给大家带来的一篇关于Python相关的电子书资源，介绍了关于Python、数据分析、挖掘实战方面的内容，本书是由机械工业出版社出版，格式为PDF，资源大小46.8 MB，张良均编写，目前豆瓣、亚马逊、当当、京东等电子书综合评分为：7.4。

内容介绍

10余名大数据挖掘行业杰出权威专家和科技人员，10多年大数据分析资询与执行工作经验结晶体。从大数据挖掘的运用来看，以电力工程、航空公司、诊疗、互联网技术、生产加工及其公共文化服务等制造行业真正实例主导线，从入门到精通详细介绍Python大数据挖掘模型全过程，理论性极强。

这书共15章，分2个一部分：基本篇、实战篇。基本篇详细介绍了大数据挖掘的基本概念，实战篇详细介绍了一个一个真正实例，根据对实例从入门到精通的分析，使用户在不经意间中根据实例实践活动得到数据挖掘项目工作经验，另外迅速理解看起来晦涩难懂的大数据挖掘基础理论。用户在阅读文章全过程中，应灵活运用随书配套设施的实例模型统计数据，依靠有关的大数据挖掘建模工具，根据上机操作试验，以迅速了解有关专业知识与基础理论。

基本篇（第1～5章），第1章的主题思想是大数据挖掘简述；第2章对这书常用到的大数据挖掘建模工具Python語言开展了言简意赅的表明；第3章、第4章、第5章对大数据挖掘的模型全过程，包含统计数据探寻、数据预处理及发掘模型的常见优化算法与基本原理开展了详细介绍。

实战篇（第6～15章），重中之重对数据挖掘算法在电力工程、航空公司、诊疗、互联网技术、生产加工及其公共文化服务等制造行业的运用开展了剖析。在实例构造机构上，这书是依照先详细介绍实例背景图与发掘总体目标，再论述统计分析方法与全过程，*后进行实体模型搭建的次序开展的，在模型全过程的重要环节，交叉程序实现编码。*后根据上机操作实践活动，加重用户对数据挖掘算法在实例运用中的了解。

目录

前　言

基　础　篇

第1章　数据挖掘基础2

1.1　某知名连锁餐饮企业的困惑2

1.2　从餐饮服务到数据挖掘3

1.3　数据挖掘的基本任务4

1.4　数据挖掘建模过程4

1.4.1　定义挖掘目标4

1.4.2　数据取样5

1.4.3　数据探索6

1.4.4　数据预处理7

1.4.5　挖掘建模7

1.4.6　模型评价7

1.5　常用的数据挖掘建模工具7

1.6　小结9

第2章　Python数据分析简介10

2.1　搭建Python开发平台12

2.1.1　所要考虑的问题12

2.1.2　基础平台的搭建12

2.2　Python使用入门13

2.2.1　运行方式14

2.2.2　基本命令15

2.2.3　数据结构17

2.2.4　库的导入与添加20

2.3　Python数据分析工具22

2.3.1　Numpy23

2.3.2　Scipy24

2.3.3　Matplotlib24

2.3.4　Pandas26

2.3.5　StatsModels27

2.3.6　Scikit-Learn28

2.3.7　Keras29

2.3.8　Gensim30

2.4　配套资源使用设置31

2.5　小结32

第3章　数据探索33

3.1　数据质量分析33

3.1.1　缺失值分析34

3.1.2　异常值分析34

3.1.3　一致性分析37

3.2　数据特征分析37

3.2.1　分布分析37

3.2.2　对比分析40

3.2.3　统计量分析41

3.2.4　周期性分析44

3.2.5　贡献度分析45

3.2.6　相关性分析47

3.3　Python主要数据探索函数50

3.3.1　基本统计特征函数50

3.3.2　拓展统计特征函数53

3.3.3　统计作图函数54

3.4　小结59

第4章　数据预处理60

4.1　数据清洗60

4.1.1　缺失值处理60

4.1.2　异常值处理64

4.2　数据集成64

4.2.1　实体识别64

4.2.2　冗余属性识别65

4.3　数据变换65

4.3.1　简单函数变换65

4.3.2　规范化66

4.3.3　连续属性离散化68

4.3.4　属性构造70

4.3.5　小波变换71

4.4　数据规约74

4.4.1　属性规约74

4.4.2　数值规约77

4.5　Python主要数据预处理函数80

4.6　小结81

第5章　挖掘建模83

5.1　分类与预测83

5.1.1　实现过程83

5.1.2　常用的分类与预测算法84

5.1.3　回归分析85

5.1.4　决策树89

5.1.5　人工神经网络95

5.1.6　分类与预测算法评价100

5.1.7　Python分类预测模型特点103

5.2　聚类分析104

5.2.1　常用聚类分析算法104

5.2.2　K-Means聚类算法105

5.2.3　聚类分析算法评价111

5.2.4　Python主要聚类分析算法111

5.3　关联规则113

5.3.1　常用关联规则算法114

5.3.2　Apriori算法114

5.4　时序模式119

5.4.1　时间序列算法120

5.4.2　时间序列的预处理120

5.4.3　平稳时间序列分析122

5.4.4　非平稳时间序列分析124

5.4.5　Python主要时序模式算法132

5.5　离群点检测134

5.5.1　离群点检测方法135

5.5.2　基于模型的离群点检测方法136

5.5.3　基于聚类的离群点检测方法138

5.6　小结141

实　战　篇

第6章　电力窃漏电用户自动识别144

6.1　背景与挖掘目标144

6.2　分析方法与过程147

6.2.1　数据抽取148

6.2.2　数据探索分析148

6.2.3　数据预处理151

6.2.4　构建专家样本156

6.2.5　模型构建157

6.3　上机实验161

6.4　拓展思考162

6.5　小结163

第7章　航空公司客户价值分析164

7.1　背景与挖掘目标164

7.2　分析方法与过程166

7.2.1　数据抽取168

7.2.2　数据探索分析168

7.2.3　数据预处理169

7.2.4　模型构建173

7.3　上机实验177

7.4　拓展思考178

7.5　小结179

第8章　中医证型关联规则挖掘180

8.1　背景与挖掘目标180

8.2　分析方法与过程181

8.2.1　数据获取183

8.2.2　数据预处理186

8.2.3　模型构建190

8.3　上机实验193

8.4　拓展思考194

8.5　小结194

第9章　基于水色图像的水质评价195

9.1　背景与挖掘目标195

9.2　分析方法与过程195

9.2.1　数据预处理197

9.2.2　模型构建199

9.2.3　水质评价201

9.3　上机实验202

9.4　拓展思考202

9.5　小结203

第10章　家用电器用户行为分析与事件识别204

10.1　背景与挖掘目标204

10.2　分析方法与过程205

10.2.1　数据抽取206

10.2.2　数据探索分析207

10.2.3　数据预处理207

10.2.4　模型构建217

10.2.5　模型检验219

10.3　上机实验220

10.4　拓展思考221

10.5　小结222

第11章　应用系统负载分析与磁盘容量预测223

11.1　背景与挖掘目标223

11.2　分析方法与过程225

11.2.1　数据抽取226

11.2.2　数据探索分析226

11.2.3　数据预处理227

11.2.4　模型构建229

11.3　上机实验235

11.4　拓展思考236

11.5　小结237

第12章　电子商务网站用户行为分析及服务推荐238

12.1　背景与挖掘目标238

12.2　分析方法与过程240

12.2.1　数据抽取242

12.2.2　数据探索分析244

12.2.3　数据预处理251

12.2.4　模型构建256

12.3　上机实验266

12.4　拓展思考267

12.5　小结269

第13章　财政收入影响因素分析及预测模型270

13.1　背景与挖掘目标270

13.2　分析方法与过程272

13.2.1　灰色预测与神经网络的组合模型273

13.2.2　数据探索分析274

13.2.3　模型构建277

13.3　上机实验294

13.4　拓展思考295

13.5　小结296

第14章　基于基站定位数据的商圈分析297

14.1　背景与挖掘目标297

14.2　分析方法与过程299

14.2.1　数据抽取299

14.2.2　数据探索分析299

14.2.3　数据预处理301

14.2.4　模型构建304

14.3　上机实验308

14.4　拓展思考309

14.5　小结309

第15章　电商产品评论数据情感分析310

15.1　背景与挖掘目标310

15.2　分析方法与过程310

15.2.1　评论数据采集311

15.2.2　评论预处理314

15.2.3　文本评论分词320

15.2.4　模型构建320

15.3　上机实验333

15.4　拓展思考334

15.5　小结335

参考文献336

学习笔记

Python数据可视化利器Matplotlib详解

下面小编就为大家带来一篇基于Python数据可视化利器Matplotlib,绘图入门篇,Pyplot详解。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧 Pyplot matplotlib.pyplot是一个命令型函数集合，它可以让我们像使用MATLAB一样使用matplotlib。pyplot中的每一个函数都会对画布图像作出相应的改变，如创建画布、在画布中创建一个绘图区、在绘图区上画几条线、给图像添加文字说明等。下面我们就通过实例代码来领略一下他的魅力。 import matplotlib.pyplot as pltplt.plot([1,2,3,4])plt.ylabel('some numbers')plt.show() 上图是我们通过plt.plot([1,2,3,4])这一行代码画出的图像，这时候有的小伙伴可能会有一个疑问，……

使用python将mysql数据库的数据转换为json数据的方法

由于产品运营部需要采用第三方个推平台，来推送消息。如果手动一个个键入字段和字段值，容易出错，且非常繁琐，需要将mysql的数据转换为json数据，直接复制即可。 本文将涉及到如何使用Python访问Mysql数据库及读取获取数据（前提需要安装MySQLdb第三方库哦），以及如何将数据转换为json数据，最后保存成文件输出。 代码如下：注释比较详细了。 # coding=utf-8'''Created on 2016-10-26@author: JenniferProject:读取mysql数据库的数据，转为json格式'''import json,MySQLdbdef TableToJson(): try: #1-7：如何使用python DB API访问数据库流程的 #1.创建mysql数据库连接对象connection #connection对象支持的方法有cursor(),commit(),rollback(),close() conn ……

python提取包含关键字的整行数据方法

问题描述： 如下图所示，有一个近2000行的数据表，需要把其中含有关键字颈廓清术,中央组(VI组)的数据所在行都都给抽取出来，且提取后的表格不能改变原先的顺序。 问题分析： 一开始想用excel的筛选功能，但是发现只提供单列筛选，由于关键词在P,S,V,Y,AB列都有，故需要筛选5次。但是筛选完后再整合再一起的表格顺序就乱了，而原先的表格排序规律不可知，无法通过简单的排序实现。于是决定用Python写个代码来解决这个问题~ python生成的表格是这个样子滴^_^那些空白的行就是不符合要求的，我们还需要把这些空白的行给删掉~ 方法很简单，使用excel的定位条件-空值-将所选行删除掉： 以上这篇python提……

Python操作SQL Server数据库的方法

0.目录 1.前言 2.准备工作 3.简单测试语句 4.提交与回滚 5.封装成类的写法 1.前言 前面学完了SQL Server的基本语法，接下来学习如何在程序中使用sql，毕竟不能在程序中使用的话，实用性就不那么大了。 2.最基本的SQL查询语句 python是使用pymssql这个模块来操作SQL Server数据库的，所有需要先安装pymssql。 这个直接在命令行里输入 pip install pymssql 安装就行了 然后还要配置好自己本地的SQL Server数据库，进入Microsoft SQL Server Management Studio中可以进行设置。如果你选择的是使用Windows身份验证的方式的话，要改成SQL验证方式才行。这个网上教程很多，搜索一下就出来了。 3.简单测试语句 打开IDLE，新建python程序: impor……

以上就是本次介绍的Python电子书的全部相关内容，希望我们整理的资源能够帮助到大家，感谢大家对码农之家的支持。

展开 +

收起 -