实物拍摄 · 支持放大查看
大数据时代，大数据分析是关键技术。Python是一款的大数据分析软件，本书以Python 3结合第三方开源工行大数据分析，以小的代价编程实现数据的提取、处理、分析和可视化。 本书分为8章，首先介绍大数据分析的背景和行业应用，给出了数据特征算法分析；然后基于Python 3介绍常用典型第三方大数据分析工具的场景应用；后比较实地阐述大数据分析算法与经典实例应用。 本书适合从事大数据分析的研究人员、计算机或数学等相关专业的从业者参考学可以作为计算机或数学等专业本科高年级或研究生的专业用书。
目 录
第1章 大数据分析概述 1
1.1 大数据分析背景 1
1.2 大数据分析的应用 2
1.3 大数据分析算法 3
1.4 大数据分析工具 6
1.5 本章小结 9
第2章 数据特征算法分析 10
2.1 数据分布分析 10
2.1.1 数据分布特征集中趋势的测定 10
2.1.2 数据分布特征离散程度的测定 15
2.1.3 数据分布特征偏态与峰度的测定 19
2.2 数据相关分析 21
2.2.1 数据相关关系 21
2.2.2 数据相关分析的主要内容 24
2.2.3 相关关系的测定 24
2.3 数据聚类分析 26
2.3.1 聚类分析定义 26
2.3.2 聚类类型 27
2.3.3 聚类应用 29
2.4 数据主成分分析 29
2.4.1 主成分分析的原理及模型 30
2.4.2 数据主成分分析的几何解释 31
2.4.3 数据主成分的导出 32
2.4.4 证明主成分的方差是依次递减的 34
2.4.5 数据主成分分析的计算 35
2.5 数据动态分析 36
2.6 数据可视化 40
2.7 本章小结 42
第3章 大数据分析工具：NumPy 43
3.1 NumPy简介 43
3.2 NumPy环境安装配置 44
3.3 ndarray对象 45
3.4 数据类型 47
3.5 数组属 49
3.6 数组创建例程 52
3.7 切片和索引 57
3.8 广播 60
3.9 数组操作与迭代 61
3.10 位操作与字符串函数 87
3.11 数算函数 91
3.12 算数运算 93
3.13 统计函数 97
3.14 排序、搜索和计数函数 101
3.15 字节交换 104
3.16 副本和视图 105
3.17 矩阵库 107
3.18 线代数模块 109
3.19 Matplotlib库 112
3.20 Matplotlib 绘制直方图 114
3.21 IO文件操作 116
3.22 NumPy实例：GPS定位 117
3.23 本章小结 120
第4章 大数据分析工具：SciPy 121
4.1 SciPy简介 121
4.2 文件输入和输出：SciPy.io 122
4.3 特殊函数：SciPy.special 123
4.4 线代数操作：SciPy.linalg 124
4.5 快速傅里叶变换：sipy.fftpack 124
4.6 优化器：SciPy.optimize 125
4.7 统计工具：SciPy.stats 126
4.8 SciPy实例 127
4.8.1 二乘拟合 127
4.8.2 函数值 128
4.9 本章小结 130
第5章 大数据分析工具：Matplotlib 131
5.1 初级绘制 131
5.2 图像、子区、子图、刻度 137
5.3 其他种类的绘图 140
5.4 本章小结 147
第6章 大数据分析工具：Pandas 148
6.1 Pandas系列 148
6.2 Pandas数据帧 151
6.3 Pandas面板 155
6.4 Pandas快速入门 158
6.5 本章小结 172
第7章 大数据分析工具：Statsmodels与Gensim 173
7.1 Statsmodels 173
7.1.1 Statsmodels统计数据库 173
7.1.2 Statsmodels典型的拟合模型概述 175
7.1.3 Statsmodels举例 176
7.2 Gensim 178
7.2.1 基本概念 178
7.2.2 训练语料的预处理 179
7.2.3 主题向量的变换 180
7.2.4 文档相似度的计算 181
7.3 本章小结 182
第8章 大数据分析算法与实例 183
8.1 描述统计 183
8.2 假设检验 188
8.3 信度分析 192
8.4 列联表分析 195
8.5 相关分析 196
8.6 方差分析 198
8.6.1 单因素方差分析 199
8.6.2 多因素方差分析 201
8.7 回归分析 203
8.8 聚类分析 207
8.9 判别分析 212
8.10 主成分分析 216
8.11 因子分析 218
8.12 时间序列分析 221
8.13 生存分析 224
8.14 典型相关分析 245
8.15 RoC分析 250
8.16 距离分析 255
8.17 对应分析 264
8.18 决策树分析 265
8.19 神经网络-深度学71
8.19.1 深度学本模型 271
8.19.2 新闻分类实例 275
8.20 蒙特·卡罗模拟 280
8.20.1 蒙特·卡罗模拟基本模型 281
8.20.2 蒙特·卡罗模拟计算看涨期权实例 281
8.21 关联规则 287
8.21.1 关联规则的概念 288
8.21.2 Apriori算法及实例 289
8.21.3 FP树频集算法 292
8.22 Uplift Modeling 301
8.23 集成方法 306
8.24 异常检测 311
8.25 文本挖掘 315
8.26 Boosting算法（提升法和Gradient Boosting） 322
8.27 本章小结 325
参考文献 326
品相说明：本书为八品，书脊轻微磨损，内页整洁无涂画，无缺页少页，具体以实物照片为准。
品相标准：十品为全新未翻阅；九品近全新有轻微痕迹；八品有明显使用痕迹但内容完整；七品及以下为有破损或缺页，页面会有详细说明。
瑕疵说明：拍品图片均为实物拍摄，因显示设备差异可能存在轻微色差，以收到实物为准。
交易方式：本站采用担保交易，买家付款后资金由平台托管，确认收货无误后放款给卖家。
配送说明：下单后 48 小时内发货，默认快递发货，满 99 元包邮，多件订单可合并运费。
议价规则：标注「价格面议」的商品可通过站内消息与卖家议价，达成一致后改价下单。
七天无理由退换：收到商品七日内，若与描述不符可申请退换，运费由责任方承担。
纠纷处理：如发生交易纠纷，可提交平台介入处理，客服 09:00-18:00 在线受理。
正品保障：平台对古籍、签名本等贵重商品提供鉴定咨询服务，发现赝品全额退款。
