长、中国统计教育学会常务理事兼高等教育分会秘书长、中国商业统计学会常务理事兼数据科学与商业智慧分会学术委员会副主任、全国工业统计学教学研究会常务理事、北京大数据协会副秘书长等职。

  近年来主持国家社科基金、教育部人文社科基金、北京市自然科学基金、北京市社科基金、留学人员择优资助基金等科研项目和世界500强企业及大型国企、国家部委及北京市政府部门等横向课题共50余项。

  在国内外公开发表论文50余篇,出版专着、译着和教材12部,先后14次荣获国务院学位委员会全国应用统计专业学位研究生教育指导委员会优秀教育教学成果奖、全国统计科学研究优秀成果奖、北京市哲学社会科学优秀成果奖、北京市统计科学研究优秀成果奖、北京市优秀调查研究成果奖等科研和教学奖励。本书曾入选「十三五全国统计规划教材」。
 
Python数据分析基础:包含数据挖掘和机器学习 pdf epub mobi txt 电子书 下载

图书目录

第1 版前言
第2 版前言

Chapter01 Python 程式设计基础
1.1 Python 系统组态
1.2 Python 基础知识
1.2.1 帮助
1.2.2 识别字
1.2.3 行与缩进
1.2.4 变数与物件
1.2.5 数字与运算式
1.2.6 运算子
1.2.7 字串
1.2.8 日期和时间
1.3 资料结构与序列
1.3.1 列表
1.3.2 元组
1.3.3 字典
1.3.4 集合
1.3.5 推导式
1.4 语句与控制流
1.4.1 条件陈述式
1.4.2 回圈语句
1.5 函数
1.5.1 函数的参数
1.5.2 全域变数与区域变数
1.5.3 匿名函数
1.5.4 递回和闭包
1.5.5 柯里化与反柯里化
1.5.6 常用的内建高阶函数
1.6 反覆运算器、生成器和装饰器
1.6.1 反覆运算器
1.6.2 生成器
1.6.3 装饰器

Chapter02 Python 程式设计进阶
2.1 类
2.1.1 声明类
2.1.2 方法
2.1.3 属性
2.1.4 继承
2.1.5 特性
2.2 异常捕获与容错处理
2.2.1 错误和异常
2.2.2 异常处理
2.3 模组
2.4 软体套件
2.4.1 软体套件的组成与使用
2.4.2 常用资料分析工具库
2.5 文件I/O
2.6 多核心平行计算
2.6.1 多进程
2.6.2 并行

Chapter03 数据预处理
3.1 numpy 基础
3.1.1 向量
3.1.2 阵列

3.1.4 文件读写
3.2 pandas 基础
3.2.1 pandas 的资料结构
3.2.2 pandas 的资料操作

Chapter04 资料描述
4.1 统计量
4.1.1 集中趋势
4.1.2 离散程度
4.1.3 分布形状
4.2 统计表
4.2.1 统计表的基本要素
4.2.2 统计表的编制

Chapter05 统计图形与视觉化
5.1 matplotlib 基本绘图
5.1.1 函数绘图
5.1.2 图形基本设置
5.1.3 物件导向绘图
5.1.4 绘图样式
5.2 pandas 基本绘图
5.3 基本统计图形
5.3.1 折线图
5.3.2 面积图
5.3.3 长条图
5.3.4 横条图
5.3.5 龙卷风图
5.3.6 圆形图
5.3.7 阶梯图
5.3.8 箱形图
5.3.9 小提琴图
5.3.10 散点图
5.3.11 气泡图
5.3.12 六边形箱形图
5.3.13 雷达座标图
5.3.14 轮廓图
5.3.15 调和曲线图
5.3.16 等高线图
5.3.17 极座标图
5.3.18 文字云
5.3.19 资料地图
5.4 其他绘图工具

Chapter06 简单统计推断
6.1 简单统计推断的基本原理
6.1.1 资料分布
6.1.2 参数估计
6.1.3 假设检验
6.2 单总体参数的估计及假设检验
6.2.1 单总体的参数估计
6.2.2 单总体参数的假设检验
6.3 两总体参数的假设检验
6.3.1 独立样本的假设检验
6.3.2 成对样本的假设检验

Chapter07 方差分析
7.1 方差分析的基本原理
7.2 一元方差分析
7.2.1 一元单因素方差分析
7.2.2 一元多因素方差分析
7.3 协方差分析

Chapter08 非参数检验
8.1 非参数检验的基本问题
8.2 单样本非参数检验
8.2.1 中位数(平均值)的检验
8.2.2 分布的检验
8.2.3 连串检定
8.3 两个样本的非参数检验
8.3.1 独立样本中位数比较的Wilcoxon 秩和检验
8.3.2 独立样本的分布检验
8.3.3 成对(匹配)样本中位数的检验
8.3.4 两样本的连串检定
8.4 多个样本的非参数检验
8.4.1 多个样本的分布检验
8.4.2 独立样本位置的检验

Chapter09 相关分析与关联分析
9.1 相关分析
9.1.1 函数关系与相关关系
9.1.2 简单相关分析
9.1.3 偏相关分析
9.1.4 点二列相关分析
9.1.5 非参数相关分析
9.2 关联分析
9.2.1 基本概念与资料预处理
9.2.2 Apriori 演算法
9.2.3 FP-growth 演算法

Chapter10 回归分析
10.1 线性回归
10.1.1 回归分析的基本原理
10.1.2 一元线性回归
10.1.3 多元线性回归
10.1.4 含有定性引数的线性回归
10.2 非线性回归
10.2.1 可线性化的非线性分析
10.2.2 非线性回归模型
10.3 多项式回归
10.4 分位数回归

Chapter11 离散因变数模型
11.1 线性机率模型
11.2 二元选择模型
11.2.1 线性机率模型的缺陷与改进
11.2.2 二元选择模型的基本原理
11.2.3 BINARY PROBIT 模型
11.2.4 BINARY LOGIT 模型
11.3 多重选择模型
11.4 计数模型

Chapter12 主成分与因素分析

图书序言



第一版前言


  资料分析是科学研究中的重要环节,随着大数据时代的迅勐发展,其愈来愈受社会和市场的重视,是科学研究、经营管理、预测与决策等过程中必不可少的基础工作。Python 是当今大数据时代下最为流行的程式语言工具之一,在大数据领域有着十分广泛的应用,可以展现从资料收集和资料管理到数据分析和挖掘的完整过程,其高效的程式语言和程序执行过程,能够完全胜任日常数据分析工作的需求。

  随着资料分析作用的日益凸显,如何对现有资料进行整理、加工、处理和分析,以期得到所谓的结论,作为人们进行决策的依据进而展现数据的价值?如何利用现有资料对将来可能出现的资料结果或结论进行判断或预测?不管是针对企事业单位的管理者,或决策者还是从事具体资料分析的工作人员而言,都需要进行合理资料分析流程的规划,区分数据类型,利用适合的数据分析方法,使用方便、快捷、可靠的统计软体作为工具,对特定资料进行分析与预测,从而洞察市场动向,观测人心所在,把握商机,提升竞争力。而具有深厚数学背景的统计分析和资料分析方法,往往会成为相关人员继续深入学习的门槛,甚至成为枯燥乏味的代名词,无法体验到资料分析成果带来的成效。本书就是要力求降低学习难度,透过编者积累的大量真实案例和数据,主要以文字阐述替代复杂公式推导,深入浅出剖析数据分析方法的基本原理和步骤,重点在于釐清资料分析的基本思路,合理得到恰当的分析结果。在分析过程中,本书从基础程式语言入手,主要透过使用Python 基本库和常用工具库的方式,用大量的实例来展示资料分析每一步骤的细节,带领读者走入数据分析的奇妙世界。

  本书的第1 章和第2 章主要介绍Python 的基本环境、程式语言基础和数据预处理方面的内容,具体内容包括Python 资料类型及数据结构、语句与控制流、基本库、函数和面向对象程式语言的基础,以及数据分析最为常用的基本分析工具库numpy 和pandas 基础等。第3 章和第4 章主要介绍利用Python 进行描述分析的基本过程和方法,涵盖了各种常用资料分析图形的绘制和解读,以及统计量和统计表等具体内容。第5、6、7 章主要介绍利用Python 如何进行总体推断。在大数据时代即使资料量再大,但也离不开利用统计思想对总体特征进行推测和判断,这些具体内容包括参数估计、假设核对总和非参数分析。第8 章主要介绍如何用Python 来分析资料之间的关系,具体涵盖了简单相关分析、非参数相关分析、偏相关分析、点二列相关分析以及数据挖掘中常用的关联分析等内容。第9 章和第10 章主要介绍如何利用Python 来进行回归分析。回归模型可以说是大部分统计分析和数据挖掘方法的基础,本书介绍的具体内容有线性回归、非线性回归、多项式回归、分位数回归、引数含有定性变量的回归以及因变数含有定性变数的广义线性回归分析。第11 章和第12 章主要就日常资料分析中所使用的多元统计分析方法进行介绍,具体内容包括主成分分析、因素分析、列联分析以及对应分析等。第13 章和第14 章主要介绍在Python 中进行资料採撷所使用的聚类和分类方法。内容涵盖系统聚类、k-means 聚类、DBSCAN 聚类、距离判别和线性判别、贝叶斯判别以及数据挖掘中的k- 近邻、决策树、支持向量机和随机森林等分类方法。第15 章主要介绍Python 中使用ARIMA 建模进行时间序列分析的基本方法和思路。

  本书以实用为主要目的,因此上述大部分的资料分析过程均会使用现有常用且公认的结果较为合理的工具库(如numpy、pandas、matplotlib、scipy、statsmodels、scikit-learn等)。对于本书提及的数据分析方法无法透过使用现成工具库实行的,本书在相应章节中使用Python 编制了相应的函数或类,以供读者在分析实际问题时使用和重复使用。读者在重复用这些函数或类时,也可根据自身需要对它们进行进一步优化。

  全书採用macOS Sierra 作业系统下的Python 和Anaconda 4.3.1 的jupyternotebook 作为分析环境,希望读者参考本书的内容边做边学习。为了提高学习效果,读者应该自行把本书全部程式码在Python 中一字一句的推敲一遍并执行之,故本书不提供电子版程式码。但为了提高学习效率,本书附送随书案例的全部资料。

  本书由本人在原书《实用SAS 统计分析教程》(中国统计出版社2013 年版)基础上亲自编写完成。开放程式码的显着特点,大家都懂的。因此,读者可在阅读本书时对照原书进行实际操作,认真体会商务软体和开放程式码分析流程和分析结果的异同。此外,我的研究生杨磊磊和王禹提供了部分分析程式并对全书所编制的程式进行了执行验证。尽管作者已经投入了大量时间和精力来编写此书,但由于能力有限,如有不足之处,敬请专家与同行批评指正。
 
阮 敬
2017 年8 月23 日

第二版前言

  为适应数据科学与大数据技术领域的飞速发展,本书第2版经过将近1年时间的广泛教学实践和市场检验,在保留第1版全部优点和特色的基础上,第2版做了许多优化、改进和创新,具体内容如下:

  1. 全书基于Python 3.6.4 对全部内容进行了更新。

  2. 将第1 版的程式设计基础部分,根据教学难度和教学要求调整为两个章节。即,第1章强调程式设计基础,第2章强调程式设计的进阶技能,并补充了类特性、异常捕获与容错处理、平行计算等程式设计的进阶内容。

  3. 增加了〈神经网路与深度学习〉章节。深度学习是当前数据科学、人工智慧领域较为热门的研究内容,第2版增加了对神经网路和深度学习基本思想、基本架构以及基本步骤的介绍,以及如何利用Python 提供的tensorflow 架构工具进行解决实际问题的案例,帮助读者理解深度学习的理论基础和基本演算法。

  4. 可读和易用性进一步提高。本书第1 版在去年9月份正式出版之后,被全国几十所高等院校採纳为基础课、专业课和选修课的教材。经过多次与授课教师和学生的沟通交流及意见回馈,第2版针对教学过程中的特别问题进行了仔细斟酌和调整,尽力使得本书内容更加生动、深入浅出和言简意赅。
 
阮 敬
2018 年7 月22 日于洛杉矶

图书试读


Python数据分析基础:包含数据挖掘和机器学习 epub 下载 mobi 下载 pdf 下载 txt 下载


Python数据分析基础:包含数据挖掘和机器学习 epub 下载 mobi 下载 pdf 下载 txt 下载

Python数据分析基础:包含数据挖掘和机器学习 pdf epub mobi txt 电子书 下载




用户评价

类似图书 点击查看全场最低价

Python数据分析基础:包含数据挖掘和机器学习 pdf epub mobi txt 下载




相关图书




© 2017-2019 ttbooks.qciss.net All Rights Reserved. 小特书站 版权所有