大神自学后作《Python数据分析入门——从数据获取到可视化》

2018 年 5 月 29 日 数据猿
大神自学后作《Python数据分析入门——从数据获取到可视化》

本书为数据猿推出的《每周一本书》栏目丛书。

欢迎大家推荐好书给我们,让更多人受益。

【数据猿导读】本书作者沈祥壮,自学Python两年,以数据分析为主线,系统学习的数据的采集、处理、分析和可视化。


编辑 | sharon

官网 | www.datayuan.cn

微信公众号ID | datayuancn


这是一本务实之作,充分体现数据分析流程的各项环节,包含数据的采集、清洗和探索性分析,并通过大家耳熟能说的Python工具加以实操。更令人惊奇的是,本书的作者沈祥壮并非科班出身,他通过两年自学,系统掌握了数据的采集、处理、分析和可视化,真大神是也。


内容简介


第1章主要讲解了在Ubuntu和Windows系统下,Python集成开发环境的搭建。考虑到初学者容易为安装第三方库犯难,又介绍了三种简单实用的方法来安装这些常见的库。接着对几个后面要用到的高级语法进行了简单介绍,为之后的应用打下基础。


第2章集中讲解了数据采集的流程,即网络爬虫程序的设计与实现。首先本章没有拘泥于使用Python的内置库urllib库进行实现,而是直接介绍了requests和其他更加简捷强大的库来完成程序的设计。在进阶内容中,对常见的编码问题、异常处理、代理IP、验证码、机器人协议、模拟登录,以及多线程等相关问题给出了解决的方案。


第3章讲解数据的清洗问题。在具体讲解清洗数据之前,先介绍了TXT、XLSX、JSON、CSV等各种文件的导入和导出的方法,并介绍了Python与MySQL数据库交互的方式。接着介绍了NumPy和pandas库的基本使用方法,这是我们用于数据处理和科学计算的两个强大的工具。最后综合以上的学习介绍了数据的去重、缺失值的填补等经典的数据清洗方法。


第4章首先讲解探索性数据分析的应用,并且简单介绍了机器学习基本知识。然后演示如何应用sklearn库提供的决策树和最邻近算法来处理分类问题,并尝试根据算法原理手动实现最邻近算法。最后介绍如何使用pandas、matplotlib和seaborn这三个库来实现数据的可视化。


第5章是综合性学习的章节,讲解了三个小项目的完整实现过程,旨在通过操作生活中真正的数据来强化前面基础内容的学习。


作者简介


沈祥壮,自学Python两年,以数据分析为主线,系统学习的数据的采集、处理、分析和可视化。在研究统计机器学习理论的同理,使用Python语言实现了部分统计学习算法。研究方向包括数据采集、数据挖掘、统计机器学习及图像处理。


目录


1  准备


1.1  开发环境搭建

1.2  Python基础语法介绍

1.3  The Zen of Python


2  数据的获取


2.1  爬虫简介

2.2  数据抓取实践

2.3  爬虫进阶

2.4  爬虫总结


3  数据的存取与清洗


3.1  数据存取

3.2  NumPy

3.3  pandas

3.4  数据的清洗


4  数据的分析及可视化


4.1  探索性数据分析

4.2  机器学习入门

4.3  手动实现KNN算法

4.4  数据可视化


5  Python与生活


5.1  定制一个新闻提醒服务

5.2  Python与数学

5.3  QQ群聊天记录数据分析


购买地址


京东:

https://item.jd.com/12330816.html


当当:

http://product.dangdang.com/25247679.html


作者邮箱datahonor@gmail.com。


本书中使用的全部代码及相关数据已经托管至Github, 读者可进入

https://github.com/shenxiangzhuang/PythonDataAnalysis进行下载。




6月12日,数字资产投资峰会:金融科技区块链支持可持续发展-北京站即将开始,期待我们的见面👆


登录查看更多
12

相关内容

在Python中获得操作、处理、清理和处理数据集的完整说明。本实用指南的第二版针对Python 3.6进行了更新,其中包含了大量的实际案例研究,向您展示了如何有效地解决广泛的数据分析问题。在这个过程中,您将学习最新版本的panda、NumPy、IPython和Jupyter。

本书由Python panda项目的创建者Wes McKinney编写,是对Python中的数据科学工具的实用的、现代的介绍。对于刚接触Python的分析人员和刚接触数据科学和科学计算的Python程序员来说,它是理想的。数据文件和相关材料可以在GitHub上找到。

  • 使用IPython外壳和Jupyter笔记本进行探索性计算
  • 学习NumPy (Numerical Python)中的基本和高级特性
  • 开始使用pandas库的数据分析工具
  • 使用灵活的工具来加载、清理、转换、合并和重塑数据
  • 使用matplotlib创建信息可视化
  • 应用panda groupby工具对数据集进行切片、切割和汇总
  • 分析和处理有规律和不规则的时间序列数据
  • 学习如何解决现实世界的数据分析问题与彻底的,详细的例子
成为VIP会员查看完整内容
0
128
小贴士
相关资讯
一文看懂怎么用 Python 做数据分析
大数据技术
20+阅读 · 2019年5月5日
直播 | Python+AI:Python学习者的人工智能入门课
AI科技评论
4+阅读 · 2018年5月11日
荐书丨Python数据分析从入门到精通
程序人生
8+阅读 · 2018年3月31日
Python 如何快速入门?
全球人工智能
5+阅读 · 2018年3月15日
福利 | 当Python遇上大数据与机器学习,入门so easy!
Python & 机器学习之项目实践 | 赠书
人工智能头条
10+阅读 · 2017年12月26日
【入门】数据分析六部曲
36大数据
12+阅读 · 2017年12月6日
相关VIP内容
专知会员服务
134+阅读 · 2020年6月29日
专知会员服务
102+阅读 · 2020年5月19日
专知会员服务
112+阅读 · 2020年5月14日
专知会员服务
79+阅读 · 2020年5月10日
专知会员服务
66+阅读 · 2020年5月9日
《python编程从入门到实践》237页PDF完整版+源代码
专知会员服务
270+阅读 · 2020年4月30日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
128+阅读 · 2020年3月12日
相关论文
On Feature Normalization and Data Augmentation
Boyi Li,Felix Wu,Ser-Nam Lim,Serge Belongie,Kilian Q. Weinberger
10+阅读 · 2020年2月25日
iSAID: A Large-scale Dataset for Instance Segmentation in Aerial Images
Syed Waqas Zamir,Aditya Arora,Akshita Gupta,Salman Khan,Guolei Sun,Fahad Shahbaz Khan,Fan Zhu,Ling Shao,Gui-Song Xia,Xiang Bai
8+阅读 · 2019年8月28日
Bingyi Kang,Zhuang Liu,Xin Wang,Fisher Yu,Jiashi Feng,Trevor Darrell
7+阅读 · 2018年12月5日
MDU-Net: Multi-scale Densely Connected U-Net for biomedical image segmentation
Jiawei Zhang,Yuzhen Jin,Jilan Xu,Xiaowei Xu,Yanchun Zhang
9+阅读 · 2018年12月4日
Ken C. L. Wong,Tanveer Syeda-Mahmood,Mehdi Moradi
4+阅读 · 2018年8月15日
Pramod Kaushik Mudrakarta,Ankur Taly,Mukund Sundararajan,Kedar Dhamdhere
4+阅读 · 2018年5月14日
Jian Zhao,Jianshu Li,Yu Cheng,Li Zhou,Terence Sim,Shuicheng Yan,Jiashi Feng
3+阅读 · 2018年4月10日
Matthias Müller,Adel Bibi,Silvio Giancola,Salman Al-Subaihi,Bernard Ghanem
5+阅读 · 2018年3月28日
Alon Talmor,Jonathan Berant
5+阅读 · 2018年3月18日
Xiaowei Xu,Qing Lu,Yu Hu,Lin Yang,Sharon Hu,Danny Chen,Yiyu Shi
5+阅读 · 2018年3月13日
Top
微信扫码咨询专知VIP会员