Python編程從數據分析到機器學習實踐（微課視頻版）

內容簡介

《Python編程從數據分析到機器學習實踐（微課視頻版）》是一本基於Python語言進行數據分析和機器學習的入門與應府習匪用類圖書，也是一本兼顧實戰要求的視頻教程。具體內容包括：Jupyter Notebook套用，Numpy科學計算、矩陣、線性代數和高級技術，Matplotlib基礎知識和高級套用，Scipy基礎知識和迎己葛記高級套用，Pandas基礎知識、數據處理和基於時間套用，Scikit-learn基礎知識與套用等。本書突出了代碼編寫的實戰要求，為每一章提供了生動有趣的實踐內紙祖符歡容，包含了文字處理、圖像識別、音頻編輯、數據分析及預測等實際案例。本書的編寫基於Python3.7版本。另外，本書配備了608分鐘的微視頻講解、提供完整的原始碼及PPT課件下載。具體下載方法見“前言”中的相關介紹。

《Python編程從數據分析到機器學習實踐（微課視頻版）》適合具有Python編程基礎的IT編程工程師、計算機相關專業的學生、專業科學研究人員、數據工程師、高校老師等使用。本書可作為高校、相關培訓機構的教材使用。檔膠匪

圖書目錄

第1章入門準備

視頻講解：31分鐘

1.1 基本知識概述

1.1.1 背景知識

1.1.2 智慧型概述

1.1.3 主要庫功能

1.2 工具安裝

1.2.1 安裝準備工作

1.2.2 Windows、Linux、Mac下安裝過程

1.2.3 Anaconda功能使用

1.2.4 其他安裝

1.3 數據

1.3.1 數據分類

1.3.2 數據處理流程

1.4 對讀者的建議

1.4.1 學習要求

1.4.2 發展方向

1.5 公共約定

1.6 習題及實驗

第2章 Jupyter Notebook套用基礎

視頻講解：56分鐘

2.1 接觸Jupyter Notebook

2.1.1 什麼是Jupyter Notebook

2.1.2 配置Jupyter

2.2 圖形界面使用

2.2.1 主界面功能

2.2.2 代碼編輯界面

2.2.3 常用選單和快捷鍵功能

2.2.4 導出檔案

2.3 Jupyter Magic（魔法）命令

2.3.1 接觸魔法命令

2.3.2 行魔棕汽說法命令

2.3.3 單元魔法命令

2.4 習題及實驗

第3章 Numpy科學計算基礎

視頻講解：252分鐘

3.1 接觸Numpy

3.1.1 什麼是Numpy

3.1.2 開始使用

3.2 建立數組拔蘭

3.2.1 用array建立數組

3.2.2 其他常見數組建市方法

3.2.3 數組屬性的使用

3.2.4 數組只希鑽方法的使用

3.2.5 數組對接、分割

3.2.6 案例1 【建立學生成績檔案】

3.3 索引與切片

3.3.1 基本索引

3.3.2 切片

3.3.3 花式索引

3.3.4疊代

3.3.5案例2【完善學生成績檔案】

3.4 基本數學計算

3.4.1 加、減、乘、除

3.4.2 求余、求幕、取整、複數運算

3.4.3 數組比較運算

3.4.4 數組位運算

3.4.5 案例3 ［三隔貓種樹］

3.5 通用函式

3.5.1 初等函式

3.5.2 隨機函式

3.5.3 數組集合運算

3.5.4 基礎統計函式

3.5.5 育級統計函式

3.5.6 排序

3.5.7 將數值替換到數組指定位置

3.5.8 增加和刪除行（列）

3.5.9 數值修約等雜項函式

3.5.10 案例4 ［班級成績分析］

3.6 習題及實驗

第4章Numpy矩陣和線性代數

柒視頻講解：81分鐘

4.1行列式建立及計算

4.1.1基本行列式

4.1.2 特殊值行列式建立及對角線獲取

4.2 矩陣計算

4.2.1 構建矩陣

4.2.2矩陣轉置及維數調整

4.2.3 求逆矩陣

4.2.4 矩陣積

4.3求線性方程狙

4.3.1 求線性方程織解

4.3.2 求最小二乘解

4.3.3 求張量方程

4.4 向出、特徵向依、特徵值

4.4.1向毋

4.4.2 特徵位、特徵向

4.4.3 特徵值分解

4.5案例5 ［三酷貓求三健空間面積］

4.6 習題及實險

第5章Numpy離級技術

短視頻講解：59分鐘

5.1處理數據檔案

5.1.1 文本檔案

5.1.2 二進制檔案

5.1.3 其他方式處理檔案

5.2數組原理

5.2.1 數蛆結構

5.2.2 副本與視圖

5.2.3 廣播原理

5.3字元串處理

5.3.1 字元中操作方法

5.3.2 字元串信息查找及判斷

5.4案例6 ［三酷貓制訂減肥計畫］

5.5習題及實險

第 6 章 Matplotlib 基礎

* 視頻講解：129分鐘

6.1 開始繪圖

6.1.1 繪製第一張圖

6.1.2 面家眼中的繪圖

6.1.3 圖上的那支筆——plotO

6.1.4 顏色、圖示和線型

6.1.5 注釋

6.1.6 在繪圖中顯示中文

6.1.7 移動刻度線

6.1.8 無坐標繪圖

6.1.9 多畫板多繪圖區域

6.2 繪製圖形

6.2.1繪製不同形狀的圖形

6.2.2繪製條形圖

6.2.3繪製直方圖

6.2.4繪製餅狀圖

6.2.5繪製散點圖

6.2.6繪製極坐標圖

6.2.7繪製極等高圖

6.2.8圖形填充

6.3 處理圖像

6.3.1 讀寫圖像檔案

6.3.2圖像偽彩色、灰度處理

6.3.3 給偽彩色加背景色

6.3.4 根據特徵取值

6.3.5 利用矩陣技術處理圖像

6.3.6 剪下圖像

6.4案例7 ［三酷貓戴皇冠］

6.5習題及實驗

第7章 Matplotlib高級套用

7.1 繪製三維圖形

7.1.1 建立三維坐標

7.12 繪製點、線、面

7.1.3 給面打光源

7.1.4 設定標籤、標題、圖例

7.1.5 旋轉三維坐標系

7.1.6繪製三維網線、條形

7.1.7 三維像素體

7.2 動畫

7.2.1原始動畫繪製（二維）

7.2.2 用 animation 工具（二維）

7.2.3 drawO方法（二維）

7.2.4 隨機散點漫步（三維）

7.2.5 旋轉三維空間

7.3 工程化

7.3.1 Web 項目

7.3.2 GUI 項目

7.4 參數配置

7.4.1 參數配置檔案的配置

7.4.2 常用參數配置示例

7.4.3 配置檔案其他相關操作

76案例8[三酷貓設計機械零配件]

7.6習題及實驗

第 8 章 Scipy 基礎

8.1 接觸 Scipy

8.1.1 Scipy 庫組成

8.1.2 常量使用

8.2 特殊數學函式(special)

8.2.1 special 分類

8.2.2 邏輯回歸模型

8.2.3 求立方根

8.3 讀寫數據檔案（iO ）

8.3.1 可讀寫檔案函式

8.3.2 WAV檔案處理

8.3.3 矩陣檔案處理

8.4 線性代數(linalg)

8.4.1 LU 分解

8.4.2 西爾維斯特方程

8.4.3 建立塊對角矩陣

8.5 統計(state)

8.5.1 隨機變數

8.5.2 描述性統計

8.5. 3核密度估計

8.6 積分(integrate)

8.6.1 integrate 模組

8.6.2 用積分求面積

8.6.3 積分求體積

8.6.4 複合梯形積分

8.6.5 常微分方程求解

8.7 空間算法和數據結構(spatial)

8.7.1 快速查找最近鄰點

8.7.2 凸殼計算

8.8 稀魔矩陣(sparse)

8.8 .1創建面向列的稀班矩陣

8.8.2 創建站於坐標格式的稀疏矩陣.

8.9 案例9［三酷貓統計島嶼面積］

8.10 習JS及實驗

第9章Scipy高級套用

9.1 信號處理(signal)

9.1.1 過濾

9.1.2快速傅立葉變換

9.1.3 信號窗函式

9.1.4 卷積

9.2 插值(interpolate)

9.2.1單變數插值

9.2.2多變數插值

9.2.3 樣條插值

9.3 最佳化與擬合(optimize)

9.3.1 最小二乘擬合

9.3.2 B-樣條擬合

9.4 多維圖像處理（ndimage）

9.4.1 讀寫圖像

9.4.2截取、翻轉、旋轉

9.4.3 圖像濾波

9.4.4 邊緣檢測

9.4.5 圖像縮放

9.5 聚類(cluster)

9.5.1 K-Means 算法

9.5.2 分層聚類算法

9.6 案例10 ［三酷貓圖像文字切割］

9.7 習題及實驗

第10章Pandas基礎

10.1接觸Pandas

10.1.1 Pandas 概述

10.1.2數據結構

10.2Series基本操作

10.2.1 創建 Series

10.2.2 紫引 Serics 數據

10.2.3修改、刪除Seri查收

10.3 DataFrame 基本操作dato

10.3.1 創建DataFrame

10.3.2讀取DataFrame指定位置數據

10.3.3修改 DataFramc數據

10.3.4別除、增加DataFrame數據

10.3.5排序和排名

10.3.6其他基本功能

10.4DataFramc數據索引深入

10.4.1整行列引值

10.4.2多層級引

10.5數據計算

10.5.1運算

10.5.2比較運算和布爾值判斷

10.6讀寫數據

10.6.1 CSV格式導入導出

10.6.2JSON格式導入導出

10.6.3HTML格式導入導出

10.6.4Excel格式導入導出

10.6.5Clipboard 格式導入導出

10.6.6 Pickling 格式導入導出

10.6.7HDF5 格式導入導出

10.6.8SQL格式導入導出

10,6.9NoSQL格式導入導出

10.7案例11［三酷貓發布交易公告］

10.8習題及實驗

第11童Pandas敷據處理

11.1 缺失數據處理

11.1.1 缺失數據產生

11.1.2 缺失數據判斷和統計

11.1.3 缺失數據清理

11.2 多源數據操作

11.2.1合併

11.2.2連線

11.2.3 指定方向合併

11.3 數據轉置和透視表

11. 3.1 數據轉置

11.3.2 數據透視表

11.4 數據統計

11.4.1 基礎數學統計

11.4.1專業樣本統計

11.5 數據分組和聚合運算

11.5.1 groupby

11.5.2聚合

11.5.3分織轉換

11.5.4 分組過濾

11.6 數據可視化

11.6.1 plot 繪圖

11.6.2 繪製統計圖形

11.6.3 用 Matplotlib繪圖

11.7 字元串數據處理

11. 7.1字元串對象方法處理

11.7.2 正則表達式處理

11.8案例12 ［三酷貓分析簡歷］

11.9習題及實驗.

第12章Pandas基於時間套用

12.1 時間處理疑礎

12.1.1 時間基礎

12.1.2 時間衣示

12.1.3 時間序列

12.1.4 時間轉換

12.1.5 時間檢索

12.2 時間增疑處理

12.2.1 時間增量基本操作

12.2.2 增發數學運算

12.2.3時間增信屬性、增果索弓I

12.3 時間周期處理

12.3.1 時間周期建立

12.3.2 時間周期序列

12.4 日期偏移處理

12.4.1 時間偏移建立

12.4.2時間偏移量別名表

12.5 日期重採樣

12.5.1 重採樣方法

12.5.2降採樣

12.5.3 升采祥

12.6 基於時間的繪圖處理

12. 6.1 模擬股票

12.62 GDP 統計

12.7 案例13 ［三酷貓分析歷年分數線］

12.8 習題及實驗

第13章 SdkiMeam募礎

13.1 機器學習入門

13.1.1 從垃圾郵件說起

13.1.2 相關概念

13.1.3 Sciki-learn庫

13.2 數據準備

13.2.1 國內外專業線上數據源

13.2.2 Sciki-learn數據源

13.2.3 業務資料庫數據

13.2.4 隨機白生成數據

13.2.5 指定檔案讀取數據

13.3 分類

13.1.1分類基礎

13.32手寫字識別

13.4回歸

13.4.1 回歸基礎

13.4.2 鳶尾花相似度預測

13.5 聚類

13.5.1聚類基礎

13.5.2鳶尾花無監督學習

13.6 降維

13.6.1 降維基礎

13.6.2 手寫數字圖像降維

13.7 模型選擇

13.7.1 模型選擇基礎

13.7.2 交叉驗證及模型選擇

13.7.3 模型固定

13.8 數據預處理

13.8.1 數據預處理基礎

13.8.2 手寫數字的預處理

13.9 Scikit-learn 與 TensorFlow的比較

13.10 案例14 ［三酷貓預測手寫數字］

13.11 習題及實驗

附錄一數據類型

附錄二數組常量

附錄三 MaSlotlib的線型、線色、圖示

附錄四機器學習依據集詳細說明

附錄五本書附修代瑪清單

分考文獻

後記

作者簡介

劉瑜，具有20多年C、ASP、Basic、Foxbase、Delphi、Java、C#、Python等編程經驗，專著有《戰神——軟體項目管理深度實戰》《NoSQL資料庫入門與實踐》，高級信息系統項目管理師、軟體工程碩士、CIO、碩士企業導師。

Python編程從數據分析到機器學習實踐（微課視頻版）

基本介紹

內容簡介

圖書目錄

作者簡介

作者簡介

相關詞條

熱門詞條