幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python數據分析從小白到高手(全彩視頻版)/CDA數據分析師技能樹系列

  • 作者：編者:王國平|責編:耍利娜
  • 出版社：化學工業
  • ISBN：9787122444257
  • 出版日期：2024/03/01
  • 裝幀：平裝
  • 頁數：306
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    大數據時代，掌握必要的數據分析能力，將大大提升你的工作效率和自身競爭力。Python是數據分析的一大利器，本書將詳細講解利用Python進行數據分析與可視化的相關知識。
    本書主要內容包括：Python入門、搭建開發環境、語法、數據類型、數據載入、數據準備、數據可視化、機器學習、深度學習、自然語言處理等，並通過三個綜合案例將這些知識加以運用。
    本書適合數據分析初學者、初級數據分析師、資料庫技術人員等自學使用。同時，本書也可用作職業院校、培訓機構相關專業的教材及參考書。
作者介紹
編者:王國平|責編:耍利娜
    王國平具有十余年金融、電力、互聯網等行業從業經歷，現已出版十余本專著；     擅長數據分析、數據可視化、機器學習等，精通Python、SPSS、Tableau、Power Bl等數據分析工具，熟悉MySQL、SQL Server等資料庫，以及Hadoop、Hive、Zeppelin、Spark等大數據分析及可視化工具。
目錄
1  Python入門
  1.1  為什麼選擇Python
    1.1.1  人工智慧與ChatGPT
    1.1.2  Python與人工智慧
  1.2  Python主要庫簡介
    1.2.1  NumPy
    1.2.2  Pandas
    1.2.3  Matplotlib
    1.2.4  Sklearn
  1.3  如何學習Python
2  搭建Python開發環境
  2.1  Anaconda
    2.1.1  什麼是Anaconda
    2.1.2  安裝Anaconda
  2.2  常用開發工具
    2.2.1  Spyder
    2.2.2  Jupyter Lab
    2.2.3  PyCharm
  2.3  包管理工具pip
3  Python語法
  3.1  Python基礎語法
    3.1.1  變數及其命名
    3.1.2  代碼行與縮
    3.1.3  條件if及if嵌套
    3.1.4  循環while與for
    3.1.5  格式format()與%
    3.1.6  編碼類型及轉換
  3.2  Python運算符
    3.2.1  算術運算符
    3.2.2  賦值運算符
    3.2.3  比較運算符
    3.2.4  邏輯運算符
    3.2.5  運算符優先順序
  3.3  Python常用技巧
    3.3.1  自動補全程序
    3.3.2  變數賦值技巧
    3.3.3  變數鏈式比較
    3.3.4  獲取元素索引
    3.3.5  遍歷序列元素
    3.3.6  序列元素排序
    3.3.7  列表解析式
    3.3.8  元素序列解包
    3.3.9  合併序列元素
    3.3.10  三元表達式
    3.3.11  lambda表達式
    3.3.12  矩陣乘法與轉置
4  Python數據類型
  4.1  認識數據類型
    4.1.1  數值(number)類型
    4.1.2  字元串(string)類型

    4.1.3  列表(list)類型
    4.1.4  元組(tuple)類型
    4.1.5  集合(set)類型
    4.1.6  字典(dict)類型
    4.1.7  布爾值(boolean)類型
    4.1.8  空值(None)類型
    4.1.9  數據類型轉換
  4.2  字元串常用方法
    4.2.1  字元串拼接的3種方法
    4.2.2  字元串切片的2種方法
    4.2.3  分割與合併字元串
    4.2.4  檢索子字元串的幾種方法
    4.2.5  字元串對齊的3種方法
    4.2.6  去除字元串中空格的3種方法
    4.2.7  字元串大小寫轉換的3種函數
    4.2.8  獲取字元串長度或位元組數
    4.2.9  統計字元串出現次數
  4.3  列表常用方法
    4.3.1  append()方法
    4.3.2  clear()方法
    4.3.3  copy()方法
    4.3.4  count()方法
    4.3.5  extend()方法
    4.3.6  index()方法
    4.3.7  insert()方法
    4.3.8  pop()方法
    4.3.9  remove()方法
    4.3.10  reverse()方法
    4.3.11  sort()方法
5  Python數據載入
  5.1  載入本地離線數據
    5.1.1  載入TXT文件數據
    5.1.2  載入CSV文件數據
    5.1.3  載入Excel文件數據
  5.2  載入常用資料庫數據
    5.2.1  載入Oracle資料庫數據
    5.2.2  載入MySQL資料庫數據
    5.2.3  載入SQL Server資料庫數據
  5.3  載入Hadoop集群數據
    5.3.1  集群軟體及其版本
    5.3.2  集群網路環境配置
    5.3.3  Python連接Hive
  5.4  載入Web在線數據
6  Python數據準備
  6.1  數據的索引
    6.1.1  創建索引
    6.1.2  創建層次化索引
    6.1.3  調整索引
  6.2  數據的排序
    6.2.1  按行索引排序數據

    6.2.2  按列索引排序數據
    6.2.3  按一列或多列排序數據
    6.2.4  按一行或多行排序數據
  6.3  數據的切片
    6.3.1  提取一列或多列數據
    6.3.2  提取一行或多行數據
    6.3.3  提取指定區域的數據
  6.4  數據的聚合
    6.4.1  groupby()函數：分組聚合
    6.4.2  agg()函數：更多聚合指標
  6.5  數據的透視
    6.5.1  pivot_table()函數：數據透視
    6.5.2  crosstab()函數：數據交叉
  6.6  數據的合併
    6.6.1  merge()函數：橫向合併
    6.6.2  concat()函數：縱向合併
7  Python數據可視化
  7.1  Matplotlib
    7.1.1  Matplotlib庫簡介
    7.1.2  業績考核誤差條形圖
  7.2  Pyecharts
    7.2.1  Pyecharts庫簡介
    7.2.2  銷售額主題河流圖
  7.3  Seaborn
    7.3.1  Seaborn庫簡介
    7.3.2  利潤額增強箱形圖
  7.4  Plotly
    7.4.1  Plotly庫簡介
    7.4.2  家庭成員結構旭日圖
  7.5  Altair
    7.5.1  Altair庫簡介
    7.5.2  月度訂單量脊線圖
  7.6  NetworkX
    7.6.1  NetworkX簡介
    7.6.2  NetworkX繪製平衡樹
8  Python機器學習
  8.1  機器學習理論概述
    8.1.1  機器學習概念
    8.1.2  機器學習分類
    8.1.3  模型評估方法
  8.2  線性回歸及其案例
    8.2.1  線性回歸簡介
    8.2.2  線性回歸的建模
    8.2.3  汽車價格的預測
  8.3  聚類分析及其案例
    8.3.1  K-Means聚類簡介
    8.3.2  K-Means聚類建模
    8.3.3  使用手肘法判斷聚類數
    8.3.4  輪廓係數法判斷聚類數
  8.4  XGBoost及其案例

    8.4.1  XGBoost演算法概述
    8.4.2  XGBoost演算法參數
    8.4.3  XGBoost演算法案例
  8.5  時間序列及其案例
    8.5.1  時間序列演算法概述
    8.5.2  指數平滑法及其案例
    8.5.3  ARIMA演算法及其案例
9  Python深度學習
  9.1  深度學習概述
    9.1.1  什麼是深度學習
    9.1.2  安裝PyTorch 2.0
  9.2  PyTorch圖像識別技術
    9.2.1  載入數據集
    9.2.2  搭建與訓練網路
    9.2.3  預測圖像數據
  9.3  PyTorch模型可視化
    9.3.1  Visdom簡介
    9.3.2  Visdom可視化操作
  9.4  手寫數字自動識別
10  Python自然語言處理
  10.1  自然語言處理概述
  10.2  Jieba中文分詞
    10.2.1  Jieba分詞模式
    10.2.2  自定義停用詞
    10.2.3  商品評論關鍵詞詞雲
  10.3  聊天機器人ChatGPT
    10.3.1  ChatGPT簡介
    10.3.2  Python如何調用ChatGPT
    10.3.3  Python調用ChatGPT舉例
  10.4  spaCy
    10.4.1  spaCy簡介
    10.4.2  spaCy語言模型
    10.4.3  spaCy依存分析
  10.5  Gensim
    10.5.1  Gensim簡介
    10.5.2  Gensim文本處理步驟
    10.5.3  中文LDA分析及可視化
11  案例：金融量化交易分析
  11.1  案例背景概述
    11.1.1  案例研究意義
    11.1.2  K線圖技術理論
    11.1.3  案例數據採集
  11.2  數據基礎分析
    11.2.1  查看數據集信息
    11.2.2  數據描述性分析
    11.2.3  數據可視化分析
  11.3  股票數據分析
    11.3.1  指標相關性分析
    11.3.2  指標趨勢性分析
    11.3.3  股票交易時機分析

    11.3.4  股票交易策略分析
  11.4  案例小結
12  案例：武漢市空氣質量分析
  12.1  案例背景概述
  12.2  歷年數據可視化分析
  12.3  AQI回歸分析
  12.4  案例小結
13  案例：阿爾茨海默病特徵分析
  13.1  案例背景概述
  13.2  數據預處理
  13.3  數據建模
  13.4  案例小結
附錄
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032