
Python科学与工程数据分析实战
大数据与人工智能技术丛书
¥62.86
加载中,请稍候……
作品简介
本书以Python 3.10.7为平台,以实际应用为背景,通过概述+算法+经典应用的形式,深入浅出地介绍Python数据分析的相关知识。全书共9章,主要内容包括Python概述、科学计算库、开源科学集、数据分析利器、数据分析的可视化、基于回归的数据分析、基于分类的数据分析、基于聚类的数据分析、数据特征分析等。通过学习本书,读者可领略到Python的简单、易学、易读、易维护等特点,同时也可感受到利用Python实现数据分析应用领域广泛,功能强大。
本书可作为高等学校相关专业本科生和研究生的教学用书,也可作为相关专业科研人员、学者、工程技术人员的参考用书。
李晓东编著。
作品目录
内容简介
前言
第1章 掀开Python面纱
1.1 Python环境搭建
1.2 寻求帮助
1.3 基本命令
1.4 数据类型
1.5 字符串操作
1.6 元素的集合
第2章 科学计算库
2.1 必需库的安装
2.2 NumPy概述
2.3 NumPy的数据类型
2.4 NumPy数组
2.5 NumPy统计函数
2.6 NumPy排序
2.7 NumPy线性代数
2.8 矩阵分解
2.9 范数和秩
第3章 开源科学集
3.1 SciPy常量模块
3.2 SciPy优化器
3.3 SciPy稀疏矩阵
3.4 SciPy图结构
3.5 SciPy空间数据
3.6 SciPy插值
3.7 SciPy显著性检验
3.8 边缘检测
第4章 数据分析利器
4.1 Pandas数据结构
4.2 统计性描述
4.3 Pandas重建索引
4.4 Pandas迭代与排序
4.5 Pandas统计函数
4.6 Pandas分组与聚合
4.7 数据缺失
4.8 Pandas连接
4.9 Pandas CSV文件
4.10 Pandas的JSON文件
第5章 数据分析的可视化
5.1 初识Matplotlib
5.2 基本二维绘图
5.3 三维绘图
5.4 小提琴图
第6章 基于回归的数据分析
6.1 简单线性回归
6.2 多元回归
6.3 广义线性回归
6.4 岭回归
6.5 套索回归
6.6 非线性回归
第7章 基于分类的数据分析
7.1 KNN分类器
7.2 线性分类器
7.3 逻辑分类
7.4 贝叶斯分类
7.5 决策树
7.6 随机森林
第8章 基于聚类的数据分析
8.1 聚类的分类
8.2 k-means聚类
8.3 Mean Shift聚类
8.4 谱聚类
8.5 层次聚类算法
8.6 密度聚类
第9章 数据特征分析
9.1 数据表达
9.2 交互式与多项式特征
9.3 自动化特征选择
参考文献