Python科学与工程数据分析实战

Python科学与工程数据分析实战

大数据与人工智能技术丛书

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
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

  1. 内容简介
  2. 前言
  3. 第1章 掀开Python面纱
  4. 1.1 Python环境搭建
  5. 1.2 寻求帮助
  6. 1.3 基本命令
  7. 1.4 数据类型
  8. 1.5 字符串操作
  9. 1.6 元素的集合
  10. 第2章 科学计算库
  11. 2.1 必需库的安装
  12. 2.2 NumPy概述
  13. 2.3 NumPy的数据类型
  14. 2.4 NumPy数组
  15. 2.5 NumPy统计函数
  16. 2.6 NumPy排序
  17. 2.7 NumPy线性代数
  18. 2.8 矩阵分解
  19. 2.9 范数和秩
  20. 第3章 开源科学集
  21. 3.1 SciPy常量模块
  22. 3.2 SciPy优化器
  23. 3.3 SciPy稀疏矩阵
  24. 3.4 SciPy图结构
  25. 3.5 SciPy空间数据
  26. 3.6 SciPy插值
  27. 3.7 SciPy显著性检验
  28. 3.8 边缘检测
  29. 第4章 数据分析利器
  30. 4.1 Pandas数据结构
  31. 4.2 统计性描述
  32. 4.3 Pandas重建索引
  33. 4.4 Pandas迭代与排序
  34. 4.5 Pandas统计函数
  35. 4.6 Pandas分组与聚合
  36. 4.7 数据缺失
  37. 4.8 Pandas连接
  38. 4.9 Pandas CSV文件
  39. 4.10 Pandas的JSON文件
  40. 第5章 数据分析的可视化
  41. 5.1 初识Matplotlib
  42. 5.2 基本二维绘图
  43. 5.3 三维绘图
  44. 5.4 小提琴图
  45. 第6章 基于回归的数据分析
  46. 6.1 简单线性回归
  47. 6.2 多元回归
  48. 6.3 广义线性回归
  49. 6.4 岭回归
  50. 6.5 套索回归
  51. 6.6 非线性回归
  52. 第7章 基于分类的数据分析
  53. 7.1 KNN分类器
  54. 7.2 线性分类器
  55. 7.3 逻辑分类
  56. 7.4 贝叶斯分类
  57. 7.5 决策树
  58. 7.6 随机森林
  59. 第8章 基于聚类的数据分析
  60. 8.1 聚类的分类
  61. 8.2 k-means聚类
  62. 8.3 Mean Shift聚类
  63. 8.4 谱聚类
  64. 8.5 层次聚类算法
  65. 8.6 密度聚类
  66. 第9章 数据特征分析
  67. 9.1 数据表达
  68. 9.2 交互式与多项式特征
  69. 9.3 自动化特征选择
  70. 参考文献