Python數(shù)據(jù)分析（第3版）

第 1 部分 數(shù)據(jù)基礎(chǔ)
第 1 章 Python 庫(kù)入門 2
1.1 理解數(shù)據(jù)分析 3
1.2 數(shù)據(jù)分析的標(biāo)準(zhǔn)流程 4
1.3 KDD 流程 4
1.4 SEMMA 流程 5
1.5 CRISP-DM 6
1.6 數(shù)據(jù)分析與數(shù)據(jù)科學(xué)的比較 7
1.7 數(shù)據(jù)分析師和數(shù)據(jù)科學(xué)家應(yīng)掌握的工具和技能 8
1.8 Python 3 的安裝 9
1.8.1 在 Windows 操作系統(tǒng)中安裝 Python 3 10
1.8.2 在 Linux 操作系統(tǒng)中安裝Python 3 10
1.8.3 使用安裝文件在 macOS中安裝 Python 3 10
1.8.4 使用 brew 命令在 macOS中安裝 Python 3 10
1.9 使用 Anaconda 11
1.10 使用 IPython 12
1.10.1 使用幫助功能 13
1.10.2 查找 Python 庫(kù)的參考資料 14
1.11 使用 JupyterLab 14
1.12 使用 Jupyter Notebook 15
1.13 Jupyter Notebook 的高級(jí)功能 16
1.13.1 快捷命令 16
1.13.2 安裝其他內(nèi)核 16
1.13.3 執(zhí)行 shell 命令 17
1.13.4 Jupyter Notebook 的擴(kuò)展 17
1.14 總結(jié) 21
第 2 章 NumPy 和 pandas 22
2.1 技術(shù)要求 23
2.2 了解 NumPy 數(shù)組 23
2.2.1 數(shù)組特征 25
2.2.2 選擇數(shù)組元素 26
2.3 NumPy 數(shù)組中數(shù)值的數(shù)據(jù)類型 27
2.3.1 dtype 對(duì)象 29
2.3.2 數(shù)據(jù)類型字符代碼 30
2.3.3 dtype()構(gòu)造函數(shù) 30
2.3.4 dtype 屬性 31
2.4 NumPy 數(shù)組的操作 31
2.5 NumPy 數(shù)組的堆疊 33
2.6 拆分 NumPy 數(shù)組 36
2.7 改變 NumPy 數(shù)組的數(shù)據(jù)類型 37
2.8 創(chuàng)建 NumPy 視圖和副本 38
2.9 NumPy 數(shù)組的切片 40
2.10 布爾索引和花式索引 41
2.11 廣播數(shù)組 42
2.12 創(chuàng)建 DataFrame 對(duì)象 44
2.13 理解 Series 數(shù)據(jù)結(jié)構(gòu) 45
2.14 讀取和查詢 Quandl數(shù)據(jù)包 48
2.15 DataFrame 對(duì)象的統(tǒng)計(jì)函數(shù) 51
2.16 DataFrame 對(duì)象的分組和連接 53
2.17 處理缺失值 56
2.18 創(chuàng)建數(shù)據(jù)透視表 57
2.19 處理日期 58
2.20 總結(jié) 60
第 3 章 統(tǒng)計(jì)學(xué) 61
3.1 技術(shù)要求 62
3.2 數(shù)據(jù)的屬性及其類型 62
3.2.1 屬性類型 62
3.2.2 離散和連續(xù)屬性 63
3.3 測(cè)量集中趨勢(shì) 63
3.3.1 平均值 63
3.3.2 眾數(shù) 64
3.3.3 中位數(shù) 65
3.4 測(cè)量分散 65
3.5 偏度和峰度 67
3.6 使用協(xié)方差和相關(guān)系數(shù)理解關(guān)系 68
3.6.1 皮爾遜相關(guān)系數(shù) 68
3.6.2 斯皮爾曼等級(jí)相關(guān)系數(shù) 69
3.6.3 肯德?tīng)柕燃?jí)相關(guān)系數(shù) 69
3.7 中心極限定理 69
3.8 收集樣本 70
3.9 參數(shù)檢驗(yàn) 71
3.10 非參數(shù)檢驗(yàn) 76
3.11 總結(jié) 80
第 4 章 線性代數(shù) 81
4.1 技術(shù)要求 82
4.2 用 NumPy 庫(kù)進(jìn)行多項(xiàng)式擬合 82
4.3 行列式 83
4.4 求解矩陣的秩 83
4.5 使用 NumPy 庫(kù)求逆矩陣 84
4.6 使用 NumPy 庫(kù)求解線性方程 85
4.7 使用 SVD 分解矩陣 85
4.8 特征向量和特征值 86
4.9 生成隨機(jī)數(shù) 87
4.10 二項(xiàng)分布 88
4.11 正態(tài)分布 89
4.12 用 SciPy 庫(kù)測(cè)試數(shù)據(jù)的正態(tài)性 90
4.13 使用 numpy.ma 子程序包創(chuàng)建掩碼數(shù)組 93
4.14 總結(jié) 94
第 2 部分 探索性數(shù)據(jù)分析和數(shù)據(jù)清洗
第 5 章 數(shù)據(jù)可視化 96
5.1 技術(shù)要求 96
5.2 使用 Matplotlib 庫(kù)實(shí)現(xiàn)數(shù)據(jù)可視化 96
5.2.1 圖的附件 98
5.2.2 散點(diǎn)圖 99
5.2.3 折線圖 100
5.2.4 餅圖 101
5.2.5 柱狀圖 102
5.2.6 直方圖 103
5.2.7 氣泡圖 104
5.2.8 使用 pandas 庫(kù)繪圖 106
5.3 使用 Seaborn 庫(kù)實(shí)現(xiàn)高級(jí)的數(shù)據(jù)可視化 108
5.3.1 lm 圖 108
5.3.2 柱狀圖 110
5.3.3 分布圖 111
5.3.4 箱形圖 112
5.3.5 KDE 圖 112
5.3.6 小提琴圖 113
5.3.7 計(jì)數(shù)圖 114
5.3.8 聯(lián)合圖 115
5.3.9 熱力圖 116
5.3.10 配對(duì)圖 117
5.4 使用 Bokeh 庫(kù)實(shí)現(xiàn)交互式數(shù)據(jù)可視化 118
5.4.1 繪制簡(jiǎn)單的圖 119
5.4.2 標(biāo)志符 120
5.4.3 布局 121
5.4.4 多重圖 124
5.4.5 交互 125
5.4.6 注釋 128
5.4.7 懸停工具 129
5.4.8 小部件 131
5.5 總結(jié) 135
第 6 章 數(shù)據(jù)的檢索、處理和存儲(chǔ) 136
6.1 技術(shù)要求 137
6.2 用 NumPy 庫(kù)讀取和寫入 CSV文件 137
6.3 用 pandas 庫(kù)讀取和寫入 CSV文件 138
6.4 Excel 文件的數(shù)據(jù)讀取和寫入 139
6.5 JSON 文件的數(shù)據(jù)讀取和寫入 140
6.6 HDF5 文件的數(shù)據(jù)讀取和寫入 141
6.7 HTML 表的數(shù)據(jù)讀取和寫入 142
6.8 Parquet 文件的數(shù)據(jù)讀取和寫入 142
6.9 pickle 文件的數(shù)據(jù)讀取和寫入 143
6.10 用 SQLite3 庫(kù)進(jìn)行輕量級(jí)訪問(wèn) 144
6.11 MySQL 數(shù)據(jù)庫(kù)的數(shù)據(jù)讀取和寫入 145
6.12 MongoDB 數(shù)據(jù)庫(kù)的數(shù)據(jù)讀取和寫入 148
6.13 Cassandra 數(shù)據(jù)庫(kù)的數(shù)據(jù)讀取和寫入 149
6.14 Redis 數(shù)據(jù)庫(kù)的數(shù)據(jù)讀取和寫入 150
6.15 PonyORM 151
6.16 總結(jié) 152
第 7 章 清洗混亂的數(shù)據(jù) 153
7.1 技術(shù)要求 154
7.2 探索數(shù)據(jù) 154
7.3 過(guò)濾數(shù)據(jù) 156
7.3.1 列式過(guò)濾 157
7.3.2 行式過(guò)濾 158
7.4 處理缺失值 161
7.4.1 刪除缺失值 161
7.4.2 填補(bǔ)缺失值 162
7.5 處理異常值 164
7.6 特征編碼 165
7.6.1 獨(dú)熱編碼 166
7.6.2 標(biāo)簽編碼 167
7.6.3 順序編碼 168
7.7 特征縮放 169
7.8 特征轉(zhuǎn)換 171
7.9 特征分割 173
7.10 總結(jié) 173
第 8 章 信號(hào)處理和時(shí)間序列分析 174
8.1 技術(shù)要求 175
8.2 Statsmodels 庫(kù) 175
8.3 移動(dòng)平均數(shù) 175
8.4 窗口函數(shù) 177
8.5 協(xié)整法 179
8.6 STL 分解 181
8.7 自相關(guān) 182
8.8 自回歸模型 184
8.9 ARMA 模型 186
8.10 生成周期性信號(hào) 188
8.11 傅里葉分析 191
8.12 頻譜分析濾波 192
8.13 總結(jié) 194
第 3 部分 深入研究機(jī)器學(xué)習(xí)
第 9 章 監(jiān)督學(xué)習(xí)——回歸分析 196
9.1 技術(shù)要求 197
9.2 線性回歸 197
9.3 多重共線性 198
9.4 虛擬變量 200
9.5 建立線性回歸模型 201
9.6 評(píng)估回歸模型的性能 203
9.6.1 決定系數(shù) 203
9.6.2 均方誤差 203
9.6.3 平均絕對(duì)誤差 204
9.6.4 均方根誤差 204
9.7 擬合多項(xiàng)式回歸 205
9.8 分類回歸模型 207
9.9 邏輯回歸 207
9.9.1 邏輯回歸模型的特點(diǎn) 208
9.9.2 邏輯回歸算法的類型 209
9.9.3 邏輯回歸模型的優(yōu)缺點(diǎn) 209
9.10 使用 Scikit-learn 庫(kù)實(shí)現(xiàn)邏輯回歸 209
9.11 總結(jié) 211
第 10 章 監(jiān)督學(xué)習(xí)——分類技術(shù) 212
10.1 技術(shù)要求 213
10.2 分類 213
10.3 樸素貝葉斯分類 214
10.4 決策樹(shù)分類 217
10.5 k 近鄰分類 219
10.6 支持向量機(jī)分類 221
10.7 拆分訓(xùn)練集和測(cè)試集 223
10.7.1 Holdout 法 223
10.7.2 k 折交叉驗(yàn)證法 224
10.7.3 Bootstrap 法 224
10.8 分類模型的性能評(píng)估指標(biāo) 225
10.8.1 混淆矩陣 225
10.8.2 準(zhǔn)確率 227
10.8.3 精確度 227
10.8.4 召回率 228
10.8.5 F1值 228
10.9 ROC 曲線和 AUC 229
10.10 總結(jié) 230
第 11 章 無(wú)監(jiān)督學(xué)習(xí)——PCA 和聚類 231
11.1 技術(shù)要求 232
11.2 無(wú)監(jiān)督學(xué)習(xí) 232
11.3 降低數(shù)據(jù)的維度 232
11.4 聚類 236
11.5 使用 k 均值聚類法對(duì)數(shù)據(jù)進(jìn)行分區(qū) 241
11.6 層次聚類 243
11.7 DBSCAN 方法 246
11.8 譜聚類 248
11.9 評(píng)估聚類性能 250
11.9.1 內(nèi)部性能評(píng)估 251
11.9.2 外部性能評(píng)估 252
11.10 總結(jié) 255
第 4 部分 NLP、圖像分析和并行計(jì)算
第 12 章 分析文本數(shù)據(jù) 258
12.1 技術(shù)要求 259
12.2 安裝 NLTK 和 SpaCy 259
12.3 文本規(guī)范化 260
12.4 標(biāo)記化 260
12.5 去除停用詞 263
12.6 詞干提取和詞形還原 265
12.7 POS 標(biāo)簽 266
12.8 識(shí)別實(shí)體 268
12.9 依賴解析 269
12.10 創(chuàng)建詞云 269
12.11 詞包 271
12.12 TF-IDF 272
12.13 使用文本分類進(jìn)行情感分析 272
12.13.1 使用 BoW 進(jìn)行分類 273
12.13.2 使用 TF-IDF 進(jìn)行分類 276
12.14 文本相似性 279
12.14.1 Jaccard 相似性 280
12.14.2 余弦相似性 280
12.15 總結(jié) 281
第 13 章 分析圖像數(shù)據(jù) 282
13.1 技術(shù)要求 283
13.2 安裝 OpenCV 283
13.3 了解圖像數(shù)據(jù) 283
13.3.1 二進(jìn)制圖像 284
13.3.2 灰度圖像 284
13.3.3 彩色圖像 285
13.4 顏色模型 285
13.5 在圖像上繪圖 288
13.6 在圖像上書(shū)寫 292
13.7 調(diào)整圖像的大小 293
13.8 翻轉(zhuǎn)圖像 295
13.9 改變亮度 297
13.10 模糊圖像 298
13.11 人臉檢測(cè) 301
13.12 總結(jié) 304
第 14 章 使用 Dask 進(jìn)行并行計(jì)算 305
14.1 認(rèn)識(shí) Dask 306
14.2 Dask 數(shù)據(jù)類型 307
14.2.1 Dask 數(shù)組 307
14.2.2 Dask DataFrame 308
14.2.3 Dask Bag 313
14.3 Dask 延遲 315
14.4 規(guī)?；臄?shù)據(jù)預(yù)處理 317
14.4.1 Dask 中的特征縮放 317
14.4.2 Dask 中的特征編碼 319
14.5 規(guī)?；臋C(jī)器學(xué)習(xí) 321
14.5.1 使用 Scikit-learn 進(jìn)行并行計(jì)算 321
14.5.2 為 Dask 重新實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法 323
14.6 總結(jié) 326