封面
版权信息
内容简介
作者简介
前言
为什么要写这本书？
本书有何特色？
本书内容及知识体系
适合阅读本书的读者
阅读本书的建议
第1章 数据分析与Python
1.1 数据分析概述
1.1.1 数据分析兴起与发展的时代背景
1.1.2 什么是数据分析
1.1.3 数据分析的发展方向
1.1.4 大数据与厚数据
1.1.5 数据挖掘、机器学习与深度学习
1.2 数据项目
1.2.1 定义数据项目
1.2.2 数据项目团队的组成
1.2.3 数据项目的分析流程
1.3 Python与数据分析的关系
1.3.1 为什么要用Python进行数据分析
1.3.2 Python的数据分析系统
1.4 数据分析人员的学习地图
1.4.1 怎样成为数据分析人员
1.4.2 技能树养成之路
第2章 Python基础
2.1 Python简介
2.1.1 执行Python程序的主要方式
2.1.2 编写Python程序
2.1.3 相关的开发管理工具
2.2 开发环境准备
2.2.1 Anaconda
2.2.2 Jupyter Notebook
2.3 一个简单的范例
2.4 数据类型
2.4.1 数值
2.4.2 字符串
2.4.3 容器
解构与展开
可变类型与不可变类型
2.5 数据运算
2.6 流程控制
2.6.1 条件判断
2.6.2 while循环
2.6.3 for循环
2.6.4 循环中断
解析式
2.7 函数与类
2.7.1 函数
2.7.2 类
2.8 错误处理
第3章 数据来源与获取
3.1 数据来源与数据格式
3.1.1 数据来源
3.1.2 数据格式
3.2 开放数据及其来源
3.2.1 什么是开放数据
3.2.2 常见的开放数据来源
3.3 如何使用Python存取数据
3.3.1 下载文件
3.3.2 读写文件
3.3.3 自动读写文件
3.3.4 读文件范例
3.4 API数据来源与请求串接存取
3.4.1 Requests库
3.4.2 常见的API串接手法
第4章 网络爬虫的技术和实战
4.1 认识HTTP网站架构与数据沟通方式
4.1.1 网站前后端运作架构
4.1.2 网页结构解析
4.1.3 静态网页与动态网页
4.2 网页爬虫之静态网页篇
4.2.1 静态网页概述
4.2.2 使用Requests取得网页数据
4.2.3 使用BeautifulSoup解析网页
4.2.4 静态网页爬虫的实际案例
4.3 网页爬虫之动态网页篇
4.3.1 动态网页概述
4.3.2 自动化浏览器交互
4.3.3 模拟调用API
4.3.4 动态网页爬虫的实际案例
4.4 实践中的爬虫应用
4.4.1 其他Python爬虫工具
4.4.2 防爬虫机制与处理策略
4.4.3 自动持续更新的爬虫程序
第5章 常见的数据分析工具
5.1 高效能的数学运算工具NumPy
5.1.1 贴近数学向量的数据结构NdArray
5.1.2 从一个简单的例子出发
5.1.3 数组的建立
5.1.4 数据选取
5.1.5 基本操作与运算
5.1.6 自带函数与通用函数
5.1.7 迭代与循环
5.1.8 利用数组进行数据处理
5.2 串起数据与程序分析工具Pandas
5.2.1 面向数据集的数据结构：Series与DataFrame
5.2.2 建立对象
5.2.3 数据选取
5.2.4 插入与丢弃数据
5.2.5 算术运算和数据对齐
5.2.6 排序
5.2.7 迭代与重复操作
5.2.8 数据合并与重组
5.2.9 存取外部数据
5.3 可视化呈现数据工具Matplotlib
5.3.1 Matplotlib与pyplot
5.3.2 图表信息
5.3.3 处理多个图形
5.3.4 完整的Matplotmap图
5.3.5 其他图表
第6章 定义问题与观察数据
6.1 如何定义一个数据项目
6.2 如何学习并开始一个数据项目
6.2.1 如何学习数据分析
6.2.2 如何开始一个数据项目
6.3 观察数据的N件事
6.3.1 准备数据
6.3.2 明确数据的关注点
6.3.3 观察数据的步骤
6.4 示范如何观察数据
6.4.1 房屋数据集
6.4.2 犯罪数据集
第7章 数据清理与类型转换
7.1 清理缺失或错误数据
7.1.1 可以学习的数据
7.1.2 从外部数据到程序
7.1.3 哪些是需要被处理的数据
7.2 选取和筛选数据
7.2.1 DataFrame的基本操作
7.2.2 选取和筛选数据的方式
7.3 定义缺失值与查阅数据
7.3.1 定义缺失值
7.3.2 查阅栏位是否有缺失值
7.4 缺失值处理策略
7.4.1 用内建函数处理缺失值
7.4.2 缺失值处理策略实例
7.5 数据类型及其转换
7.5.1 数据类型
7.5.2 数据类型转换
第8章 数据探索与可视化
8.1 数据探索概述
8.1.1 什么是数据探索
8.1.2 身为数据分析者的敏锐
8.1.3 常见的数据探索方法
8.1.4 进行数据探索的目的
8.2 统合性数据描述
8.3 利用描述统计认识数据
8.3.1 描述统计
8.3.2 统计量分析
8.3.3 相关性分析
8.3.4 数据聚合
8.3.5 数据透视表与交叉统计表
8.4 利用可视化图表探索数据
8.4.1 数据可视化与探索图
8.4.2 常见的图表实例
8.5 数据探索实战分享
8.5.1 2013年美国社区调查
8.5.2 波士顿房屋数据集
第9章 特征工程
9.1 特征工程概述
9.1.1 特征工程是什么
9.1.2 为什么要做特征工程
9.1.3 如何做特征工程
9.2 异常值处理
9.2.1 异常值检查
9.2.2 处置异常值的方式
9.3 特征缩放
9.3.1 正规化
9.3.2 标准化
9.4 数据转换
9.4.1 将连续数据转换为离散数据
9.4.2 将类别数据转换为数值数据
9.5 特征操作
9.5.1 特征重建
9.5.2 连续特征组合
9.5.3 离散特征组合
9.6 特征选择
9.6.1 过滤式
9.6.2 包裹式
9.6.3 嵌入式
9.7 特征提取与降维
9.7.1 维度灾难
9.7.2 主成分分析
9.7.3 线性判别分析
第10章 示例应用
10.1 示例应用1：泰坦尼克号
10.1.1 使用数据集与背景
10.1.2 定义问题与观察数据
10.1.3 数据清理与类型转换
10.1.4 数据探索与可视化
10.1.5 特征工程
10.1.6 机器学习
10.2 示例应用2：房价预测
10.2.1 使用数据集与背景
10.2.2 定义问题与观察数据
10.2.3 数据清理与类型转换
10.2.4 数据探索与可视化
10.2.5 特征工程
10.2.6 机器学习
10.3 示例应用3：Quora
10.3.1 使用数据集与背景
10.3.2 定义问题与观察数据
10.3.3 特征工程与数据探索
更新时间：2023-09-15 17:13:30
完结共206章
倒序