Python与数据科学 umd mobi chm 夸克云 免费 azw3 下载 pdf

《Python与数据科学》基于Python进行实践开发，主要涉及的内容为：用敏捷式大数据开发方法论创建分析应用；用数据—价值栈，在一系列敏捷周期中创建价值；用多种数据结构从单个数据集中提取特征，获取洞察；用图表可视化数据，通过交互性报表从不同角度展示数据；用历史数据进行预测，将预测转化为行动。

基础编

1 数据科学简介

1.1 什么是数据科学

1.2 如何学习数据科学

1.3 什么是数据科学家

1.4 数据科学家需要掌握的技能

1.5 Python与数据科学

1.6 数据科学领域常用的Python包

本章小结

参考文献

2 Python基础知识

2.1 Python基本概念

2.2 序列和基本语句

2.3 函数和模块

本章小结

习题

参考文献

分析编

3 Python数据获取与数据预处理

3.1 Python数据获取

3.2 Python数据预处理

本章小结

习题

参考文献

4 利用Python进行数据分析

4.1 数据分析与Python

4.2 基本统计分析

4.3 主成分分析（PCA）

4.4 线性回归

本章小结

习题

参考文献

挖掘编

5 利用Python进行数据挖抛

5.1 数据挖掘与Py

5.2 k最近邻（k-Nearest Neighbor）

5.3 决策树（Decision Tree）

5.4 朴素贝叶斯（Naive Bayesian）

5.5 逻辑回归（Logistic Regression）

5.6 Apriori算法

5.7 聚类分析（Clustering Analysis）

5.8 随机森林（Random Forest）

本章小结

习题

参考文献

6 利用Python进行文本挖掘

6.1 文本挖掘简介

6.2 Python与文本分类

6.3 Python与文本聚类

6.4 Python与文本情感分析

6.5 Python与全文检索

本章小结

习题

参考文献

提高编

7 Python与海量数据处理简介

7.1 Spark简介

7.2 Pag

7.3 Python与推荐系统

本章小结

习题

参考文献

王仁武，男，1968年4月出生，工科博士、副教授，现为华东师范大学商学院信息学系教师，主要研究方向为数据分析、数据挖掘和信息系统。

已出版（参编）主要著作：

商业分析

华东师范大学出版社 2014年9月

序列构造神经网络与多维数据分析

上海社科院出版社 2008年11月

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与数据科学在线阅读

在线听书地址：Python与数据科学在线收听

在线购买地址：Python与数据科学在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

《Python与数据科学》分为基础编、分析编、挖掘编和提高编四部分。

基础编包括数据科学简介（第1章）和Python基础知识（第2章）两章。涉及数据科学的概念、数据科学的学习方法、数据科学家的概念、数据科学家的应备技能、Python与数据科学的关系、数据科学领域中常用的Python包。

分析编包括Python数据获取和数据预处理（第3章）和利用Python进行数据分析（第4章）两章。内容包括Python数据获取的各种方式：从文件中、从数据库中、从Web网页中获取数据，对获取的数据可采用Python Pandas进行数据清洗、数据集成与数据转换等数据预处理工作。

挖掘编包括利用Python进行数据挖掘（第5章）和利用Python进行文本挖掘（第6章）两章。在数据挖掘部分首先简单介绍了Python的Scikit-Learn数据挖掘库的安装与使用，然后结合实例详细介绍数据挖掘中常用的算法；在文本挖掘部分首先详细介绍文本挖掘的一般流程，以及如何使用Python来进行文本挖掘，然后文本自动分类、文本聚类、文本情感分析、全文检索这四个应用为例结合Python实例做具体介绍。

提高编介绍了Python在海量数据分析处理上的应用（第7章）。首先介绍了大数据操作系统Spark的安装使用，然后以PageRank和推荐系统这两个典型的海量数据分析（大数据分析）为例来介绍Python在这一方面的应用。

书籍介绍

[本书介绍]

聚焦于使用数据科学领域中比较流行的Python语言来进行数据采集、数据加工处理、数据分析、数据挖掘、文本挖掘和海量数据分析处理。帮助读者掌握从事数据科学工作的必备技能。

[丛书介绍]

随着信息存储和传输技术的发展，特别是在移动计算、云计算、物联网等技术的支持下，社交网络、基于位置的服务、协同服务等新型服务和信息应用模式持续拓展着人们创造和分享信息的范围和形式，数据以前所未有的速度不断地增长和积累，大数据时代已经到来。

在这个时代，数据作为最重要的生产资源，成为改变世界、推动全球经济发展的支柱。面对日益成熟的商业大数据环境，如何有效地分析和利用数据成为急需解决的基础性问题。旺盛的社会需求催生出一个新的领域——商业分析（Business Analytics）。

商业分析是在大数据时代面向现实商业环境，以系统的观点为指导，运用定性与定量相结合的方法以及相关学科的研究手段，深入探究大数据环境下数据管理、数据分析、智能决策等问题的学科领域。为推动该领域的进一步发展，特别是商业分析人才的培养，我们特组织高校相关专业教师和企业一线业务人员编写了这套商业分析丛书。