-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

跟老齊學Python:數據分析

( 簡體 字)
作者:齊偉類別:1. -> 程式設計 -> Python
譯者:
出版社:電子工業出版社跟老齊學Python:數據分析 3dWoo書號: 49213
詢問書籍請說出此書號!

缺書
NT售價: 395

出版日:6/1/2018
頁數:332
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121340031
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

認真閱讀序言,是讀書的好習慣。
“跟老齊學Python”系列已經出版了三本書,第一本是Python入門教程——《跟老齊學Python:輕松入門》,第二本是Web開發教程——《跟老齊學Python:Django實戰》,本書是第三本。在閱讀本書之前,需要讀者完成《跟老齊學Python:輕松入門》的學習或者具有相當程度的知識。
我遇到的學生、軟件工程師、大學教師等,他們以各種理由來說明在數據分析、機器學習中應該選擇哪種語言或者什么工具。在實際工作中,也的確是百花齊放、百家爭鳴。那么到底學什么呢?
這是一個令人苦惱的問題,也是一個浪費時間的問題。
幸虧,現實給出了一個統計性的答案:Python已經勝出。
所以,本書就呈現在讀者眼前了。
本書的目標如下。
? 數據分析和機器學習的入門讀物。凡是有志于在此領域工作的讀者,通過閱讀本書,能夠跨進該領域,為日后工作奠定基礎。
? 在示例中學習。本書在適當時機,向讀者提供各種類型的示例(因為面向對象中的“實例”有特別含義,所以本書中用“示例”表示“某知識技能的應用舉例”)。
? 為讀者展示一種學習方法。這也是我在前面兩本書中所貫徹的核心思想,本書繼承這個思想。
本書冠名“數據分析”,是因為絕大部分內容介紹了數據分析的知識和應用,讀者學習完這些內容,即可從事相關的工作。在本書的最后一章,也以示例的方式簡要介紹了機器學習中的一點內容,主要目的是“開個天窗”,讓具有數據分析知識的讀者能夠看到更廣闊的天空。當然,也夾帶了私活,就是預告系列叢書的下一本“機器學習”。
如果本書能夠成為讀者進入數據分析、機器學習領域的墊腳石,我當榮幸之至。
這本書的編寫完全是在業余時間完成的,所幸有妻子相助,感謝我的妻子,她為我的寫作提供了很多幫助,除日常生活外,還協助我查詢和翻譯一些資料,通讀了全書內容,修正了很多語言表達方面的錯誤,比如語法錯誤、錯別字等。
另外,還要感謝本書的編輯朋友們,正是有了她們細致、耐心的工作,才能夠讓本書呈現在讀者面前。
內容簡介:

《跟老齊學Python》系列后續。讀者在本書中可以學習到Numpy、Pandas、matplotlib、SciPy、SymPy等與數據分析相關的庫,掌握其所定義的數據對象以及常用的屬性和方法等,并通過各種類型的應用舉例將所學基本知識給予綜合應用。

目錄:

第0章 數據分析概述 1
0.1 與數據相關的概念 1
0.2 數據分析技術的發展 3
0.3 開發環境配置 5
第1章 NumPy基礎和應用 9
1.1 數組對象基礎 9
1.2 數組的索引和切片 25
1.3 針對數組的操作 36
1.4 運算和通用函數 46
1.5 簡單統計應用 53
1.6 矩陣 57
1.7 矢量運算 60
1.8 綜合應用示例 68
第2章 Pandas基礎和應用 75
2.1 常用數據對象 75
2.2 索引對象 88
2.3 數據索引和切片 95
2.4 文件讀寫操作 107
2.5 處理缺失數據 116
2.6 規整數據 121
2.7 分組運算 141
2.8 矢量化字符串 158
2.9 與時間相關的操作 161
2.10 簡單的應用示例 174
第3章 數據可視化 179
3.1 Matplotlib概覽 179
3.2 設置坐標系 186
3.3 繪制圖像 197
3.4 常用統計圖 211
3.5 繪制三維圖像 225
3.6 Seaborn掠影 231
第4章 綜合應用 235
4.1 分析股票數據 235
4.2 分析文胸評論數據 245
4.3 分析電影票房數據 249
4.4 可視化城市人口數據 253
4.5 分析希臘葡萄酒數據 259
4.6 應用本福特定律 273
4.7 制作詞云 278
第5章 機器學習 283
5.1 線性回歸 283
5.2 線性回歸示例 299
5.3 Logistic回歸 304
5.4 貝葉斯方法 314
跋 324
序: