Python大数据分析与挖掘实战 微课版 黄恒秋 等 编 大中专 文轩网

基础篇 1
第1章Python基础1
1.1Python概述1
1.2Python安装及启动1
1.2.1Python安装1
1.2.2Python启动及界面认识4
1.3Python扩展包安装9
1.3.1在线安装9
1.3.2离线安装10
1.4Python基本数据类型11
1.4.1数值的定义11
1.4.2字符串的定义11
1.4.3列表的定义12
1.4.4元组的定义12
1.4.5集合的定义12
1.4.6字典的定义13
1.5Python相关的公有方法13
1.5.1索引13
1.5.2切片14
1.5.3长度15
1.5.4统计15
1.5.5成员身份15
1.5.6变量删除16
1.6列表、元组、字符串与字典方法16
1.6.1列表方法16
1.6.2元组方法18
1.6.3字符串方法19
1.6.4字典方法20
1.7条件语句21
1.7.1if…语句21
1.7.2if…else…语句21
1.7.3if…elif…else…语句22
1.8循环语句22
1.8.1while语句22
1.8.2for循环23
1.9函数23
1.9.1无返回值函数的定义与调用23
1.9.2有返回值函数的定义与调用24
1.9.3有多返回值函数的定义与调用24
本章小结25
本章练习25
第2章科学计算包Numpy26
2.1Numpy简介26
2.2创建数组27
2.2.1利用array()函数创建数组27
2.2.2利用内置函数创建数组28
2.3数组尺寸28
2.4数组运算29
2.5数组切片30
2.5.1常见的数组切片方法30
2.5.2利用ix_()函数进行数组切片31
2.6数组连接32
2.7数据存取33
2.8数组形态变换34
2.9数组排序与搜索35
2.10矩阵与线性代数运算36
2.10.1创建Numpy矩阵36
2.10.2矩阵的属性和基本运算37
2.10.3线性代数运算38
本章小结41
本章练习42
第3章数据处理包Pandas43
3.1Pandas简介43
3.2序列44
3.2.1序列创建及访问44
3.2.2序列属性45
3.2.3序列方法46
3.2.4序列切片47
3.2.5序列聚合运算48
3.3数据框48
3.3.1数据框创建49
3.3.2数据框属性49
3.3.3数据框方法50
3.3.4数据框切片54
3.4外部文件读取56
3.4.1Excel文件读取56
3.4.2TXT文件读取57
3.4.3CSV文件读取58
3.5常用函数59
3.5.1滚动计算函数59
3.5.2数据框合并函数60
3.5.3数据框关联函数61
本章小结62
本章练习63
第4章数据可视化包Matplotlib65
4.1Matplotlib绘图基础65
4.1.1Matplotlib图像构成65
4.1.2Matplotlib绘图基本流程65
4.1.3中文字符显示67
4.1.4坐标轴字符刻度标注69
4.2Matplotlib常用图形绘制70
4.2.1散点图71
4.2.2线性图72
4.2.3柱状图73
4.2.4直方图74
4.2.5饼图75
4.2.6箱线图75
4.2.7子图76
本章小结79
本章练习79
第5章机器学习与实现80
5.1Scikit-learn简介80
5.2数据预处理80
5.2.1缺失值处理81
5.2.2数据规范化83
5.2.3主成分分析86
5.3线性回归93
5.3.1一元线性回归93
5.3.2多元线性回归96
5.3.3Python线性回归应用举例97
5.4逻辑回归99
5.4.1逻辑回归模型99
5.4.2Python逻辑回归模型应用举例100
5.5神经网络101
5.5.1神经网络模拟思想101
5.5.2神经网络结构及数学模型103
5.5.3Python神经网络分类应用举例104
5.5.4Python神经网络回归应用举例105
5.6支持向量机106
5.6.1支持向量机原理106
5.6.2Python支持向量机应用举例107
5.7K-均值聚类109
5.7.1K-均值聚类的基本原理110
5.7.2PythonK-均值聚类算法应用举例113
5.8关联规则114
5.8.1关联规则概念114
5.8.2布尔关联规则挖掘116
5.8.3一对一关联规则挖掘及Python实现116
5.8.4多对一关联规则挖掘及Python实现118
本章小结123
本章练习123
第6章深度学习与实现128
6.1深度学习简介128
6.2深度学习框架简介128
6.2.1Caffe框架128
6.2.2Theano框架129
6.2.3PaddlePaddle框架129
6.2.4TensorFlow框架129
6.3TensorFlow基础129
6.3.1TensorFlow安装129
6.3.2TensorFlow命令简介133
6.3.3TensorFlow案例135
6.4多层神经网络139
6.4.1多层神经网络结构及数学模型139
6.4.2多层神经网络分类问题应用举例141
6.4.3多层神经网络回归问题应用举例144
6.5卷积神经网络151
6.5.1卷积层计算151
6.5.2池化层计算153
6.5.3全连接层计算155
6.5.4CNN应用案例155
6.6循环神经网络161
6.6.1RNN结构及数学模型161
6.6.2长短期记忆网络（LSTM）162
6.6.3RNN应用案例164
本章小结167
本章练习168
案例篇169
第7章基于财务与交易数据的量化投资分析169
7.1案例背景169
7.2案例目标及实现思路169
7.3基于总体规模与投资效率指标的综合评价170
7.3.1指标选择171
7.3.2数据获取171
7.3.3数据处理173
7.3.4主成分分析174
7.3.5综合排名174
7.4技术分析指标选择与计算175
7.4.1移动平均线176
7.4.2指数平滑异同平均线176
7.4.3随机指标177
7.4.4相对强弱指标177
7.4.5乖离率指标178
7.4.6能量潮指标178
7.4.7涨跌趋势指标179
7.4.8计算举例179
7.5量化投资模型与策略实现182
7.5.1投资组合构建183
7.5.2基于逻辑回归的量化投资策略实现183
本章小结186
本章练习186
第8章众包任务定价优化方案187
8.1案例背景187
8.2案例目标及实现思路188
8.3数据获取与探索188
8.3.1地理信息可视化包folium安装188
8.3.2数据读取与地图可视化189
8.4指标计算190
8.4.1指标设计190
8.4.2指标计算方法191
8.4.3程序实现192
8.5任务定价模型构建198
8.5.1指标数据预处理198
8.5.2多元线性回归模型201
8.5.3神经网络模型202
8.6方案评价202
8.6.1任务完成增加量202
8.6.2成本增加额203
8.6.3完整实现代码203
本章小结205
本章练习205
第9章地铁站点日客流量预测205
9.1案例背景206
9.2案例目标及实现思路206
9.3数据获取与探索207
9.3.1二分法查找思想208
9.3.2每日数据index范围提取208
9.4指标计算209
9.4.1指标设计210
9.4.2指标计算方法210
9.4.3程序实现210
9.4.4指标数据预处理214
9.5数据可视化214
9.6.因素分析218
9.6.1SPSS进行指数平滑218
9.6.2因素分析结果221
9.7神经网络预测模型的建立222
9.7.1示例站点客流量预测222
9.7.2全部站点客流量预测224
9.7.3模型预测结果分析226
本章小结227
本章练习227
第10章微博文本情感分析228
10.1案例背景228
10.2案例目标及实现思路228
10.3数据预处理过程229
10.3.1数据读取229
10.3.2分词230
10.3.3去停用词232
10.3.4词向量233
10.3.5划分数据集236
10.4支持向量机分类模型237
10.5基于LSTM网络的分类模型238
本章小结241
本章练习241
第11章基于人民币图像的面额识别242
11.1案例背景242
11.2案例目标及实现思路242
11.3数据获取与探索243
11.4支持向量机识别模型245
11.4.1颜色特征计算方法245
11.4.2自变量与因变量计算246
11.4.3模型实现247
11.5卷积神经网络识别模型：灰图248
11.5.1数据处理248
11.5.2模型实现249
11.6卷积神经网络识别模型：彩图252
11.6.1数据处理252
11.6.2模型实现254
本章小结255
本章练习255
提高篇257
第12章GUI可视化应用开发257
12.1人民币面额识别系统257
12.1.1Pycharm安装257
12.1.2创建项目文件夹260
12.1.3配置QtDesigner工具262
12.1.4配置代码生成工具264
12.1.5系统界面设计266
12.1.6系统界面转化为PyQt5代码268
12.1.7配置项目解释器271
12.1.8系统功能实现273
12.1.9生成可独立运行的exe文件276
12.2上市公司综合评价系统280
12.2.1界面设计281
12.2.2系统功能实现283
12.2.3生成exe文件286
本章小结287
本章练习287
附录综合实训课题288
参考文献290