Python大数据分析与挖掘实战 微课版 人民邮电出版社 mobi 下载 网盘 caj lrf pdf txt 阿里云

本书以应用为导向，将理论与实践相结合，深入浅出地介绍了利用Python进行大数据分析与挖掘的基本知识，以及如何将其应用到具体领域的方法。

本书分为基础篇、案例篇和附录三个部分。基础篇（第1章?第6章）主要介绍Python基础知识及应用于科学计算、数据处理、数据可视化、机器学习、深度学习等方面的基础知识：案例篇（第7章?第12章）主要介绍利用Python进行金融、地理信息、交通、文本分析、图像识别等领域大数据分析与挖掘的案例，以及图形用户界面可视化应用开发的案例；附录提供了6个综合实训课题，以帮助读者提高实践应用能力。同时，本书还提供了详细的实训指导、数据源和程序代码等配套资源。

本书作为普通高等院校数据科学与大数据技术、数学、计算机、经济管理等专业相关课程的教材，也可作为数据分析从业人员及数据挖掘爱好者的参考书。

基础篇 1

第1章Python基础1

1.1Python概述1

1.2Python安装及启动1

1.2.1Python安装1

1.2.2Python启动及界面认识4

1.***ython扩展包安装9

1.3.1在线安装9

1.3.2离线安装10

1.4Python基本数据类型11

1.4.1数值的定义11

1.4.2字符串的定义11

1.4.3列表的定义12

1.4.4元组的定义12

1.4.5集合的定义12

1.4.6字典的定义13

1.***ython相关的公有方法13

1.5.1索引13

1.5.2切片14

1.5.3长度15

1.5.4统计15

1.5.5成员身份15

1.5.6变量删除16

1.6列表、元组、字符串与字典方法16

1.6.1列表方法16

1.6.2元组方法18

1.6.3字符串方法19

1.***字典方法20

1.7条件语句21

1.7.1if…语句21

1.7.2if…else…语句21

1.7.3if…elif…else…语句22

1.8循环语句22

1.8.1while语句22

1.8.2for循环23

1.9函数23

1.9.1无返回值函数的定义与调用23

1.9.2有返回值函数的定义与调用24

1.9.3有多返回值函数的定义与调用24

本章小结25

本章练习25

第2章科学计算包Numpy26

2.1Numpy简介26

2.2创建数组27

2.2.1利用array()函数创建数组27

2.2.2利用内置函数创建数组28

2.3数组尺寸28

2.4数组运算29

2.5数组切片30

2.5.1常见的数组切片方法30

2.5.2利用ix_()函数进行数组切片31

2.6数组连接32

2.7数据存取33

2.8数组形态变换34

2.9数组排序与搜索35

2.10矩阵与线性代数运算36

2.10.1创建Numpy矩阵36

2.10.2矩阵的属性和基本运算37

2.10.3线性代数运算38

本章小结41

本章练习42

第3章数据处理包Pandas43

3.1Pandas简介43

3.2序列44

3.2.1序列创建及访问44

3.2.2序列属性45

3.2.3序列方法46

3.2.4序列切片47

3.2.5序列聚合运算48

3.3数据框48

3.3.1数据框创建49

3.3.2数据框属性49

3.3.3数据框方法50

3.3.4数据框切片54

3.4外部文件读取56

3.4.1Excel文件读取56

3.4.2TXT文件读取57

3.4.3CSV文件读取58

3.5常用函数59

3.5.1滚动计算函数59

3.5.2数据框合并函数60

3.5.3数据框关联函数61

本章小结62

本章练习63

第4章数据可视化包Matplotlib65

4.1Matplotlib绘图基础65

4.1.1Matplotlib图像构成65

4.1.2Matplotlib绘图基本流程65

4.1.3中文字符显示67

4.1.4坐标轴字符刻度标注69

4.2Matplotlib常用图形绘制70

4.2.1散点图71

4.2.2线性图72

4.2.3柱状图73

4.2.4直方图74

4.2.5饼图75

4.2.6箱线图75

4.2.7子图76

本章小结79

本章练习79

第5章机器学习与实现80

5.1Scikit-learn简介80

5.2数据预处理80

5.2.1缺失值处理81

5.2.2数据规范化83

5.2.3主成分分析86

5.3线性回归93

5.3.1一元线性回归93

5.3.2多元线性回归96

5.3.***ython线性回归应用举例97

5.4逻辑回归99

5.4.1逻辑回归模型99

5.4.2Python逻辑回归模型应用举例100

5.5神经网络101

5.5.1神经网络模拟思想101

5.5.2神经网络结构及数学模型103

5.5.***ython神经网络分类应用举例104

5.5.4Python神经网络回归应用举例105

5.6支持向量机106

5.6.1支持向量机原理106

5.6.2Python支持向量机应用举例107

5.7K-均值聚类109

5.7.1K-均值聚类的基本原理110

5.7.2PythonK-均值聚类算法应用举例113

5.8关联规则114

5.8.1关联规则概念114

5.8.2布尔关联规则挖掘116

5.8.3一对一关联规则挖掘及Python实现116

5.8.4多对一关联规则挖掘及Python实现118

本章小结123

本章练习123

第6章深度学习与实现128

6.1深度学习简介128

6.2深度学习框架简介128

6.2.1Caffe框架128

6.2.2Theano框架129

6.2.***addlePaddle框架129

6.2.4TensorFlow框架129

6.3TensorFlow基础129

6.3.1TensorFlow安装129

6.3.2TensorFlow命令简介133

6.3.3TensorFlow案例135

***多层神经网络139

***.1多层神经网络结构及数学模型139

***.2多层神经网络分类问题应用举例141

***.3多层神经网络回归问题应用举例144

6.5卷积神经网络151

6.5.1卷积层计算151

6.5.2池化层计算153

6.5.3全连接层计算155

6.5.4CNN应用案例155

6.6循环神经网络161

6.6.1RNN结构及数学模型161

6.6.2长短期记忆网络（LSTM）162

6.6.3RNN应用案例164

本章小结167

本章练习168

案例篇169

第7章基于财务与交易数据的量化投资分析169

7.1案例背景169

7.2案例目标及实现思路169

7.3基于总体规模与投资效率指标的综合评价170

7.3.1指标选择171

7.3.2数据获取171

7.3.3数据处理173

7.3.4主成分分析174

7.3.5综合排名174

7.4技术分析指标选择与计算175

7.4.1移动平均线176

7.4.2指数平滑异同平均线176

7.4.3随机指标177

7.4.4相对强弱指标177

7.4.5乖离率指标178

7.4.6能量潮指标178

7.4.7涨跌趋势指标179

7.4.8计算举例179

7.5量化投资模型与策略实现182

7.5.1投资组合构建183

7.5.2基于逻辑回归的量化投资策略实现183

本章小结186

本章练习186

第8章众包任务定价优化方案187

8.1案例背景187

8.2案例目标及实现思路188

8.3数据获取与探索188

8.3.1地理信息可视化包folium安装188

8.3.2数据读取与地图可视化189

8.4指标计算190

8.4.1指标设计190

8.4.2指标计算方法191

8.4.3程序实现192

8.5任务定价模型构建198

8.5.1指标数据预处理198

8.5.2多元线性回归模型201

8.5.3神经网络模型202

8.6方案评价202

8.6.1任务完成增加量202

8.6.2成本增加额203

8.6.3完整实现代码203

本章小结205

本章练习205

第9章地铁站点日客流量预测205

9.1案例背景206

9.2案例目标及实现思路206

9.3数据获取与探索207

9.3.1二分法查找思想208

9.3.2每日数据index范围提取208

9.4指标计算209

9.4.1指标设计210

9.4.2指标计算方法210

9.4.3程序实现210

9.4.4指标数据预处理214

9.5数据可视化214

9.6.因素分析218

9.6.1SPSS进行指数平滑218

9.6.2因素分析结果221

9.7神经网络预测模型的建立222

9.7.1示例站点客流量预测222

9.7.2全部站点客流量预测224

9.7.3模型预测结果分析226

本章小结227

本章练习227

第10章微博文本情感分析228

10.1案例背景228

10.2案例目标及实现思路228

10.3数据预处理过程229

10.3.1数据读取229

10.3.2分词230

10.3.3去停用词232

10.3.4词向量233

10.3.5划分数据集236

10.4支持向量机分类模型237

10.5基于LSTM网络的分类模型238

本章小结241

本章练习241

第11章基于人民币图像的面额识别242

11.1案例背景242

11.2案例目标及实现思路242

11.3数据获取与探索243

11.4支持向量机识别模型245

11.4.1颜色特征计算方法245

11.4.2自变量与因变量计算246

11.4.3模型实现247

11.5卷积神经网络识别模型：灰图248

11.5.1数据处理248

11.5.2模型实现249

11.6卷积神经网络识别模型：彩图252

11.6.1数据处理252

11.6.2模型实现254

本章小结255

本章练习255

提高篇257

第12章GUI可视化应用开发257

12.1人民币面额识别系统257

12.1.1Pycharm安装257

12.1.2创建项目文件夹260

12.1.3配置QtDesigner工具262

12.1.4配置代码生成工具264

12.1.5系统界面设计266

12.1.6系统界面转化为PyQt5代码268

12.1.7配置项目解释器271

12.1.8系统功能实现273

12.1.9生成可***运行的exe文件276

12.2上市公司综合评价系统280

12.2.1界面设计281

12.2.2系统功能实现283

12.2.3生成exe文件286

本章小结287

本章练习287

附录综合实训课题288

参考文献290

黄恒秋 2011.7-2014.6 就职于深圳市国泰安信息技术有限公司，从事C***AR数据库分析师、软件策划及设计相关工作 2014.9-今 广西民族师范学院数学与计算机科学学院专任教师，从事数据分析与挖掘、数学建模、Python语言、MATLAB语言、高等数学相关课程教学工作。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Python大数据分析与挖掘实战 微课版 人民邮电出版社在线阅读

在线听书地址：Python大数据分析与挖掘实战 微课版 人民邮电出版社在线收听

在线购买地址：Python大数据分析与挖掘实战 微课版 人民邮电出版社在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

1.从Python程序设计基础入手，深入讲解数据分析的相关包及数据分析方法

2.结合金融、交通、图像识别等行业应用将理论与案例结合，实用性强

3.配套资源丰富，配套微课视频，案例数据源，课件，上机实验指导等

书籍介绍

从Python基础入门开始，到应用Python进行科学计算、数据处理、数据可视化、机器学习、深度学习，再到利用Python进行金融、地理信息、交通、文本、图像等具体领域数据挖掘与分析，并最终利用Python进行项目GUI可视化应用开发。本书深入浅出地介绍了如何学习Python数据分析技能及应用于具体领域，实践性强。本书分三篇：基础篇、案例篇和提高篇；基础篇（第1~6章）主要介绍Python基本知识及应用于科学计算、数据处理、数据可视化、机器学习、深度学习等方面的基础知识；案例篇（第7~11章）主要介绍了利用Python进行金融、地理信息、交通、文本和图像具体领域的数据挖掘分析应用案例；提高篇（第12章）主要介绍GUI可视化应用项目开发；附录提供6个实训课题，在电子资源中会给出详细的实训指导、数据和程序代码。本书提供了丰富的数据、案例及程序代码，同时理论与实践相结合，以应用为主。适合大数据、数学、计算机、经济金融管理类的本科生和大专生学习。对于研究生及数据挖掘研究者、爱好者也具有很好的参考价值。