Python 數據分析與可視化

前言
第1章數據分析是什麼
1.1海量數據蘊藏的知識
1.2數據分析與數據挖掘的關係
1.3機器學習概述
1.4機器學習與數據分析的關係
1.5數據分析的基本步驟
1.6Python和數據分析
習題
第2章Python語言基礎
2.1Python發展史
2.2Python及Pandas、scikit-
learn、Matplotlib的
安裝
2.2.1Windows環境下Python的
安裝
2.2.2Ubuntu和Mac環境下
Python的安裝
2.2.3集成開發環境
2.2.4使用pip安裝Pandas、
scikit-learn和Matplotlib
2.2.5使用第三方科學計算發行版
Python進行快速安裝
2.3Pycharm
2.4Python基礎知識
2.4.1Python編碼規範
2.4.2模塊化的系統
2.5Python基礎語法
2.5.1數據類型
2.5.2基本計算
2.5.3控制語句
2.6重要的Python庫
2.6.1Pandas
2.6.2scikit-learn
2.6.3Matplotlib
2.6.4其他
2.7Jupyter
習題
第3章數據預處理
3.1了解數據
3.2數據質量
3.2.1完整性
3.2.2一致性
3.2.3準確性
3.2.4及時性
3.3數據清洗
3.4特徵工程
3.4.1特徵選擇
3.4.2特徵構建
3.4.3特徵提取
習題
第4章NumPy——數據分析基礎
工具
4.1多維數組對象：ndarray
4.1.1ndarray的創建
4.1.2ndarray的數據類型
4.2ndarray的索引、切片和
迭代
4.3ndarray的shape操作
4.4ndarray的基礎操作
4.5習題
第5章Pandas——處理結構化
數據
5.1基本數據結構
5.1.1Series
5.1.2DataFrame
5.2基於Pandas的Index對象的
訪問操作
5.2.1Pandas的Index對象
5.2.2索引的不同訪問方式
5.3數學統計和計算工具
5.3.1統計函數：協方差、相關
係數、排序
5.3.2窗口函數
5.4數學聚合和分組運算
5.4.1agg函數的聚合操作
5.4.2transform函數的轉換
操作
5.4.3apply函數實現一般的
操作
習題
第6章數據分析與知識發現的一些
常用方法
6.1分類分析
6.1.1邏輯回歸
6.1.2線性判別分析
6.1.3支持向量機
6.1.4決策樹
6.1.5K鄰近
6.1.6樸素貝葉斯
6.2關聯分析
6.2.1基本概念
6.2.2典型算法
6.3聚類分析
6.3.1K均值算法
6.3.2DBSCAN算法
6.4回歸分析
6.4.1線性回歸分析
6.4.2支持向量回歸
6.4.3K鄰近回歸
習題
第7章Pandas與scikit-learn——實
現數據的分析
7.1分類方法
7.1.1Logistic回歸
7.1.2支持向量機
7.1.3近鄰算法
7.1.4決策樹
7.1.5隨機梯度下降
7.1.6高斯過程分類
7.1.7神經網絡分類（多層感
知器）
7.1.8樸素貝葉斯
7.2回歸方法
7.2.1 小二乘法
7.2.2嶺回歸
7.2.3Lasso
7.2.4貝葉斯嶺回歸
7.2.5決策樹回歸
7.2.6高斯過程回歸
7.2.7 近鄰回歸
7.3聚類方法
7.3.1K-means算法
7.3.2AffinityPropagation算法
7.3.3Mean-shift算法
7.3.4SpectralClustering算法
7.3.5HierarchicalClustering
算法
7.3.6DBSCAN算法
7.3.7Birch算法
習題
第8章Matplotlib——交互式圖表
繪製
8.1基本佈局對象
8.2圖表樣式的修改以及裝飾項
接口
8.3基礎圖表繪製
8.3.1直方圖
8.3.2散點圖
8.3.3餅圖
8.3.4柱狀圖
8.3. 線圖
8.3.6表格
8.3.7不同坐標系下的圖像
8.4matplot3D
8.5Matplotlib與Jupyter結合
習題
第9章案例：新生信息分析與
可視化
9.1使用Pandas對數據預
處理
9.2使用Matplotlib庫畫圖
9.3使用Pandas進行繪圖
0章案例：用戶流失預警
10.1讀入數據
10.2數據預處理
10.3 交叉驗證
10.4引入3種模型
10.5調整prob閾值輸出
評估
1章案例：美國加利福尼亞房價
預測的數據分析
11.1數據分析常用的Python
工具庫
11.1.1Pandas
11.1.2NumPy
11.1.3Matplotlib
11.1.4Sklearn
11.2數據的讀入和初步分析
11.2.1數據讀入
11.2.2分割測試集與訓練集
11.2.3數據的初步分析
11.3數據的預處理
11.3.1拆分數據
11.3.2空白值的填充
11.3.3數據的標準化
11.3.4數據的流程化處理
11.4模型的構建
11.4.1查看不同模型的表現
11.4.2選擇效果 的模型進行
預測
2章案例：基於上下文感知的
多模態交通
12.1題目理解
12.1.1題目背景
12.1.2數據說明
12.1.3評測指標
12.1.4輸出格式
12.2解決方案
12.2.1工具包導入
12.2.2特徵工程
3章案例：機器人 路徑走
迷宮
13.1關鍵技術
13.1.1馬爾科夫決策過程
13.1.2Bellman方程
13.2程序設計步驟
13.2.1初始化迷宮地圖
13.2.2計算不同位置
路徑
4章案例：基於Python+Elasticsearch
實現搜索附近小區房價
14.1程序設計
14.2準備數據
14.3安裝以及使用
Elasticsearch
14.4實現附近房價搜索
的搜索引擎
參考文獻