[醉染正版]正版Python大数据分析与挖掘实战 微课版大数据 数学 计算机 经济金融管理类的本科生和大专生学习书Pyt

基础篇
第1章Python基础
1.1Python概述
1.2Python安装及启动
1.2.1Python安装
1.2.2Python启动及界面认识
1.3Python扩展包安装
1.3.1在线安装
1.3.2离线安装
1.4Python基本数据类型
1.4.1数值的定义
1.4.2字符串的定义
1.4.3列表的定义
1.4.4元组的定义
1.4.5集合的定义
1.4.6字典的定义
1.5Python相关的公有方法
1.5.1索引
1.5.2切片
1.5.3长度
1.5.4统计
1.5.5成员身份
1.5.6变量删除
1.6列表、元组、字符串与字典方法
1.6.1列表方法
1.6.2元组方法
1.6.3字符串方法
1.6.4字典方法
1.7条件语句
1.7.1if…语句
1.7.2if…else…语句
1.7.3if…elif…else…语句
1.8循环语句
1.8.1while语句
1.8.2for循环
1.9函数
1.9.1无返回值函数的定义与调用
1.9.2有返回值函数的定义与调用
1.9.3有多返回值函数的定义与调用
本章小结
本章练习
第2章科学计算包Numpy
2.1Numpy简介
2.2创建数组
2.2.1利用array()函数创建数组
2.2.2利用内置函数创建数组
2.3数组尺寸
2.4数组运算
2.5数组切片
2.5.1常见的数组切片方法
2.5.2利用ix_()函数进行数组切片
2.6数组连接
2.7数据存取
2.8数组形态变换
2.9数组排序与搜索
2.10矩阵与线性代数运算
2.10.1创建Numpy矩阵
2.10.2矩阵的属性和基本运算
2.10.3线性代数运算
本章小结
本章练习
第3章数据处理包Pandas
3.1Pandas简介
3.2序列
3.2.1序列创建及访问
3.2.2序列属性
3.2.3序列方法
3.2.4序列切片
3.2.5序列聚合运算
3.3数据框
3.3.1数据框创建
3.3.2数据框属性
3.3.3数据框方法
3.3.4数据框切片
3.4外部文件读取
3.4.1Excel文件读取
3.4.2TXT文件读取
3.4.3CSV文件读取
3.5常用函数
3.5.1滚动计算函数
3.5.2数据框合并函数
3.5.3数据框关联函数
本章小结
本章练习
第4章数据可视化包Matplotlib
4.1Matplotlib绘图基础
4.1.1Matplotlib图像构成
4.1.2Matplotlib绘图基本流程
4.1.3中文字符显示
4.1.4坐标轴字符刻度标注
4.2Matplotlib常用图形绘制
4.2.1散点图
4.2.2线性图
4.2.3柱状图
4.2.4直方图
4.2.5饼图
4.2.6箱线图
4.2.7子图
本章小结
本章练习
第5章机器学习与实现
5.1Scikit-learn简介
5.2数据预处理
5.2.1缺失值处理
5.2.2数据规范化
5.2.3主成分分析
5.3线性回归
5.3.1一元线性回归
5.3.2多元线性回归
5.3.3Python线性回归应用举例
5.4逻辑回归
5.4.1逻辑回归模型
5.4.2Python逻辑回归模型应用举例
5.5神经网络
5.5.1神经网络模拟思想
5.5.2神经网络结构及数学模型
5.5.3Python神经网络分类应用举例
5.5.4Python神经网络回归应用举例
5.6支持向量机
5.6.1支持向量机原理
5.6.2Python支持向量机应用举例
5.7K-均值聚类
5.7.1K-均值聚类的基本原理
5.7.2PythonK-均值聚类算法应用举例
5.8关联规则
5.8.1关联规则概念
5.8.2布尔关联规则挖掘
5.8.3一对一关联规则挖掘及Python实现
5.8.4多对一关联规则挖掘及Python实现
本章小结
本章练习
第6章深度学习与实现
6.1深度学习简介
6.2深度学习框架简介
6.2.1Caffe框架
6.2.2Theano框架
6.2.3PaddlePaddle框架
6.2.4TensorFlow框架
6.3TensorFlow基础
6.3.1TensorFlow安装
6.3.2TensorFlow命令简介
6.3.3TensorFlow案例
6.4多层神经网络
6.4.1多层神经网络结构及数学模型
6.4.2多层神经网络分类问题应用举例
6.4.3多层神经网络回归问题应用举例
6.5卷积神经网络
6.5.1卷积层计算
6.5.2池化层计算
6.5.3全连接层计算
6.5.4CNN应用案例
6.6循环神经网络
6.6.1RNN结构及数学模型
6.6.2长短期记忆网络（LSTM）
6.6.3RNN应用案例
本章小结
本章练习
案例篇
第7章基于财务与交易数据的量化投资分析
7.1案例背景
7.2案例目标及实现思路
7.3基于总体规模与投资效率指标的综合评价
7.3.1指标选择
7.3.2数据获取
7.3.3数据处理
7.3.4主成分分析
7.3.5综合排名
7.4技术分析指标选择与计算
7.4.1移动平均线
7.4.2指数平滑异同平均线
7.4.3随机指标
7.4.4相对强弱指标
7.4.5乖离率指标
7.4.6能量潮指标
7.4.7涨跌趋势指标
7.4.8计算举例
7.5量化投资模型与策略实现
7.5.1投资组合构建
7.5.2基于逻辑回归的量化投资策略实现
本章小结
本章练习
第8章众包任务定价优化方案
8.1案例背景
8.2案例目标及实现思路
8.3数据获取与探索
8.3.1地理信息可视化包folium安装
8.3.2数据读取与地图可视化
8.4指标计算
8.4.1指标设计
8.4.2指标计算方法
8.4.3程序实现
8.5任务定价模型构建
8.5.1指标数据预处理
8.5.2多元线性回归模型
8.5.3神经网络模型
8.6方案评价
8.6.1任务完成增加量
8.6.2成本增加额
8.6.3完整实现代码
本章小结
本章练习
第9章地铁站点日客流量预测
9.1案例背景
9.2案例目标及实现思路
9.3数据获取与探索
9.3.1二分法查找思想
9.3.2每日数据index范围提取
9.4指标计算
9.4.1指标设计
9.4.2指标计算方法
9.4.3程序实现
9.4.4指标数据预处理
9.5数据可视化
9.6.因素分析
9.6.1SPSS进行指数平滑
9.6.2因素分析结果
9.7神经网络预测模型的建立
9.7.1示例站点客流量预测
9.7.2全部站点客流量预测
9.7.3模型预测结果分析
本章小结
本章练习
第10章微博文本情感分析
10.1案例背景
10.2案例目标及实现思路
10.3数据预处理过程
10.3.1数据读取
10.3.2分词
10.3.3去停用词
10.3.4词向量
10.3.5划分数据集
10.4支持向量机分类模型
10.5基于LSTM网络的分类模型
本章小结
本章练习
第11章基于人民币图像的面额识别
11.1案例背景
11.2案例目标及实现思路
11.3数据获取与探索
11.4支持向量机识别模型
11.4.1颜色特征计算方法
11.4.2自变量与因变量计算
11.4.3模型实现
11.5卷积神经网络识别模型：灰图
11.5.1数据处理
11.5.2模型实现
11.6卷积神经网络识别模型：彩图
11.6.1数据处理
11.6.2模型实现
本章小结
本章练习
提高篇
第12章GUI可视化应用开发
12.1人民币面额识别系统
12.1.1Pycharm安装
12.1.2创建项目文件夹
12.1.3配置QtDesigner工具
12.1.4配置代码生成工具
12.1.5系统界面设计
12.1.6系统界面转化为PyQt5代码
12.1.7配置项目解释器
12.1.8系统功能实现
12.1.9生成可独立运行的exe文件
12.2上市公司综合评价系统
12.2.1界面设计
12.2.2系统功能实现
12.2.3生成exe文件
本章小结
本章练习
附录综合实训课题
参考文献

本书以应用为导向，将理论与实践相结合，深入浅出地介绍了利用Python进行大数据分析与挖掘的基本知识，以及如何将其应用到具体领域的方法。
本书分为基础篇、案例篇和附录三个部分。基础篇(第1章～第6章)主要介绍Python基础知识及应用于科学计算、数据处理、数据可视化、机器学习、深度学习等方面的基础知识；案例篇(第7章～第12章)主要介绍利用Python进行金融、地理信息、交通、文本分析、图像识别等领域大数据分析与挖掘的案例，以及图形用户界面可视化应用开发的案例；附录提供了6个综合实训课题，以帮助读者提高实践应用能力。同时，本书还提供了详细的实训指导、数据源和程序代码等配套资源。
本书作为普通高等院校数据科学与大数据技术、数学、计算机、经济管理等专业相关课程的教材，也可作为数据分析从业人员及数据挖掘爱好者的参考书。