Python大数据分析与挖掘实战（微课版） 下载 pdf 百度网盘 epub 免费 2025 电子版 mobi 在线

从Python基础入门开始，到应用Python进行科学计算、数据处理、数据可视化、机器学习、深度学习，再到利用Python进行金融、地理信息、交通、文本、图像等具体领域数据挖掘与分析，并最终利用Python进行项目GUI可视化应用开发。本书深入浅出地介绍了如何学习Python数据分析技能及应用于具体领域，实践性强。本书分三篇：基础篇、案例篇和提高篇；基础篇（第1~6章）主要介绍Python基本知识及应用于科学计算、数据处理、数据可视化、机器学习、深度学习等方面的基础知识；案例篇（第7~11章）主要介绍了利用Python进行金融、地理信息、交通、文本和图像具体领域的数据挖掘分析应用案例；提高篇（第12章）主要介绍GUI可视化应用项目开发；附录提供6个实训课题，在电子资源中会给出详细的实训指导、数据和程序代码。本书提供了丰富的数据、案例及程序代码，同时理论与实践相结合，以应用为主。适合大数据、数学、计算机、经济金融管理类的本科生和大专生学习。对于研究生及数据挖掘研究者、爱好者也具有很好的参考价值。

基础篇

第1章 Python基础

1.1 Python概述

1.2 Python安装及启动

1.2.1 Python安装

1.2.2 Python启动及界面认识

1.3 Python扩安装

1.3.1 在线安装

1.3.2 离线安装

1.4 Python基本数据类型

1.4.1 数值的定义

1.4.2 字符串的定义

1.4.3 列表的定义

1.4.4 元组的定义

1.4.5 集合的定义

1.4.6 字典的定义

1.5 Python相关的公有方法

1.5.1 索引

1.5.2 切片

1.5.3 长度

1.5.4 统计

1.5.5 成员身份

1.5.6 变量删除

1.6 列表、元组、字符串与字典方法

1.6.1 列表方法

1.6.2 元组方法

1.6.3 字符串方法

1.6.4 字典方法

1.7 条件语句

1.7.1 if…语句

1.7.2 if…else…语句

1.7.3 if…elif…else…语句

1.8 循环语句

1.8.1 while语句

1.8.2 for循环

1.9 函数

1.9.1 无返回值函数的定义与调用

1.9.2 有返回值函数的定义与调用

1.9.3 有多返回值函数的定义与调用

本章小结

本章练r/>第2章 科学计Numpy

2.1 Numpy简介

2.2 创建数组

2.2.1 利用array()函数创建数组

2.2.2 利用内置函数创建数组

2.3 数组尺

2.4 数组运算

2.5 数组切片

2.5.1 常见的数组切片方法

2.5.2 利用ix_()函行数组切片

2.6 数组连接

2.7 数据存取

2.8 数组形态变换

2.9 数组排序与搜索

2.10 矩阵与线代数运算

2.10.1 创建Numpy矩阵

2.10.2 矩阵的属和基本运算

2.10.3 线代数运算

本章小结

本章练r/>第3章 数据处Pandar/> 3.1 Pandas简介

3.2 序列

3.2.1 序列创建及访问

3.2.2 序列属

3.2.3 序列方法

3.2.4 序列切片

3.2.5 序列聚合运算

3.3 数据框

3.3.1 数据框创建

3.3.2 数据框属

3.3.3 数据框方法

3.3.4 数据框切片

3.4 外部文件读取

3.4.1 Excel文件读取

3.4.2 TXT文件读取

3.4.3 CSV文件读取

3.5 常用函数

3.5.1 滚动计算函数

3.5.2 数据框合并函数

3.5.3 数据框关联函数

本章小结

本章练r/>第4章 数据可视Matplotlib

4.1 Matplotlib绘图基础

4.1.1 Matplotlib图像构成

4.1.2 Matplotlib绘图基本流程

4.1.3 中文字符显示

4.1.4 坐标轴字符刻度标注

4.2 Matplotlib常用图形绘制

4.2.1 散点图

4.2.2 线图

4.2.3 柱状图

4.2.4 直方图

4.2.5 饼图

4.2.6 箱线图

4.2.7 子图

本章小结

本章练r/>第5章 机器学现

5.1 Scikit-learn简介

5.2 数据预处理

5.2.1 缺失值处理

5.2.2 数据规范化

5.2.3 主成分分析

5.3 线回归

5.3.1 一元线回归

5.3.2 多元线回归

5.3.3 Python线回归应用举例

5.4 逻辑回归

5.4.1 逻辑回归模型

5.4.2 Python逻辑回归模型应用举例

5.5 神经网络

5.5.1 神经网络模拟思想

5.5.2 神经网络结构及数学模型

5.5.3 Python神经网络分类应用举例

5.5.4 Python神经网络回归应用举例

5.6 支持向量机

5.6.1 支持向量机原理

5.6.2 Python支持向量机应用举例

5.7 K-均值聚类

5.7.1 K-均值聚类的基本原理

5.7.2 PythonK-均值聚类算法应用举例

5.8 关联规则

5.8.1 关联规则概念

5.8.2 布尔关联规则挖掘

5.8.3 一对一关联规则挖掘及Python实现

5.8.4 多对一关联规则挖掘及Python实现

本章小结

本章练r/>第6章 深度学现

6.1 深度学

6.2 深度学简介

6.2.1 Caffe框架

6.2.2 Theano框架

6.2.3 PlePle框架

6.2.4 TensorFlow框架

6.3 TensorFlow基础

6.3.1 TensorFlow安装

6.3.2 TensorFlow命令简介

6.3.3 TensorFlow案例

6.4 多层神经网络

6.4.1 多层神经网络结构及数学模型

6.4.2 多层神经网络分类问题应用举例

6.4.3 多层神经网络回归问题应用举例

6.5 卷积神经网络

6.5.1 卷积层计算

6.5.2 池化层计算

6.5.3 全连接层计算

6.5.4 N应用案例

6.6 循环神经网络

6.6.1 RNN结构及数学模型

6.6.2 长短期记忆网络（LSTM）

6.6.3 RNN应用案例

本章小结

本章练r/>案例篇

第7章 基于财务与交易数据的量化投资分析

7.1 案例背景

7.2 案例目标及实现思路

7.3 基体规模与投资效率指标的综合评价

7.3.1 指标选择

7.3.2 数据获取

7.3.3 数据处理

7.3.4 主成分分析

7.3.5 综合排名

7.4 技术分析指标选择与计算

7.4.1 移均线

7.4.2 指滑异均线

7.4.3 指标

7.4.4 相对强弱指标

7.4.5 乖离率指标

7.4.6 能量潮指标

7.4.7 涨跌趋势指标

7.4.8 计算举例

7.5 量化投资模型与策略实现

7.5.1 投资组合构建

7.5.2 基于逻辑回归的量化投资策略实现

本章小结

本章练r/>第8章 任务定价优化方案

8.1 案例背景

8.2 案例目标及实现思路

8.3 数据获取与探索

8.3.1 地理信息可视folium安装

8.3.2 数据读取与地图可视化

8.4 指标计算

8.4.1 指标设计

8.4.2 指标计算方法

8.4.3 程序实现

8.5 任务定价模型构建

8.5.1 指标数据预处理

8.5.2 多元线回归模型

8.5.3 神经网络模型

8.6 方案评价

8.6.1 任务完成增加量

8.6.2 成本增加额

8.6.3 完整实现代码

本章小结

本章练r/>第9章 地铁站点日客流量预测

9.1 案例背景

9.2 案例目标及实现思路

9.3 数据获取与探索

9.3.1 二分法查找思想

9.3.2 每日数据index范围提取

9.4 指标计算

9.4.1 指标设计

9.4.2 指标计算方法

9.4.3 程序实现

9.4.4 指标数据预处理

9.5 数据可视化

9.6 .因素分析

9.6.1 SPS行指滑

9.6.2 因素分析结果

9.7 神经网络预测模型的建立

9.7.1 示例站点客流量预测

9.7.2 站点客流量预测

9.7.3 模型预测结果分析

本章小结

本章练r/>第10章 微博文本情感分析

10.1 案例背景

10.2 案例目标及实现思路

10.3 数据预处理过程

10.3.1 数据读取

10.3.2 分词

10.3.3 去停用词

10.3.4 词向量

10.3.5 划分数据集

10.4 支持向量机分类模型

10.5 基于LSTM网络的分类模型

本章小结

本章练r/>第11章 基于人民币图像的面额识别

11.1 案例背景

11.2 案例目标及实现思路

11.3 数据获取与探索

11.4 支持向量机识别模型

11.4.1 颜色特征计算方法

11.4.2 自变量与因变量计算

11.4.3 模型实现

11.5 卷积神经网络识别模型：灰图

11.5.1 数据处理

11.5.2 模型实现

11.6 卷积神经网络识别模型：彩图

11.6.1 数据处理

11.6.2 模型实现

本章小结

本章练r/>提高篇

第12章 GUI可视化应用开发

12.1 人民币面额识别系统

12.1.1 Pycharm安装

12.1.2 创建项目文件夹

12.1.3 配置QtDesigner工具

12.1.4 配置代码生成工具

12.1.5 系统界面设计

12.1.6 系统界面转化为PyQt5代码

12.1.7 配置项目解释器

12.1.8 系能实现

12.1.9 生成可独立运行的exe文件

12.2 上市公司综合评价系统

12.2.1 界面设计

12.2.2 系能实现

12.2.3 生成exe文件

本章小结

本章练r/>附录综合实训课题

参考文献

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：Python大数据分析与挖掘实战（微课版）在线阅读

在线听书地址：Python大数据分析与挖掘实战（微课版）在线收听

在线购买地址：Python大数据分析与挖掘实战（微课版）在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

1.从Python程序设计基础入手，深入讲解数据分析的相及数据分析方法 2.结合金融、交通、图像识别等行业应用将理论与案例结合，实用强 3.配套资源丰富，配套微课，案例数据源，课件，上机实验指导等

书籍介绍

从Python基础入门开始，到应用Python进行科学计算、数据处理、数据可视化、机器学习、深度学习，再到利用Python进行金融、地理信息、交通、文本、图像等具体领域数据挖掘与分析，并最终利用Python进行项目GUI可视化应用开发。本书深入浅出地介绍了如何学习Python数据分析技能及应用于具体领域，实践性强。本书分三篇：基础篇、案例篇和提高篇；基础篇（第1~6章）主要介绍Python基本知识及应用于科学计算、数据处理、数据可视化、机器学习、深度学习等方面的基础知识；案例篇（第7~11章）主要介绍了利用Python进行金融、地理信息、交通、文本和图像具体领域的数据挖掘分析应用案例；提高篇（第12章）主要介绍GUI可视化应用项目开发；附录提供6个实训课题，在电子资源中会给出详细的实训指导、数据和程序代码。本书提供了丰富的数据、案例及程序代码，同时理论与实践相结合，以应用为主。适合大数据、数学、计算机、经济金融管理类的本科生和大专生学习。对于研究生及数据挖掘研究者、爱好者也具有很好的参考价值。