1.实战经验丰富：本书提供了大量真实案例和项目经验，展示了 Python 在获取、转换和分析数据方面的功能，帮助读者深了解Python数据科学的应用场景和实际操作。 2.覆盖多个领域：本书旨在展示如何充分利用Python实现快速的数据处理，不仅涵盖了数据处理、分析和可视化，还涉及统计学和机器学习等多个领域，为读者提供了一个全面的数据科学知识体系。 3.深浅出：作者通过生动的语言和详细的解释，将复杂的数据科学概念和算法简单化，让读者轻松上手，快速掌握Python数据科学的核心技能。
售 价：¥
纸质售价：¥55.10购买纸书
6.3
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
技术审校者简介
前 言
在数据科学中使用Python
本书读者对象
本书内容
服务与支持
提交勘误信息
与我们联系
关于异步社区和异步图书
第1章 数据的基础知识
1.1 数据类别
1.2 数据来源
1.3 数据处理流程
1.4 Python特有的方式
1.5 总结
第2章 Python数据结构
2.1 列表
2.2 元组
2.3 字典
2.4 集合
2.5 总结
第3章 Python第三方库
3.1 NumPy库
3.2 pandas库
3.3 scikit-learn库
3.4 总结
第4章 从文件和API访问数据
4.1 使用Python函数open()导入数据
4.2 将数据导出到文件
4.3 访问远程文件和API
4.4 将数据移入或移出数据框
4.5 总结
第5章 使用数据库
5.1 关系数据库
5.2 NoSQL数据库
5.3 总结
第6章 聚合数据
6.1 要聚合的数据
6.2 合并数据框
6.3 分组和聚合数据
6.4 选择组中的所有行
6.5 总结
第7章 合并数据
7.1 合并Python数据结构
7.2 合并NumPy数组
7.3 合并pandas数据结构
7.4 总结
第8章 数据可视化
8.1 常见可视化形式
8.2 使用Matplotlib库绘制图
8.3 总结
第9章 分析空间数据
9.1 获取空间数据
9.2 基于geopy库和Shapely库的空间数据分析
9.3 结合空间数据和非空间数据
9.4 总结
第10章 分析时间序列数据
10.1 规则时间序列与不规则时间序列
10.2 常见的时间序列分析技术
10.3 多元时间序列
10.4 总结
第11章 从数据中挖掘信息
11.1 关联法则
11.2 Apriori算法
11.3 可视化关联规则
11.4 从关联规则获得可操作信息
11.5 总结
第12章 数据分析的机器学习
12.1 为什么选择机器学习
12.2 机器学习的类型
12.3 机器学习的工作原理
12.4 情感分析示例：产品评论分类
12.5 预测股票走势
12.6 总结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
