| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考,以到貨標的為正確資訊。 印行年月:202405*若逾兩年請先於私訊洽詢存貨情況,謝謝。 台灣(台北市)在地出版社,每筆交易均開具統一發票,祝您中獎最高1000萬元。 書名:Python科學與工程數據分析實戰 ISBN:9787302657088 出版社:清華大學 著編譯者:李曉東 頁數:310 所在地:中國大陸 *此為代購商品 書號:1638194 可大量預訂,請先連絡。 內容簡介 本書以Python 3 10 7為平台,以實際應用為背景,通過概述+演算法+經典應用的形式,深入淺出地介紹Python數據分析的相關知識。全書共9章,主要內容包括Python概述、科學計算庫、開源科學集、數據分析利器、數據分析的可視化、基於回歸的數據分析、基於分類的數據分析、基於聚類的數據分析、數據特徵分析等。通過學習本書,讀者可領略到Python的簡單、易學、易讀、易維護等特點,同時也可感受到利用Python實現數據分析應用領域廣泛,功能強大。 本書可作為高等學校相關專業本科生和研究生的教學用書,也可作為相關專業科研人員、學者、工程技術人員的參考用書。目錄 第1章 掀開Python面紗1 1 Python環境搭建 1 1 1 Python的安裝 1 1 2 pip安裝第三方庫 1 1 3 編輯器Jupyter Notebook 1 2 尋求幫助 1 3 基本命令 1 3 1 數字 1 3 2 變數 1 3 3 運算符 1 4 數據類型 1 5 字元串操作 1 6 元素的集合 1 6 1 列表 1 6 2 元組 1 6 3 字典 1 6 4 集合 第2章 科學計算庫 2 1 必需庫的安裝 2 2 NumPy概述 2 3 NumPy的數據類型 2 4 NumPy數組 2 4 1 NumPy數組的創建 2 4 2 NumPy切片 2 4 3 NumPy索引 2 4 4 NumPy迭代 2 4 5 NumPy數組操作 2 4 6 NumPy算術函數 2 5 NumPy統計函數 2 6 NumPy排序 2 7 NumPy線性代數 2 7 1 矩陣和向量積 2 7 2 行列式 2 7 3 求解線性方程 2 7 4 矩陣特徵值和特徵向量 2 8 矩陣分解 2 8 1 Cholesky分解 2 8 2 QR分解 2 8 3 SVD(奇異值)分解 2 9 范數和秩 2 9 1 矩陣的范數 2 9 2 矩陣的秩 第3章 開源科學集 3 1 SciPy常量模塊 3 1 1 常量 3 1 2 單位類型 3 2 SciPy優化器 3 3 SciPy稀疏矩陣 3 3 1 coo_matrix存儲方式 3 3 2 csr_matrix存儲方式 3 3 3 csc_matrix存儲方式 3 3 4 lil_matrix存儲方式 3 3 5 dok_matrix存儲方式 3 3 6 dia_matrix存儲方式 3 3 7 bsr_matrix存儲方式 3 4 SciPy圖結構 3 4 1 鄰接矩陣 3 4 2 連接組件 3 4 3 Dijkstra最短路徑 3 4 4 Floyd Warshall演算法 3 4 5 Bellman-Ford演算法 3 5 SciPy空間數據 3 5 1 三角測量 3 5 2 凸包 3 5 3 K-D樹 3 5 4 距離矩陣 3 6 SciPy插值 3 6 1 一維插值 3 6 2 二維插值 3 6 3 樣條插值 3 7 SciPy顯著性檢驗 3 7 1 統計假設 3 7 2 t檢驗 3 7 3 KS檢驗 3 8 邊緣檢測 第4章 數據分析利器 4 1 Pandas數據結構 4 1 1 系列 4 1 2 數據結構 4 1 3 面板 4 2 統計性描述 4 3 Pandas重建索引 4 4 Pandas迭代與排序 4 4 1 Pandas迭代 4 4 2 Pandas排序 4 5 Pandas統計函數 4 6 Pandas分組與聚合 4 7 數據缺失 4 7 1 數據缺失的原因 4 7 2 檢查缺失值 4 7 3 缺失值的計算 4 7 4 清理/填充缺失數據 4 7 5 丟失缺失的值 4 7 6 替換丟失/通用值 4 8 Pandas連接 4 9 Pandas CSV文件 4 10 Pandas的JSON文件 第5章 數據分析的可視化 5 1 初識Matplotlib 5 2 基本二維繪圖 5 2 1 折線圖 5 2 2 散點圖 5 2 3 條形圖 5 2 4 餅圖 5 2 5 箱線圖 5 2 6 等高線圖 5 3 三維繪圖 5 3 1 三維坐標軸 5 3 2 三維點和線 5 3 3 三維等高線圖 5 3 4 表面三角測量 5 3 5 非結構化圖像 5 3 6 三維體元素 5 4 小提琴圖 第6章 基於回歸的數據分析 6 1 簡單線性回歸 6 1 1 線性回歸概述 6 1 2 簡單線性回歸的實現 6 2 多元回歸 6 2 1 多項式回歸概述 6 2 2 多項式回歸的實現 6 3 廣義線性回歸 6 3 1 函數模型 6 3 2 邊界決策函數 6 3 3 廣義回歸的實現 6 4 嶺回歸 6 5 套索回歸 6 5 1 全子集演算法 6 5 2 貪心演算法 6 5 3 正則化 6 6 非線性回歸 6 6 1 K最近鄰回歸 6 6 2 核回歸 第7章 基於分類的數據分析 7 1 KNN分類器 7 2 線性分類器 7 3 邏輯分類 7 3 1 邏輯回歸概述 7 3 2 邏輯回歸原理 7 3 3 邏輯分類的實現 7 4 貝葉斯分類 7 4 1 貝葉斯分類相關知識 7 4 2 貝葉斯原理 7 4 3 貝葉斯分類的實現 7 5 決策樹 7 5 1 決策樹概述 7 5 2 樹的相關術語 7 5 3 決策樹演算法 7 5 4 信息熵 7 5 5 信息增益 7 5 6 信息增益率 7 5 7 決策樹的應用 7 6 隨機森林 7 6 1 隨機森林概述 7 6 2 特徵重要評估 7 6 3 隨機森林的實現 第8章 基於聚類的數據分析 8 1 聚類的分類 8 2 k-means聚類 8 2 1 k-means聚類的基本原理 8 2 2 演算法流程 8 2 3 隨機分配聚類質心 8 2 4 k-means演算法的優缺點 8 2 5 k-means演算法的變體 8 3 Mean Shift聚類 8 3 1 Mean Shift演算法介紹 8 3 2 Mean Shift演算法的思想 8 3 3 概率密度梯度 8 3 4 Mean Shift向量的修正 8 3 5 Mean Shift演算法流程 8 4 譜聚類 8 4 1 譜聚類的原理 8 4 2 譜聚類演算法描述 8 4 3 譜聚類演算法中的重要屬性 8 4 4 譜聚 詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於PChome商店街私訊告知ISBN或書號,我們即儘速上架。 |