- Python数据分析从小白到高手(全彩视频版)/CDA数据分析师技能树系列
- - 作者：编者:王国平|责编:耍利娜
  - 出版社：化学工业
  - ISBN：9787122444257
  - 出版日期：2024/03/01
  - 页数：306
- 售价：39.6

内容大纲
    大数据时代，掌握必要的数据分析能力，将大大提升你的工作效率和自身竞争力。Python是数据分析的一大利器，本书将详细讲解利用Python进行数据分析与可视化的相关知识。
    本书主要内容包括：Python入门、搭建开发环境、语法、数据类型、数据加载、数据准备、数据可视化、机器学习、深度学习、自然语言处理等，并通过三个综合案例将这些知识加以运用。
    本书适合数据分析初学者、初级数据分析师、数据库技术人员等自学使用。同时，本书也可用作职业院校、培训机构相关专业的教材及参考书。
作者介绍
王国平具有十余年金融、电力、互联网等行业从业经历，现已出版十余本专著；擅长数据分析、数据可视化、机器学习等，精通Python、SPSS、Tableau、Power Bl等数据分析工具，熟悉MySQL、SQL Server等数据库，以及Hadoop、Hive、Zeppelin、Spark等大数据分析及可视化工具。
目录
1  Python入门
  1.1  为什么选择Python
    1.1.1  人工智能与ChatGPT
    1.1.2  Python与人工智能
  1.2  Python主要库简介
    1.2.1  NumPy
    1.2.2  Pandas
    1.2.3  Matplotlib
    1.2.4  Sklearn
  1.3  如何学习Python
2  搭建Python开发环境
  2.1  Anaconda
    2.1.1  什么是Anaconda
    2.1.2  安装Anaconda
  2.2  常用开发工具
    2.2.1  Spyder
    2.2.2  Jupyter Lab
    2.2.3  PyCharm
  2.3  包管理工具pip
3  Python语法
  3.1  Python基础语法
    3.1.1  变量及其命名
    3.1.2  代码行与缩
    3.1.3  条件if及if嵌套
    3.1.4  循环while与for
    3.1.5  格式format()与%
    3.1.6  编码类型及转换
  3.2  Python运算符
    3.2.1  算术运算符
    3.2.2  赋值运算符
    3.2.3  比较运算符
    3.2.4  逻辑运算符
    3.2.5  运算符优先级
  3.3  Python常用技巧
    3.3.1  自动补全程序
    3.3.2  变量赋值技巧
    3.3.3  变量链式比较
    3.3.4  获取元素索引
    3.3.5  遍历序列元素
    3.3.6  序列元素排序
    3.3.7  列表解析式
    3.3.8  元素序列解包
    3.3.9  合并序列元素
    3.3.10  三元表达式
    3.3.11  lambda表达式
    3.3.12  矩阵乘法与转置
4  Python数据类型
  4.1  认识数据类型
    4.1.1  数值(number)类型
    4.1.2  字符串(string)类型

    4.1.3  列表(list)类型
    4.1.4  元组(tuple)类型
    4.1.5  集合(set)类型
    4.1.6  字典(dict)类型
    4.1.7  布尔值(boolean)类型
    4.1.8  空值(None)类型
    4.1.9  数据类型转换
  4.2  字符串常用方法
    4.2.1  字符串拼接的3种方法
    4.2.2  字符串切片的2种方法
    4.2.3  分割与合并字符串
    4.2.4  检索子字符串的几种方法
    4.2.5  字符串对齐的3种方法
    4.2.6  去除字符串中空格的3种方法
    4.2.7  字符串大小写转换的3种函数
    4.2.8  获取字符串长度或字节数
    4.2.9  统计字符串出现次数
  4.3  列表常用方法
    4.3.1  append()方法
    4.3.2  clear()方法
    4.3.3  copy()方法
    4.3.4  count()方法
    4.3.5  extend()方法
    4.3.6  index()方法
    4.3.7  insert()方法
    4.3.8  pop()方法
    4.3.9  remove()方法
    4.3.10  reverse()方法
    4.3.11  sort()方法
5  Python数据加载
  5.1  加载本地离线数据
    5.1.1  加载TXT文件数据
    5.1.2  加载CSV文件数据
    5.1.3  加载Excel文件数据
  5.2  加载常用数据库数据
    5.2.1  加载Oracle数据库数据
    5.2.2  加载MySQL数据库数据
    5.2.3  加载SQL Server数据库数据
  5.3  加载Hadoop集群数据
    5.3.1  集群软件及其版本
    5.3.2  集群网络环境配置
    5.3.3  Python连接Hive
  5.4  加载Web在线数据
6  Python数据准备
  6.1  数据的索引
    6.1.1  创建索引
    6.1.2  创建层次化索引
    6.1.3  调整索引
  6.2  数据的排序
    6.2.1  按行索引排序数据

    6.2.2  按列索引排序数据
    6.2.3  按一列或多列排序数据
    6.2.4  按一行或多行排序数据
  6.3  数据的切片
    6.3.1  提取一列或多列数据
    6.3.2  提取一行或多行数据
    6.3.3  提取指定区域的数据
  6.4  数据的聚合
    6.4.1  groupby()函数：分组聚合
    6.4.2  agg()函数：更多聚合指标
  6.5  数据的透视
    6.5.1  pivot_table()函数：数据透视
    6.5.2  crosstab()函数：数据交叉
  6.6  数据的合并
    6.6.1  merge()函数：横向合并
    6.6.2  concat()函数：纵向合并
7  Python数据可视化
  7.1  Matplotlib
    7.1.1  Matplotlib库简介
    7.1.2  业绩考核误差条形图
  7.2  Pyecharts
    7.2.1  Pyecharts库简介
    7.2.2  销售额主题河流图
  7.3  Seaborn
    7.3.1  Seaborn库简介
    7.3.2  利润额增强箱形图
  7.4  Plotly
    7.4.1  Plotly库简介
    7.4.2  家庭成员结构旭日图
  7.5  Altair
    7.5.1  Altair库简介
    7.5.2  月度订单量脊线图
  7.6  NetworkX
    7.6.1  NetworkX简介
    7.6.2  NetworkX绘制平衡树
8  Python机器学习
  8.1  机器学习理论概述
    8.1.1  机器学习概念
    8.1.2  机器学习分类
    8.1.3  模型评估方法
  8.2  线性回归及其案例
    8.2.1  线性回归简介
    8.2.2  线性回归的建模
    8.2.3  汽车价格的预测
  8.3  聚类分析及其案例
    8.3.1  K-Means聚类简介
    8.3.2  K-Means聚类建模
    8.3.3  使用手肘法判断聚类数
    8.3.4  轮廓系数法判断聚类数
  8.4  XGBoost及其案例

    8.4.1  XGBoost算法概述
    8.4.2  XGBoost算法参数
    8.4.3  XGBoost算法案例
  8.5  时间序列及其案例
    8.5.1  时间序列算法概述
    8.5.2  指数平滑法及其案例
    8.5.3  ARIMA算法及其案例
9  Python深度学习
  9.1  深度学习概述
    9.1.1  什么是深度学习
    9.1.2  安装PyTorch 2.0
  9.2  PyTorch图像识别技术
    9.2.1  加载数据集
    9.2.2  搭建与训练网络
    9.2.3  预测图像数据
  9.3  PyTorch模型可视化
    9.3.1  Visdom简介
    9.3.2  Visdom可视化操作
  9.4  手写数字自动识别
10  Python自然语言处理
  10.1  自然语言处理概述
  10.2  Jieba中文分词
    10.2.1  Jieba分词模式
    10.2.2  自定义停用词
    10.2.3  商品评论关键词词云
  10.3  聊天机器人ChatGPT
    10.3.1  ChatGPT简介
    10.3.2  Python如何调用ChatGPT
    10.3.3  Python调用ChatGPT举例
  10.4  spaCy
    10.4.1  spaCy简介
    10.4.2  spaCy语言模型
    10.4.3  spaCy依存分析
  10.5  Gensim
    10.5.1  Gensim简介
    10.5.2  Gensim文本处理步骤
    10.5.3  中文LDA分析及可视化
11  案例：金融量化交易分析
  11.1  案例背景概述
    11.1.1  案例研究意义
    11.1.2  K线图技术理论
    11.1.3  案例数据采集
  11.2  数据基础分析
    11.2.1  查看数据集信息
    11.2.2  数据描述性分析
    11.2.3  数据可视化分析
  11.3  股票数据分析
    11.3.1  指标相关性分析
    11.3.2  指标趋势性分析
    11.3.3  股票交易时机分析

    11.3.4  股票交易策略分析
  11.4  案例小结
12  案例：武汉市空气质量分析
  12.1  案例背景概述
  12.2  历年数据可视化分析
  12.3  AQI回归分析
  12.4  案例小结
13  案例：阿尔茨海默病特征分析
  13.1  案例背景概述
  13.2  数据预处理
  13.3  数据建模
  13.4  案例小结
附录
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目