Python數據科學實戰 尤利.瓦西列夫 9787115620675 【台灣高等教育出版社】

編輯推薦
適讀人群 ：本書適合希望使用Python處理和分析數據的開發人員閱讀，也可供計算機相關專業的師生參考。
1 實戰經驗豐富：本書提供了大量真實案例和項目經驗，展示了 Python 在獲取、轉換和分析數據方面的功能，幫助讀者深入了解Python數據科學的應用場景和實際操作。
2 覆蓋多個領域：本書旨在展示如何充分利用Python實現快速的數據處理，不僅涵蓋了數據處理、分析和可視化，還涉及統計學和機器學習等多個領域，為讀者提供了一個全面的數據科學知識體系。
3 深入淺出：作者通過生動的語言和詳細的解釋，將複雜的數據科學概念和演算法簡單化，讓讀者輕鬆上手，快速掌握Python數據科學的核心技能。
4 通過本書，你不僅會深入理解 Python 數據結構及其強大的第三方庫，還會掌握如何聚合、合併、可視化和分析數據等。在企業管理、市場營銷和金融等領域中，基於Python可以實現快速的數據處理。

內容簡介
本書主要從實戰角度講述了如何處理、分析和可視化數據，如何用數據建立各種統計學或機器學習模型。本書首先介紹如何使用Python代碼獲取、轉換和分析數據；接著講述如何使用Python中的數據結構和第三方庫；然後展示如何以各種格式載入數據，如何對數據進行分組與匯總，如何創建圖表和可視化數據；最後討論如何解決實際的問題。
本書適合希望使用Python處理和分析數據的開發人員閱讀，也可供計算機相關專業的師生參考。

作者簡介
尤里 瓦西列夫（Yuli Vasiliev）是一名程序員、作家，精通開源開發、數據結構和資料庫後端開發。他是 Natural Language Processing with Python and spaCy一書的作者。

目錄
目 錄
第 1章 數據的基礎知識 1
1 1 數據類別 1
1 1 1 非結構化數據 1
1 1 2 結構化數據 2
1 1 3 半結構化數據 3
1 1 4 時間序列數據 4
1 2 數據來源 5
1 2 1 API 6
1 2 2 網頁 7
1 2 3 數據框 7
1 2 4 文件 8
1 3 數據處理流程 8
1 3 1 數據獲取 9
1 3 2 數據清洗 9
1 3 3 數據變換 10
1 3 4 數據分析 10
1 3 5 數據存儲 11
1 4 Python特有的方式 11
1 5 總結 12
第 2章 Python數據結構 13
2 1 列表 13
2 1 1 創建列表 14
2 1 2 使用常見列表對象方法 14
2 1 3 使用切片符號 15
2 1 4 用列表實現隊列 16
2 1 5 用列表實現棧 18
2 1 6 用列表和棧進行自然語言處理 18
2 1 7 使用列表推導式改進演算法 20
2 2 元組 24
2 2 1 元組列表 24
2 2 2 不變性 25
2 3 字典 26
2 3 1 字典列表 26
2 3 2 使用setdefault()在字典中添加元素 26
2 3 3 將JSON文件載入到字典中 28
2 4 集合 29
2 4 1 從序列中刪除重複項 29
2 4 2 實現常見集合運算 30
2 5 總結 32
第3章 Python第三方庫 33
3 1 NumPy庫 33
3 1 1 安裝NumPy庫 34
3 1 2 創建NumPy數組 34
3 1 3 逐點運算 34
3 1 4 使用NumPy統計函數 35
3 2 pandas庫 36
3 2 1 安裝pandas庫 36
3 2 2 序列 36
3 2 3 數據框 39
3 3 scikit-learn庫 47
3 3 1 安裝scikit-learn庫 47
3 3 2 獲得樣本數據 48
3 3 3 把樣本數據載入數據框 48
3 3 4 把數據分成訓練數據集和測試數據集 48
3 3 5 把文本轉化為數值特徵向量 49
3 3 6 訓練和評估模型 50
3 3 7 在新數據中做預測 50
3 4 總結 51
第4章 從文件和API訪問數據 52
4 1 使用Python函數open()導入數據 52
4 1 1 文本文件 52
4 1 2 表格數據文件 54
4 1 3 二進位文件 56
4 2 將數據導出到文件 57
4 3 訪問遠程文件和API 58
4 3 1 HTTP請求的工作原理 58
4 3 2 urllib3庫 59
4 3 3 Requests庫 61
4 4 將數據移入或移出數據框 62
4 4 1 導入嵌套的JSON結構 62
4 4 2 將數據框轉換為JSON文檔 63
4 4 3 使用pandas-datareader庫將在線數據載入到數據框中 65
4 5 總結 66
第5章 使用資料庫 67
5 1 關係資料庫 67
5 1 1 了解SQL語句 68
5 1 2 MySQL入門 69
5 1 3 定義資料庫結構 69
5 1 4 將數據插入資料庫中 72
5 1 5 查詢資料庫數據 73
5 1 6 使用資料庫分析工具 75
5 2 NoSQL資料庫 81
5 2 1 Redis資料庫 81
5 2 2 MongoDB資料庫 83
5 3 總結 85
第6章 聚合數據 86
6 1 要聚合的數據 86
6 2 合併數據框 88
6 3 分組和聚合數據 90
6 3 1 按多索引查看特定值 91
6 3 2 通過切片獲得一系列值 93
6 3 3 多索引多層次切片 93
6 3 4 添加總計 94
6 3 5 添加小計 95
6 4 選擇組中的所有行 96
6 5 總結 97
第7章 合併數據 98
7 1 合併Python數據結構 98
7 1 1 使用「+」合併列表和元組 98
7 1 2 使用「**」合併字典 100
7 1 3 合併兩個結構的對應行 100
7 1 4 列表的多種合併方式 102
7 2 合併NumPy數組 104
7 3 合併pandas數據結構 106
7 3 1 連接數據框 106
7 3 2 合併兩個數據框 110
7 4 總結 114
第8章 數據可視化 115
8 1 常見可視化形式 115
8 1 1 折線圖 115
8 1 2 柱狀圖 116
8 1 3 餅狀圖 117
8 1 4 直方圖 118
8 2 使用Matplotlib庫繪製圖 118
8 2 1 安裝Matplotlib庫 118
8 2 2 使用matplotlib pyplot 119
8 2 3 使用Figure和Axes對象 120
8 3 總結 124
第9章 分析空間數據 125
9 1 獲取空間數據 125
9 1 1 將人可讀的地址轉換為地理坐標 125
9 1 2 獲取移動對象的地理坐標 126
9 2 基於geopy庫和Shapely庫的空間數據分析 129
9 2 1 查找最近的對象 129
9 2 2 在特定區域中查找對象 131
9 2 3 結合兩種方法 133
9 3 結合空間數據和非空間數據 134
9 3 1 提取非空間屬性 134
9 3 2 合併空間數據集和非空間數據集 136
9 4 總結 137
第 10章 分析時間序列數據 139
10 1 規則時間序列與不規則時間序列 139
10 2 常見的時間序列分析技術 141
10 2 1 計算百分比變化 142
10 2 2 滾動窗口計算 143
10 2 3 計算滾動平均值的百分比變化 144
10 3 多元時間序列 144
10 3 1 處理多元時間序列 145
10 3 2 分析變數之間的依賴性 146
10 4 總結 150
第 11章 從數據中挖掘信息 151
11 1 關聯法則 151
11 1 1 支持度 152
11 1 2 置信度 152
11 1 3 提升度 153
11 2 Apriori演算法 153
11 2 1 創建交易數據集 154
11 2 2 識別頻繁項集 155
11 2 3 生成關聯規則 156
11 3 可視化關聯規則 157
11 4 從關聯規則獲得可操作信息 160
11 4 1 生成推薦信息 160
11 4 2 基於關聯規則的折扣規劃 161
11 5 總結 163
第 12章 數據分析的機器學習 164
12 1 為什麼選擇機器學習 164
12 2 機器學習的類型 165
12 2 1 有監督學習 165
12 2 2 無監督學習 166
12 3 機器學習的工作原理 166
12 3 1 訓練數據 166
12 3 2 統計模型 167
12 3 3 預測數據 167
12 4 情感分析示例：產品評論分類 168
12 4 1 獲取產品評論 168
12 4 2 清理數據 169
12 4 3 拆分和轉換數據 171
12 4 4 訓練模型 173
12 4 5 評估模型 173
12 5 預測股票走勢 175
12 5 1 獲取數據 176
12 5 2 從連續數據中提取特徵 177
12 5 3 生成輸出變數 178
12 5 4 訓練和評估模型 179
12 6 總結 180