幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python數據處理與挖掘(高等學校信息技術類新方向新動能新形態系列規劃教材)

  • 作者：編者:吳振宇//李春忠//李建鋒|責編:祝智敏
  • 出版社：人民郵電
  • ISBN：9787115539786
  • 出版日期：2020/07/01
  • 裝幀：平裝
  • 頁數：231
人民幣：RMB 49.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以構建完整的知識體係為目標，按照從簡單到複雜的思路，貫穿了數據處理與挖掘的各個環節，具體包括：Python快速入門、Python數據類型、Python常用模塊、Python數據獲取、Python數據挖掘基礎、Python數據挖掘演算法、Python大數據挖掘和Python數據可視化。此外，針對各知識點，本書均設計了相應的Python案例，並給出了實現代碼、效果圖以及相應的解釋，以強化讀者對各知識點的理解與掌握。
    本書可作為高等院校人工智慧、電腦科學與技術、經濟與金融等專業的教材，也可供大數據分析與處理等領域的技術人員學習使用，還可作為數據分析與挖掘研究人員的參考用書。
作者介紹
編者:吳振宇//李春忠//李建鋒|責編:祝智敏
    吳振宇 北京航空航天大學工學博士，南京郵電大學物聯網學院教師，中國指揮與控制學會認知與行為專業委員會委員，中國電腦學會網路與數據通信專業委員會委員。具有長達4年的外商投資企業軟體開發經驗，長期從事數據分析、人工智慧、Linux編程等課程的教學工作。主要研究方向包括大數據分析與挖掘、智能駕駛等。
目錄
第1章  Python快速入門
  1.1  一種簡單的編程語言　
    1.1.1  Python--解釋型編程語言　
    1.1.2  Python應用　
  1.2  Python開發環境　
    1.2.1  搭建簡單的Python開發環境　
    1.2.2  功能強大的集成開發環境　
    1.2.3  互動式開發環境　
  1.3  Python中簡單的程序結構　
    1.3.1  文件是代碼的基本組成單元　
    1.3.2  模塊化地組織代碼　
    1.3.3  代碼縮進區分邏輯關係　
    1.3.4  輸入和輸出提升程序交互性　
    1.3.5  常見的Python解釋器　
  1.4  習題　
第2章  Python數據類型　
  2.1  數據類型是數據表示的基礎　
    2.1.1  Python中一切皆對象　
    2.1.2  數字類型　
    2.1.3  布爾類型　
    2.1.4  字元串類型　
    2.1.5  自定義數據類型　
    2.1.6  變數　
  2.2  語句組成邏輯結構　
    2.2.1  運算符和表達式　
    2.2.2  語句　
  2.3  控製程序的執行　
    2.3.1  順序結構　
    2.3.2  分支結構　
    2.3.3  循環結構　
  2.4  有效存儲數據　
    2.4.1  列表　
    2.4.2  元組　
    2.4.3  字典　
    2.4.4  集合　
    2.4.5  特殊運算符　
  2.5  函數實現代碼復用　
    2.5.1  自定義函數　
    2.5.2  內置函數　
    2.5.3  字元串處理函數　
    2.5.4  函數式編程　
  2.6  存儲數據　
    2.6.1  文件操作　
    2.6.2  JSON和XML　
  2.7  案例：感測器數據分析　
  2.8  習題　
第3章  Python常用模塊　
  3.1  模塊的概念　
  3.2  自定義模塊　
  3.3  正則表達式模塊　

  3.4  NumPy和SciPy模塊　
    3.4.1  NumPy　
    3.4.2  SciPy　
  3.5  Pandas庫　
  3.6  習題　
第4章  Python數據獲取　
  4.1  Web的客戶端/伺服器工作模式　
    4.1.1  Web數據傳輸協議　
    4.1.2  Web頁面標記語言　
    4.1.3  Web樣式設計　
  4.2  Python設計爬蟲軟體　
    4.2.1  頁面請求庫URLLib　
    4.2.2  增強的網路請求庫Requests　
    4.2.3  頁面內容解析庫BeautifulSoup　
    4.2.4  案例：在互聯網上獲取電影評論數據　
    4.2.5  瀏覽器中模擬點擊的Selenium庫　
  4.3  多線程提升數據獲取的效率　
    4.3.1  多線程的使用方法　
    4.3.2  案例：多線程在頁面數據獲取中的應用　
  4.4  習題　
第5章  Python數據挖掘基礎　
  5.1  數據挖掘的基本概念　
    5.1.1  數據挖掘中常用的術語　
    5.1.2  數據挖掘的流程　
  5.2  數據集是數據挖掘的基礎　
    5.2.1  各領域公開了大量的數據集　
    5.2.2  自定義數據　
  5.3  Python中常用的 數據挖掘庫　
    5.3.1  自然語言處理常用的NLTK庫　
    5.3.2  機器學習常用的Sklearn庫　
  5.4  習題　
第6章  Python數據挖掘演算法　
  6.1  數據挖掘中的分類　
    6.1.1  分類問題的基本思想　
    6.1.2  常見的分類演算法　
    6.1.3  樸素貝葉斯分類演算法的原理　
    6.1.4  案例：從頭實現樸素貝葉斯分類演算法　
  6.2  數據挖掘中的聚類　
    6.2.1  聚類的基本思想　
    6.2.2  常見的聚類演算法　
    6.2.3  K-means聚類演算法的原理　
    6.2.4  案例：從頭實現K-means聚類演算法　
  6.3  習題　
第7章  Python大數據挖掘　
  7.1  深度學習是大數據處理的重要手段　
    7.1.1  深度學習來源於神經網路　
    7.1.2  深度學習已有大量模型　
    7.1.3  深度學習框架提升使用效率　
    7.1.4  卷積神經網路的工作原理　
    7.1.5  LSTM網路的工作原理　

    7.1.6  案例：使用卷積神經網路實現蔬菜識別系統　
  7.2  習題　
第8章  Python數據可視化　
  8.1  可視化技術自然地展現數據規律　
  8.2  最為常用的Matplotlib庫　
    8.2.1  使用Matplotlib庫繪製各種圖形　
    8.2.2  Pandas庫中直接繪圖　
  8.3  Seaborn庫增強繪圖效果　
  8.4  Plotnine庫彌補可視化不足　
  8.5  案例：房價數據採集及可視化　
  8.6  習題　
參考文獻　

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032