互联网 类型
可以朗读 语音朗读
101千字 字数
2020-11-01 发行日期
展开全部

主编推荐语

Jupyter数据科学手册，初学者的实战指南，通过简单易懂的Python示例，掌握数据科学技能，学习线性代数和统计学的基础知识，为实际业务场景实现和保存机器学习模型。

内容简介

本书旨在成为读者进入数据科学领域的指南。全书共20章，涵盖了数据科学及其应用的各个方面，引入经典数据集将理论与实践相结合，采用Jupyter等工具，以Python语言由浅入深地介绍了数据科学及相关学科的基本概念、数据预处理、机器学习及时间序列等内容，并提供了不同的案例研究，以达到学以致用的效果。

通过阅读本书，读者将获得成为一名数据科学家所需的基本知识和技能。

本书适合有Python或其他编程语言基础，并对数据科学感兴趣的人员阅读。

目录

  • 版权信息
  • 版权声明
  • 内容提要
  • 作者简介
  • 译者简介
  • 致谢
  • 前言
  • 资源与支持
  • 第1章 数据科学基本概念
  • 1.1 数据的概念
  • 1.1.1 结构化数据
  • 1.1.2 非结构化数据
  • 1.1.3 半结构化数据
  • 1.2 数据科学的定义
  • 1.3 数据科学家的工作
  • 1.4 数据科学应用实例
  • 1.5 为何Python适合数据科学
  • 1.6 小结
  • 第2章 软件安装与配置
  • 2.1 系统要求
  • 2.2 下载Anaconda
  • 2.3 在Windows系统上安装Anaconda
  • 2.4 在Linux系统上安装Anaconda
  • 2.5 如何在Anaconda中安装新的Python库
  • 2.6 打开笔记本——Jupyter
  • 2.7 了解笔记本
  • 2.8 小结
  • 第3章 列表与字典
  • 3.1 什么是列表
  • 3.2 如何创建列表
  • 3.3 列表的不同操作
  • 3.4 列表与数组的差异
  • 3.5 什么是字典
  • 3.6 如何创建字典
  • 3.7 字典的相关操作
  • 3.8 小结
  • 第4章 函数与包
  • 4.1 Python的Help()函数
  • 4.2 如何导入Python包
  • 4.3 如何创建并调用函数
  • 4.4 在函数中传递参数
  • 4.5 函数的默认参数
  • 4.6 如何在函数中使用未知参数
  • 4.7 函数的全局与本地变量
  • 4.8 Lambda函数
  • 4.9 了解Python中的main方法
  • 4.10 小结
  • 第5章 NumPy基本概念
  • 5.1 导入NumPy包
  • 5.2 为何NumPy数组优于列表
  • 5.3 NumPy数组属性
  • 5.4 创建NumPy数组
  • 5.5 访问NumPy数组中的元素
  • 5.6 NumPy数组的切片
  • 5.7 数组连接
  • 5.8 小结
  • 第6章 Pandas和数据帧
  • 6.1 导入Pandas
  • 6.2 Pandas数据结构
  • 6.3 .loc[]和.iloc[]
  • 6.4 一些有用的数据帧函数
  • 6.5 处理数据帧中的缺失值
  • 6.6 小结
  • 第7章 与数据库交互
  • 7.1 SQLAlchemy
  • 7.2 安装SQLAlchemy包
  • 7.3 如何使用SQLAlchemy
  • 7.4 SQLAlchemy引擎配置
  • 7.5 在数据库中新建表
  • 7.6 在表中插入数据
  • 7.7 更新记录
  • 7.8 如何合并表格
  • 7.8.1 内连接
  • 7.8.2 左连接
  • 7.8.3 右连接
  • 7.9 小结
  • 第8章 数据科学中的统计思维
  • 8.1 数据科学中的统计学
  • 8.2 统计数据/变量的类型
  • 8.3 平均数、中位数和众数
  • 8.4 概率的基本概念
  • 8.5 统计分布
  • 8.6 Pearson相关系数
  • 8.7 概率密度函数
  • 8.8 真实案例
  • 8.9 统计推断与假设检验
  • 8.10 小结
  • 第9章 如何在Python中导入数据
  • 9.1 导入TXT数据
  • 9.2 导入CSV数据
  • 9.3 导入Excel数据
  • 9.4 导入JSON数据
  • 9.5 导入腌制数据
  • 9.6 导入压缩数据
  • 9.7 小结
  • 第10章 清洗导入的数据
  • 10.1 了解数据
  • 10.2 分析缺失值
  • 10.3 丢弃缺失值
  • 10.4 自动填充缺失值
  • 10.5 如何缩放和归一化数据
  • 10.6 如何解析日期
  • 10.7 如何应用字符编码
  • 10.8 清洗不一致的数据
  • 10.9 小结
  • 第11章 数据可视化
  • 11.1 条形图
  • 11.2 折线图
  • 11.3 直方图
  • 11.4 散点图
  • 11.5 堆积图
  • 11.6 箱线图
  • 11.7 小结
  • 第12章 数据预处理
  • 12.1 关于案例研究
  • 12.2 导入数据集
  • 12.3 探索性数据分析
  • 12.4 数据清洗与预处理
  • 12.5 特征工程
  • 12.6 小结
  • 第13章 监督式机器学习
  • 13.1 常见的机器学习术语
  • 13.2 机器学习导论
  • 13.3 常用机器学习算法列述
  • 13.4 监督式机器学习基础
  • 13.5 解决分类机器学习问题
  • 13.6 为何要进行训练/测试拆分和交叉验证
  • 13.7 解决回归机器学习问题
  • 13.8 如何调整机器学习模型
  • 13.9 如何处理sklearn中的分类变量
  • 13.10 处理缺失数据的高级技术
  • 13.11 小结
  • 第14章 无监督式机器学习
  • 14.1 为何选择无监督式机器学习
  • 14.2 无监督式机器学习技术
  • 14.2.1 聚类
  • 14.2.2 主成分分析
  • 14.3 案例研究
  • 14.4 验证无监督式机器学习
  • 14.5 小结
  • 第15章 处理时间序列数据
  • 15.1 为何时间序列重要
  • 15.2 如何处理日期和时间
  • 15.3 转换时间序列数据
  • 15.4 操作时间序列数据
  • 15.5 比较时间序列的增长率
  • 15.6 如何改变时间序列频率
  • 15.7 小结
  • 第16章 时间序列法
  • 16.1 时间序列预测的定义
  • 16.2 预测的基本步骤
  • 16.3 时间序列预测的技术
  • 16.3.1 自回归
  • 16.3.2 移动平均
  • 16.3.3 自回归移动平均
  • 16.3.4 自回归积分移动平均
  • 16.3.5 季节性自回归积分移动平均
  • 16.3.6 季节性自回归积分移动平均与外生回归因子
  • 16.3.7 向量自回归移动平均
  • 16.3.8 Holt-Winters指数平滑
  • 16.4 预测网页的未来流量
  • 16.5 小结
  • 第17章 案例研究1
  • 第18章 案例研究2
  • 第19章 案例研究3
  • 第20章 案例研究4
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

人民邮电出版社

人民邮电出版社是工业和信息化部主管的大型专业出版社，成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”，致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。