Python數(shù)據(jù)挖掘方法及應(yīng)用

目    錄
第一部分  數(shù)據(jù)分析基礎(chǔ)知識(shí)
第1章  數(shù)據(jù)收集與分析軟件 2
1．1  數(shù)據(jù)收集過程 2
1．1．1  數(shù)據(jù)的類型 2
1．1．2  數(shù)據(jù)的收集 3
1．1．3  數(shù)據(jù)的管理 8
1．2  數(shù)據(jù)分析軟件 9
1．2．1  數(shù)據(jù)分析軟件簡介 9
1．2．2  Python語言介紹 10
1．2．3  Python在線平臺(tái) 13
1．3  Python編程基礎(chǔ) 18
1．3．1  Python編程入門 18
1．3．2  Python數(shù)據(jù)類型 20
1．3．3  數(shù)值分析包numpy 24
1．3．4  數(shù)據(jù)分析包pandas 25
1．3．5  Python編程運(yùn)算 34
數(shù)據(jù)及練習(xí)1 38
第2章  數(shù)據(jù)挖掘的分析基礎(chǔ) 41
2．1  數(shù)據(jù)的描述分析 41
2．1．1  基本統(tǒng)計(jì)量 41
2．1．2  基本繪圖函數(shù) 46
2．2  數(shù)據(jù)的透視分析 55
2．2．1  一維頻數(shù)分析 56
2．2．2  二維集聚分析 57
2．2．3  多維透視分析 60
數(shù)據(jù)及練習(xí)2 62
第3章  簡單數(shù)據(jù)的統(tǒng)計(jì)分析 64
3．1  隨機(jī)變量及其分布 64
3．1．1  均勻分布 64
3．1．2  正態(tài)分布 65
3．2  隨機(jī)模擬及其應(yīng)用 67
3．2．1  隨機(jī)模擬方法 67
3．2．2  模擬大數(shù)定律 68
3．2．3  模擬方法求積分 69
3．3  單變量統(tǒng)計(jì)分析模型 70
3．3．1  單變量線性相關(guān)模型 71
3．3．2  單變量線性回歸模型 73
數(shù)據(jù)及練習(xí)3 75
第二部分  數(shù)據(jù)分析高級(jí)方法
第4章  多元數(shù)據(jù)的綜合分析 78
4．1  多元線性相關(guān)與回歸 79
4．1．1  多元線性相關(guān) 79
4．1．2  多元線性回歸模型 81
4．2  綜合評價(jià)方法 91
4．2．1  綜合評價(jià)指標(biāo)體系 91
4．2．2  綜合評價(jià)分析方法 93
4．3  數(shù)據(jù)壓縮方法 99
4．3．1  主成分分析的基本思想 99
4．3．2  主成分的基本分析 101
4．4  聚類分析方法 105
4．4．1  聚類分析的概念 105
4．4．2  系統(tǒng)聚類方法 108
數(shù)據(jù)與練習(xí)4 113
第5章  時(shí)序數(shù)據(jù)的模型分析 116
5．1  時(shí)間序列簡介 116
5．1．1  時(shí)間序列的概念 116
5．1．2  時(shí)間序列的模擬 116
5．1．3  時(shí)間序列的讀取 118
5．2  時(shí)間序列分析模型 119
5．2．1  AR模型 120
5．2．2  MR模型 120
5．2．3  ARMA模型 121
5．2．4  ARIMA模型 122
5．3  ARMA模型的構(gòu)建 124
5．3．1  序列的相關(guān)性檢驗(yàn) 124
5．3．2  ARMA模型的建立與檢驗(yàn) 127
5．3．3  序列的平穩(wěn)性檢驗(yàn) 131
5．4  股票指數(shù)預(yù)測模型的構(gòu)建 133
5．4．1  模型的預(yù)處理 134
5．4．2  參數(shù)的估計(jì)與檢驗(yàn) 135
5．4．3  模型的預(yù)測 136
數(shù)據(jù)與練習(xí)5 137
第三部分  大數(shù)據(jù)基本處理方法
第6章  大數(shù)據(jù)分析基礎(chǔ)應(yīng)用 140
6．1  大數(shù)據(jù)的概念 140
6．1．1  大數(shù)據(jù)的含義 140
6．1．2  大數(shù)據(jù)應(yīng)用舉例 141
6．1．3  大數(shù)據(jù)分析方法 142
6．2  Python文本預(yù)處理 144
6．2．1  字符串的基本操作 144
6．2．2  字符串查詢與替換 146
6．3  網(wǎng)絡(luò)爬蟲及應(yīng)用 146
6．3．1  網(wǎng)頁的基礎(chǔ)知識(shí) 147
6．3．2  Python爬蟲步驟 148
6．3．3  爬蟲方法的應(yīng)用 149
6．4  數(shù)據(jù)庫技術(shù)及應(yīng)用 154
6．4．1  Python中數(shù)據(jù)庫的使用 154
6．4．2  數(shù)據(jù)庫的建立與使用 155
數(shù)據(jù)及練習(xí)6 156
第7章  文獻(xiàn)計(jì)量與科研評價(jià) 159
7．1  文獻(xiàn)計(jì)量研究的框架 159
7．2  文獻(xiàn)數(shù)據(jù)的獲取與分析 161
7．2．1  文獻(xiàn)數(shù)據(jù)的獲取 161
7．2．2  文獻(xiàn)數(shù)據(jù)的分析 163
7．3  科研數(shù)據(jù)的管理與評價(jià) 166
7．3．1  科研單位與項(xiàng)目分析 167
7．3．2  科研期刊與作者分析 169
數(shù)據(jù)及練習(xí)7 171
第8章  社會(huì)網(wǎng)絡(luò)分析方法 172
8．1  社會(huì)網(wǎng)絡(luò)的初步印象 172
8．1．1  社會(huì)網(wǎng)絡(luò)分析概念 172
8．1．2  社會(huì)網(wǎng)絡(luò)分析包 174
8．2  社會(huì)網(wǎng)絡(luò)圖的構(gòu)建 174
8．2．1  社會(huì)網(wǎng)絡(luò)數(shù)據(jù)形式 174
8．2．2  社會(huì)網(wǎng)絡(luò)統(tǒng)計(jì)量 177
8．2．3  網(wǎng)絡(luò)圖之知識(shí)圖譜 180
數(shù)據(jù)及練習(xí)8 183
第9章  數(shù)據(jù)分析編程平臺(tái) 185
9．1  Anaconda科學(xué)計(jì)算發(fā)行包 185
9．1．1  Anaconda下載與安裝 185
9．1．2  Anaconda啟動(dòng)與運(yùn)行 186
9．2  Jupyter編輯平臺(tái) 188
9．2．1  Jupyter Notebook 188
9．2．2  Jupyter Lab 193
9．2．3  在Jupyter中使用R語言 196
9．3  Spyder分析平臺(tái) 197
9．3．1  Spyder平臺(tái)簡介 197
9．3．2  Spyder平臺(tái)使用 198
附錄A  本書的學(xué)習(xí)網(wǎng)站 200
附錄B  書中的例子數(shù)據(jù) 201
附錄C  書中自定義函數(shù) 202
參考文獻(xiàn) 205