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數據分析基礎與案例實戰(大數據技術精品系列教材)

  • 作者：編者:楊果仁//張良均|責編:趙亮
  • 出版社：人民郵電
  • ISBN：9787115620101
  • 出版日期：2023/08/01
  • 裝幀：平裝
  • 頁數：236
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以Python數據分析的常用技術與交通行業真實案例相結合的方式，深入淺出地介紹了Python數據分析與挖掘技術的重要內容。全書共10章，內容包括緒論、Python數據分析簡介、數據獲取、數據探索、數據預處理、構建模型、運輸車輛駕駛行為分析、公交車站點設置優化分析、鐵路站點客流量預測，以及基於TipDM大數據挖掘建模平台實現運輸車輛駕駛行為分析。本書大部分章節包含課後習題，通過練習和操作實踐，讀者可以鞏固所學的內容。
    本書可作為高校數據分析相關專業的教材，也可作為交通行業相關的教學、培訓教材，還可作為數據分析愛好者的自學用書。
作者介紹
編者:楊果仁//張良均|責編:趙亮
目錄
第1章  緒論
  1.1  了解交通大數據
    1.1.1  交通大數據的背景
    1.1.2  交通大數據的應用
  1.2  認識數據分析
    1.2.1  掌握數據分析的基本任務
    1.2.2  熟悉數據分析的基本流程
  1.3  了解常用的數據分析工具
  1.4  配置Python開發環境
    1.4.1  安裝Anaconda
    1.4.2  掌握JupyterNotebook的使用方法
  小結
  課後習題
第2章  Python數據分析簡介
  2.1  入門Python數據分析
    2.1.1  了解基本命令
    2.1.2  掌握數據結構
    2.1.3  函數式編程
    2.1.4  導入與添加庫
  2.2  了解Python數據分析常用擴展庫
    2.2.1  NumPy
    2.2.2  SciPy
    2.2.3  pandas
    2.2.4  Matplotlib
    2.2.5  scikit-learn
  小結
  課後習題
第3章  數據獲取
  3.1  了解常見的數據來源
  3.2  了解交通信息的採集
    3.2.1  交通信息的分類與特點
    3.2.2  常見的交通信息採集技術
  3.3  了解常見的數據類型
  3.4  掌握數據的讀取方式
    3.4.1  讀取資料庫數據
    3.4.2  讀取文件數據
  小結
  課後習題
第4章  數據探索
  4.1  分析數據質量
    4.1.1  分析缺失值
    4.1.2  分析異常值
  4.2  分析數據特徵
    4.2.1  分析數據的統計量
    4.2.2  分析數據的分佈情況
    4.2.3  對比分析數據
    4.2.4  分析數據的周期性
    4.2.5  分析數據的相關性
  小結
  課後習題

第5章  數據預處理
  5.1  數據清洗
    5.1.1  處理缺失值
    5.1.2  處理異常值
  5.2  數據變換
    5.2.1  函數變換
    5.2.2  數據標準化
    5.2.3  離散化連續型數據
  5.3  屬性構造
  5.4  屬性規約
  5.5  數據合併
    5.5.1  多表合併
    5.5.2  分組聚合數據
  小結
  課後習題
第6章  構建模型
  6.1  構建分類與回歸模型
    6.1.1  常用的分類與回歸演算法
    6.1.2  了解回歸分析
    6.1.3  了解樸素貝葉斯
    6.1.4  了解決策樹
    6.1.5  了解人工神經網路
    6.1.6  評價分類與回歸模型
  6.2  構建聚類模型
    6.2.1  了解常用的聚類演算法
    6.2.2  了解K-Means聚類
    6.2.3  了解密度聚類
    6.2.4  聚類模型評價
  6.3  構建時間序列模型
    6.3.1  了解常用的時間序列模型
    6.3.2  預處理時間序列
    6.3.3  分析平穩時間序列
  小結
  課後習題
第7章  運輸車輛駕駛行為分析
  7.1  分析背景與目標
    7.1.1  背景
    7.1.2  數據說明
    7.1.3  分析目標
  7.2  數據探索分析
    7.2.1  分佈分析
    7.2.2  相關性分析
    7.2.3  異常值檢測
  7.3  駕駛行為聚類分析
    7.3.1  K-Means聚類
    7.3.2  層次聚類
    7.3.3  高斯混合模型聚類
    7.3.4  譜聚類
  7.4  構建駕駛行為預測模型
    7.4.1  構建線性判別分析模型

    7.4.2  構建樸素貝葉斯模型
    7.4.3  構建神經網路模型
  7.5  駕駛行為分析總結與建議
  小結
  課後習題
第8章  公交車站點設置優化分析
  8.1  分析背景與目標
    8.1.1  背景
    8.1.2  數據說明
    8.1.3  分析目標
  8.2  探索公交刷卡數據
  8.3  預處理公交車載GPS數據與刷卡數據
    8.3.1  屬性規約
    8.3.2  缺失值處理
    8.3.3  數據去重
  8.4  構建DBSCAN模型
  8.5  公交車站點設置優化分析
    8.5.1  計算上車人數
    8.5.2  計算下車人數
    8.5.3  結果分析
  小結
  課後習題
第9章  鐵路站點客流量預測
  9.1  分析背景與目標
    9.1.1  背景
    9.1.2  數據說明
    9.1.3  分析目標
  9.2  預處理客流量數據
  9.3  探索客流量數據
    9.3.1  不同站點上下車客流量分佈分析
    9.3.2  不同時段上下車客流量分佈分析
    9.3.3  分析節假日客流量變化
  9.4  構建模型並預測客流量
    9.4.1  構建時間序列模型
    9.4.2  預測非節假日客流量
    9.4.3  預測節假日客流量
  小結
  課後習題
第10章  基於TipDM大數據挖掘建模平台實現運輸車輛駕駛行為分析
  10.1  TipDM大數據挖掘建模平台簡介
    10.1.1  共享庫
    10.1.2  數據連接
    10.1.3  數據集
    10.1.4  我的工程
    10.1.5  個人演算法
  10.2  實現運輸車輛駕駛行為分析
    10.2.1  數據源配置
    10.2.2  數據探索分析
    10.2.3  駕駛行為聚類分析
    10.2.4  構建駕駛行為預測模型

  小結

  • 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