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數據分析與應用項目教程(電腦類專業新形態立體化雙色印刷高等職業教育系列教材)

  • 作者：編者:劉瑞新|責編:和慶娣//李培培
  • 出版社：機械工業
  • ISBN：9787111785958
  • 出版日期：2025/08/01
  • 裝幀：平裝
  • 頁數：273
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書結合項目案例，系統介紹數據分析與應用的核心技術，涵蓋了從數據獲取、預處理、分析、可視化到機器學習建模的完整流程。全書共分為10個項目，循序漸進地講解數據分析相關的關鍵概念、技術和工具。內容包括Python數據分析概述，Anaconda開發環境與JupyterLab的使用，NumPy的使用，Pandas基礎、數據預處理、數據分組與聚合分析，使用Matplotlib實現數據可視化，時間序列數據的處理與分析，文本數據的處理與分析，機器學習基礎和綜合案例等。每個項目均包含學習目標、知識鏈接、項目實施和習題，確保理論與實踐結合，適合教師授課，能夠邊學邊做。
    本書適合作為高等職業院校大數據技術、人工智慧等專業「數據分析與應用」或「數據分析與可視化」課程的教材，同樣適用於1+X（人工智慧數據處理）職業技能等級證書課程，也適合數據分析初學者、數據分析工程師及相關培訓機構學員學習。
作者介紹
編者:劉瑞新|責編:和慶娣//李培培
目錄
前言
二維碼資源清單
項目1  Python數據分析概述
  1.1  數據分析概述
    1.1.1  數據的定義與分類
    1.1.2  數據分析的定義和內容
  1.2  搭建數據分析與可視化開發環境
    1.2.1  下載Anaconda安裝包
    1.2.2  安裝Anaconda
  1.3  JupyterLab的使用
    1.3.1  啟動JupyterLab
    1.3.2  配置JupyterLab
    1.3.3  JupyterLab的界面
    1.3.4  JupyterLab的基本用法
  習題
項目2  數值計算庫NumPy
  2.1  NumPy模塊的安裝、導入與數組的概念
    2.1.1  NumPy模塊的導入
    2.1.2  NumPy數組的概念
  2.2  創建數組
    2.2.1  數組的屬性
    2.2.2  使用array()函數創建數組
    2.2.3  創建數組的其他方式
    2.2.4  使用隨機數模塊生成隨機數數組
  2.3  數組的數據類型
    2.3.1  NumPy的常用數據類型
    2.3.2  查看數據類型
    2.3.3  轉換數據類型
  2.4  數組元素的操作
    2.4.1  整數索引和切片
    2.4.2  花式索引
    2.4.3  布爾索引
    2.4.4  數組元素的添加、刪除、修改和查詢
  2.5  數組的算術運算
    2.5.1  形狀相同的數組間運算
    2.5.2  形狀不同的數組間運算
    2.5.3  數組與標量間的運算
    2.5.4  數組的布爾運算
  2.6  數組的重塑與轉置
    2.6.1  數組的重塑
    2.6.2  數組的轉置
  2.7  數組的讀、寫文件操作
    2.7.1  讀、寫文本文件
    2.7.2  讀、寫CSV文件
  2.8  案例：高等數學考試成績數據分析
    2.8.1  案例簡介
    2.8.2  案例實現
  習題
項目3  數據分析庫Pandas基礎
  3.1  Pandas模塊的導入與數據結構

    3.1.1  Pandas模塊的導入
    3.1.2  Pandas的數據結構
  3.2  Pandas對象的創建
    3.2.1  創建Series對象
    3.2.2  創建DataFrame對象
  3.3  Pandas對象的屬性和方法
    3.3.1  Series對象的常用屬性和方法
    3.3.2  DataFrame對象的常用屬性和方法
  3.4  索引和切片
    3.4.1  Series的索引和切片
    3.4.2  DataFrame的索引和切片
  3.5  數據編輯
    3.5.1  增加數據
    3.5.2  修改數據
    3.5.3  刪除數據
  3.6  算術運算與數據對齊
  3.7  數據排序
  3.8  統計計算與描述
  3.9  Pandas的文件操作
    3.9.1  讀寫CSV和TXT文件的數據
    3.9.2  讀寫Excel文件的數據
  3.10  案例：學生考試成績數據分析
    3.10.1  案例簡介
    3.10.2  案例實現
  習題
項目4  Pandas數據預處理
  4.1  數據清洗
    4.1.1  缺失值的處理
    4.1.2  重複值的處理
    4.1.3  異常值的處理
  4.2  數據合併
    4.2.1  主鍵合併
    4.2.2  堆疊合併
    4.2.3  根據索引合併
    4.2.4  合併重疊數據
  4.3  軸向旋轉
  4.4  轉換數據類型
  4.5  數據轉換
    4.5.1  面元劃分
    4.5.2  啞變數處理
  4.6  案例：學生綜合考試成績數據分析
    4.6.1  案例簡介
    4.6.2  案例實現
  習題
項目5  Pandas數據分組與聚合分析
  5.1  數據分組與聚合概述
  5.2  數據分組
    5.2.1  groupby()方法的基本語法
    5.2.2  按單個列分組
    5.2.3  按多個列分組

    5.2.4  按函數分組
  5.3  數據聚合
    5.3.1  常用的聚合函數
    5.3.2  自定義聚合函數
  5.4  多重聚合與聚合結果的格式化
    5.4.1  通過agg()方法聚合函數
    5.4.2  聚合結果的格式化與自定義名稱
  5.5  分組后的篩選與排序
    5.5.1  篩選特定分組
    5.5.2  按條件篩選組內數據
    5.5.3  對分組結果排序
    5.5.4  對分組排序結果重置索引
  5.6  分組中的缺失值處理
    5.6.1  在分組時處理缺失值
    5.6.2  填充缺失值與丟棄缺失數據
    5.6.3  處理分組后數據的異常值
  5.7  分組與聚合操作應用實例
    5.7.1  銷售數據按地區分組聚合
    5.7.2  學生成績按科目和班級分組統計
    5.7.3  按部門和職位對員工薪資進行聚合
  5.8  案例：連鎖超市銷售數據分析與可視化
    5.8.1  案例簡介
    5.8.2  案例實現
  習題
項目6  使用Matplotlib實現數據可視化
  6.1  Matplotlib庫基礎
    6.1.1  圖表的基本組成
    6.1.2  Matplotlib庫繪圖的層次結構
    6.1.3  創建簡單圖表的基本流程
    6.1.4  創建子圖
  6.2  繪製常用圖表
    6.2.1  繪製折線圖
    6.2.2  繪製散點圖
    6.2.3  繪製條形圖
    6.2.4  繪製直方圖
    6.2.5  繪製餅形圖
    6.2.6  繪製面積圖
    6.2.7  繪製熱力圖
    6.2.8  繪製雷達圖
    6.2.9  繪製3D圖形
  6.3  案例：餐廳訂單數據分析與可視化
    6.3.1  案例簡介
    6.3.2  案例實現
  習題
項目7  時間序列數據的處理與分析
  7.1  時間序列概述
    7.1.1  時間序列的定義
    7.1.2  時間相關的四類核心對象
    7.1.3  時間序列數據的使用
  7.2  時間戳與計算

    7.2.1  創建時間戳對象
    7.2.2  創建時間戳索引對象
    7.2.3  創建以時間戳索引為索引的數據對象
    7.2.4  獲取時間序列子集
    7.2.5  創建固定頻率的時間戳索引對象
    7.2.6  時間戳對象常用的屬性和方法
    7.2.7  時間序列的頻率參數
    7.2.8  時間序列的移動
  7.3  時期與計算
    7.3.1  創建一個時期對象
    7.3.2  創建時期索引
    7.3.3  創建固定頻率的時期索引
    7.3.4  創建以時期索引為索引的數據對象
  7.4  時間差與計算
    7.4.1  創建時間差對象
    7.4.2  時間差索引
    7.4.3  創建以時間差索引為索引的數據對象
  7.5  日期偏移量與計算
    7.5.1  日期偏移量別名
    7.5.2  錨定偏移量
    7.5.3  創建自定義DateOffset對象
    7.5.4  日期偏移量的rollforward()和rollback()方法
    7.5.5  在Series或DatetimeIndex中使用日期偏移量
  7.6  時間序列類型轉換
    7.6.1  日期時間轉為時間戳to_datetime()函數
    7.6.2  時間戳轉為時期to_period()方法
    7.6.3  時期轉為時間戳to_timestamp()方法
    7.6.4  轉換為時間差的pd.to_timedelta()函數
  7.7  重採樣
    7.7.1  重採樣方法
    7.7.2  降採樣
    7.7.3  升採樣
  7.8  滑動窗口
  7.9  時間序列數據中的分組與聚合操作
  7.10  案例：餐廳訂單數據分析與可視化（基於時間特徵）
    7.10.1  案例簡介
    7.10.2  案例實現
  習題
項目8  文本數據的處理與分析
  8.1  文本數據分析工具概述
    8.1.1  NLTK和jieba簡介
    8.1.2  安裝NLTK和jieba
    8.1.3  NLP的處理流程
  8.2  文本預處理
    8.2.1  分詞
    8.2.2  詞性標注
    8.2.3  詞形歸一化
    8.2.4  去除停用詞
  8.3  文本情感分析
    8.3.1  文本情感分析的基本概念

    8.3.2  使用情感詞典進行情感分析
  8.4  文本相似度與語義相似度
    8.4.1  文本相似度與語義相似度的基本概念
    8.4.2  文本相似度的分析
  8.5  文本分類
    8.5.1  文本分類的基本概念
    8.5.2  文本分類的處理
  8.6  案例：手機評價數據分析與可視化
    8.6.1  案例簡介
    8.6.2  案例實現
  習題
項目9  機器學習基礎
  9.1  機器學習概述
    9.1.1  機器學習的基本概念
    9.1.2  機器學習的基本類型
    9.1.3  機器學習的常用演算法
  9.2  Scikit-learn概述
    9.2.1  Scikit-learn的安裝
    9.2.2  Scikit-learn的使用步驟
    9.2.3  準備數據
    9.2.4  創建和訓練模型
    9.2.5  預測和評估模型
  9.3  監督學習模型
    9.3.1  線性模型
    9.3.2  分類模型
  9.4  無監督學習模型
    9.4.1  聚類分析模型
    9.4.2  降維演算法模型
  9.5  案例：學生出勤率與成績預測分析及可視化
    9.5.1  案例簡介
    9.5.2  案例實現
  習題
項目10  綜合案例：貨品銷售數據分析與可視化
  10.1  項目介紹和需求分析
    10.1.1  項目介紹
    10.1.2  需求分析
  10.2  導入模塊與載入數據
    10.2.1  創建項目
    10.2.2  導入模塊
    10.2.3  載入數據
  10.3  數據預處理
    10.3.1  刪除重複值、缺失值和修改金額格式
    10.3.2  異常值處理和偏態分佈
    10.3.3  月份列的數據規範化
  10.4  數據分析與可視化
    10.4.1  貨品配送服務分析
    10.4.2  銷售區域潛力分析
    10.4.3  商品質量分析
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