P清華科技大講堂：ython數(shù)據(jù)分析實(shí)戰(zhàn)

第1章數(shù)據(jù)分析是什么
1.1海量數(shù)據(jù)背后蘊(yùn)藏的知識(shí)
1.2數(shù)據(jù)分析與數(shù)據(jù)挖掘的關(guān)系
1.3機(jī)器學(xué)習(xí)與數(shù)據(jù)分析的關(guān)系
1.4數(shù)據(jù)分析的基本步驟
1.5Python和數(shù)據(jù)分析
第2章Python——從了解Python開(kāi)始
2.1Python的發(fā)展史
2.2Python及Pandas、scikitlearn、Matplotlib的安裝
2.2.1Windows環(huán)境下Python的安裝
2.2.2Mac環(huán)境下Python的安裝
2.2.3Pandas、scikitlearn和Matplotlib的安裝
2.2.4使用科學(xué)計(jì)算發(fā)行版Python進(jìn)行快速安裝
2.3Python基礎(chǔ)知識(shí)
2.3.1縮進(jìn)很重要
2.3.2模塊化的系統(tǒng)
2.3.3注釋
2.3.4語(yǔ)法
2.4重要的Python庫(kù)
2.4.1Pandas
2.4.2scikitlearn
2.4.3Matplotlib
2.4.4其他
2.5Jupyter
第3章數(shù)據(jù)預(yù)處理——不了解數(shù)據(jù)一切都是空談
3.1了解數(shù)據(jù)
3.2數(shù)據(jù)質(zhì)量
3.2.1完整性
3.2.2一致性
3.2.3準(zhǔn)確性
3.2.4及時(shí)性
3.3數(shù)據(jù)清洗
3.4特征工程
3.4.1特征選擇
3.4.2特征構(gòu)建
3.4.3特征提取
第4章NumPy——數(shù)據(jù)分析基礎(chǔ)工具
4.1多維數(shù)組對(duì)象ndarray
4.1.1ndarray的創(chuàng)建
4.1.2ndarray的數(shù)據(jù)類(lèi)型
4.2ndarray的索引、切片和迭代
4.3ndarray的shape的操作
4.4ndarray的基礎(chǔ)操作
第5章Pandas——處理結(jié)構(gòu)化數(shù)據(jù)
5.1基本數(shù)據(jù)結(jié)構(gòu)
5.1.1Series
5.1.2DataFrame
5.2基于Pandas的Index對(duì)象的訪(fǎng)問(wèn)操作
5.2.1Pandas的Index對(duì)象
5.2.2索引的不同訪(fǎng)問(wèn)方式
5.3數(shù)學(xué)統(tǒng)計(jì)和計(jì)算工具
5.3.1統(tǒng)計(jì)函數(shù)： 協(xié)方差、相關(guān)系數(shù)、排序
5.3.2窗口函數(shù)
5.4數(shù)學(xué)聚合和分組運(yùn)算
5.4.1agg（）函數(shù)的聚合操作
5.4.2transform（）函數(shù)的轉(zhuǎn)換操作
5.4.3使用apply()函數(shù)實(shí)現(xiàn)一般的操作
第6章數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)——一些常用的方法
6.1分類(lèi)分析
6.1.1邏輯回歸
6.1.2線(xiàn)性判別分析
6.1.3支持向量機(jī)
6.1.4決策樹(shù)
6.1.5K近鄰
6.1.6樸素貝葉斯
6.2關(guān)聯(lián)分析
6.2.1基本概念
6.2.2典型算法
6.3聚類(lèi)分析
6.3.1K均值算法
6.3.2DBSCAN
6.4回歸分析
6.4.1線(xiàn)性回歸分析
6.4.2支持向量回歸
6.4.3K近鄰回歸
第7章scikitlearn——實(shí)現(xiàn)數(shù)據(jù)的分析
7.1分類(lèi)方法
7.1.1Logistic回歸
7.1.2SVM
7.1.3Nearest neighbors
7.1.4Decision Tree
7.1.5隨機(jī)梯度下降
7.1.6高斯過(guò)程分類(lèi)
7.1.7神經(jīng)網(wǎng)絡(luò)分類(lèi)（多層感知器）
7.1.8樸素貝葉斯示例
7.2回歸方法
7.2.1最小二乘法
7.2.2嶺回歸
7.2.3Lasso
7.2.4貝葉斯嶺回歸
7.2.5決策樹(shù)回歸
7.2.6高斯過(guò)程回歸
7.2.7最近鄰回歸
7.3聚類(lèi)方法
7.3.1Kmeans
7.3.2Affinity propagation
7.3.3Meanshift
7.3.4Spectral clustering
7.3.5Hierarchical clustering
7.3.6DBSCAN
7.3.7Birch
第8章Matplotlib——交互式圖表繪制
8.1基本布局對(duì)象
8.2圖表樣式的修改以及裝飾項(xiàng)接口
8.3基礎(chǔ)圖表的繪制
8.3.1直方圖
8.3.2散點(diǎn)圖
8.3.3餅圖
8.3.4柱狀圖
8.3.5折線(xiàn)圖
8.3.6表格
8.3.7不同坐標(biāo)系下的圖像
8.4matplot3D
8.5Matplotlib與Jupyter結(jié)合
第9章實(shí)例： 科比職業(yè)生涯進(jìn)球分析
9.1預(yù)處理
9.2分析科比的命中率
9.3分析科比的投籃習(xí)慣
第10章實(shí)例： 世界杯
10.1數(shù)據(jù)說(shuō)明
10.2世界杯觀(guān)眾
10.3世界杯冠軍
10.4世界杯參賽隊(duì)伍與比賽
10.5世界杯進(jìn)球
參考文獻(xiàn)