智能系统与技术丛书 Python3智能数据分析快速入门2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

智能系统与技术丛书 Python3智能数据分析快速入门PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 Python概述1

1.1 Python语言介绍1

1.1.1 Python的发展史1

1.1.2 Python特性2

1.1.3 Python应用领域3

1.1.4 Python机器学习优势6

1.2 Python环境配置8

1.2.1 Python 2还是Python 38

1.2.2 Anaconda简介8

1.2.3 安装Anaconda 39

1.3 Python的解释器与IDE12

1.3.1 Python的解释器13

1.3.2 Python各IDE比较13

1.3.3 PyCharm的安装与使用16

1.3.4 Jupyter Notebook的使用26

小结32

课后习题33

第2章 Python基础知识34

2.1 固定语法34

2.1.1 声明与注释34

2.1.2 缩进与多行语句36

2.1.3 保留字符与赋值38

2.2 运算符40

2.2.1 算术运算符40

2.2.2 赋值运算符41

2.2.3 比较运算符43

2.2.4 逻辑运算符44

2.2.5 按位运算符44

2.2.6 身份运算符45

2.2.7 成员运算符46

2.2.8 运算符优先级47

2.3 数据类型48

2.3.1 基础数据类型48

2.3.2 复合数据类型55

2.4 Python I/O63

2.4.1 input与print64

2.4.2 文件I/O67

小结70

课后习题70

第3章 控制语句72

3.1 条件语句72

3.1.1 if、elif与else73

3.1.2 try、except与else76

3.2 循环语句80

3.2.1 for81

3.2.2 while83

3.2.3 break、continue与pass85

3.2.4 列表推导式89

小结91

课后习题91

第4章 函数与对象94

4.1 函数94

4.1.1 内置函数94

4.1.2 自定义函数101

4.1.3 匿名函数107

4.2 对象109

4.2.1 面向对象简介109

4.2.2 属性与方法110

4.2.3 装饰器116

4.2.4 继承和多态119

4.3 Python常用库安装126

4.3.1 第三方库安装126

4.3.2 第三方库导入130

4.3.3 第三方库创建131

小结132

课后习题133

第5章 NumPy数值计算135

5.1 ndarray创建与索引135

5.1.1 创建ndarray对象135

5.1.2 ndarray的索引与切片142

5.2 ndarray的基础操作145

5.2.1 变换ndarray的形态145

5.2.2 排序与搜索151

5.2.3 字符串操作156

5.3 ufunc159

5.3.1 ufunc的广播机制159

5.3.2 常用ufunc160

5.4 matrix与线性代数169

5.4.1 创建NumPy矩阵169

5.4.2 矩阵的属性和基本运算170

5.4.3 线性代数运算172

5.5 NumPy文件读写175

5.5.1 二进制文件读写175

5.5.2 文件列表形式数据读写178

小结180

课后习题180

第6章 pandas基础182

6.1 pandas常用类182

6.1.1 Series182

6.1.2 DataFrame187

6.1.3 Index191

6.2 DataFrame基础操作193

6.2.1 索引193

6.2.2 排序201

6.2.3 合并204

6.3 其他数据类型操作210

6.3.1 时间操作210

6.3.2 文本操作220

6.3.3 category操作223

小结227

课后习题227

第7章 pandas进阶229

7.1 数据读取与写入229

7.1.1 CSV229

7.1.2 Excel231

7.1.3 数据库233

7.2 DataFrame进阶235

7.2.1 统计分析235

7.2.2 分组运算242

7.2.3 透视表和交叉表248

7.3 数据准备250

7.3.1 缺失值处理251

7.3.2 重复数据处理255

7.3.3 连续特征离散化处理256

7.3.4 哑变量处理259

小结260

课后习题260

第8章 绘图263

8.1 Matplotlib绘图基础263

8.1.1 编码风格263

8.1.2 动态rc参数267

8.1.3 散点图273

8.1.4 折线图276

8.1.5 饼图278

8.1.6 直方图与条形图280

8.1.7 箱线图282

8.2 Seaborn进阶绘图285

8.2.1 Seaborn基础285

8.2.2 关系图301

8.2.3 分类图311

8.2.4 分布图329

8.2.5 回归图334

8.2.6 矩阵图341

8.2.7 网格图345

8.3 Bokeh交互式绘图356

8.3.1 基本构成与语法356

8.3.2 常见图形绘制370

8.3.3 导出与嵌入375

8.3.4 运行Bokeh应用程序379

小结381

习题381

第9章 scikit-learn383

9.1 数据准备383

9.1.1 标准化383

9.1.2 归一化387

9.1.3 二值化388

9.1.4 独热编码389

9.2 降维391

9.2.1 PCA392

9.2.2 随机投影396

9.2.3 字典学习402

9.2.4 独立成分分析408

9.2.5 非负矩阵分解412

9.2.6 线性判别分析416

9.3 聚类420

9.3.1 K-Means421

9.3.2 层次聚类424

9.3.3 DBSCAN427

9.3.4 高斯混合模型430

9.4 分类434

9.4.1 Logistic回归435

9.4.2 支持向量机439

9.4.3 决策树443

9.4.4 最近邻447

9.4.5 朴素贝叶斯450

9.4.6 随机森林452

9.4.7 多层感知机456

9.5 回归460

9.5.1 最小二乘回归461

9.5.2 岭回归464

9.5.3 Lasso回归466

9.5.4 决策树回归468

9.5.5 随机森林回归471

9.5.6 多层感知机回归473

9.6 模型选择476

9.6.1 数据集划分476

9.6.2 交叉验证478

9.6.3 自动调参479

9.6.4 模型评估481

小结486

课后习题487