數(shù)據(jù)科學實戰(zhàn)手冊（第2版）

定　價：￥69.00

作　者：	[印度] 普拉罕·塔塔（Prabhanjan Tattar）著，劉旭華，李晗，閆晗譯
出版社：	人民郵電出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787115499257	出版時間：	2019-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	304	字數(shù)：

內(nèi)容簡介

　　本書對想學習數(shù)據(jù)分析的人來說是一本非常實用的參考書，書中有多個真實的數(shù)據(jù)分析案例，幾乎是以手把手的方式教你一步一步地完成從數(shù)據(jù)分析的準備到分析結(jié)果報告的整個流程。無論是數(shù)據(jù)分析工作的從業(yè)者，還是有志于未來從事數(shù)據(jù)分析工作的在校大學生，都能從本書中獲取一些新知識、新思想。同時，本書也是一本學習和提高R及Python編程的參考書。很多人有這樣的感觸，單純地學習編程語言是很枯燥的過程，但利用本書學習R和Python語言可以很好地解決這個問題，生動實用的數(shù)據(jù)集以及非常有意思的分析結(jié)果會極大地激發(fā)讀者學習的興趣。本書案例包括汽車數(shù)據(jù)分析、稅收數(shù)據(jù)分析、就業(yè)數(shù)據(jù)分析、股市數(shù)據(jù)分析、社交網(wǎng)絡分析、大規(guī)模電影推薦、Twitter數(shù)據(jù)分析、新西蘭海外游客預測分析以及德國信用數(shù)據(jù)分析等。

作者簡介

　　作者簡介Prabhanjan Tattar有9年的統(tǒng)計分析工作經(jīng)驗。他的精力集中在通過簡潔優(yōu)美的程序解釋統(tǒng)計和機器學習技術上。他已經(jīng)寫作了兩本關于R的書，并在維護幾個R包：gpk、RSADBE和ACSWR。Tony Ojeda是一位經(jīng)驗豐富的數(shù)據(jù)科學家和企業(yè)家，在商業(yè)流程的****化方面非常專業(yè)，他是華盛頓特區(qū)數(shù)據(jù)實驗室的創(chuàng)始人，致力于數(shù)據(jù)科學的教育事業(yè)和活動組織。Sean Patrick Murphy在約翰？霍普金斯大學的應用物理實驗室做了15年的高級科研人員，他專注于機器學習、信號處理以及高性能計算等。他是MD數(shù)據(jù)科學見面會的聯(lián)合創(chuàng)始人。Benjamin Bengfort是一位非常有經(jīng)驗的數(shù)據(jù)科學家和Python開發(fā)者。他曾在業(yè)界和學術界工作過8年。他現(xiàn)在在馬里蘭大學派克學院攻讀計算機博士學位Abhijit Dasgupta有多年的生物制藥行業(yè)咨詢、商業(yè)分析、生物信息以及生物工程咨詢方面的經(jīng)驗。他擁有華盛頓大學生物統(tǒng)計專業(yè)的博士學位，是華盛頓特區(qū)統(tǒng)計編程社群的創(chuàng)始人和聯(lián)合組織者。譯者簡介劉旭華，現(xiàn)為中國農(nóng)業(yè)大學理學院應用數(shù)學系副教授，北京理工大學博士，美國北卡萊羅納大學教堂山分校訪問學者，主要從事數(shù)理統(tǒng)計、數(shù)據(jù)科學、數(shù)學與統(tǒng)計軟件等領域的教學與科研工作，主持及參與過多項國家自然科學基金、北京市自然科學基金等項目。李晗，2015年畢業(yè)于廣州華南理工大學，碩士期間主要從事信號處理、數(shù)據(jù)分析方面的研究。目前就職于中興通訊，主要從事數(shù)據(jù)庫、數(shù)據(jù)分析、容器化微服務方面的開發(fā)與運維工作。閆晗：中國人民大學統(tǒng)計學院碩士，“統(tǒng)計之都”編輯部“搬磚工”。

圖書目錄

第 1章　準備數(shù)據(jù)科學環(huán)境 1
1．1 理解數(shù)據(jù)科學管道 2
1．1．1 操作流程 2
1．1．2 工作原理 3
1．2 在Windows、Mac OS X和Linux上安裝R 4
1．2．1 準備工作 4
1．2．2 操作流程 4
1．2．3 工作原理 6
1．3 在R和RStudio中安裝擴展包 6
1．3．1 準備工作 6
1．3．2 操作流程 6
1．3．3 工作原理 8
1．3．4 更多內(nèi)容 8
1．4 在Linux和Mac OS X上安裝Python 9
1．4．1 準備工作 9
1．4．2 操作流程 9
1．4．3 工作原理 9
1．5 在Windows上安裝Python 10
1．5．1 操作流程 10
1．5．2 工作原理 11
1．6 在Mac OS X和Linux上安裝Python數(shù)據(jù)庫 11
1．6．1 準備工作 11
1．6．2 操作流程 12
1．6．3 工作原理 12
1．6．4 更多內(nèi)容 13
1．7 安裝更多Python包 13
1．7．1 準備工作 14
1．7．2 操作流程 14
1．7．3 工作原理 15
1．7．4 更多內(nèi)容 15
1．8 安裝和使用virtualenv 15
1．8．1 準備工作 16
1．8．2 操作流程 16
1．8．3 工作原理 18
1．8．4 更多內(nèi)容 18
第 2章　基于R的汽車數(shù)據(jù)可視化分析 19
2．1 簡介 19
2．2 獲取汽車燃料效率數(shù)據(jù) 20
2．2．1 準備工作 20
2．2．2 操作流程 20
2．2．3 工作原理 21
2．3 為你的第一個分析項目準備好R 21
2．3．1 準備工作 21
2．3．2 操作流程 21
2．3．3 更多內(nèi)容 22
2．4 將汽車燃料效率數(shù)據(jù)導入R 22
2．4．1 準備工作 22
2．4．2 操作流程 22
2．4．3 工作原理 24
2．4．4 更多內(nèi)容 24
2．5 探索并描述燃料效率數(shù)據(jù) 25
2．5．1 準備工作 25
2．5．2 操作流程 25
2．5．3 工作原理 27
2．5．4 更多內(nèi)容 28
2．6 分析汽車燃料效率數(shù)據(jù)隨時間的變化情況 29
2．6．1 準備工作 29
2．6．2 操作流程 29
2．6．3 工作原理 37
2．6．4 更多內(nèi)容 38
2．7 研究汽車的品牌和型號 38
2．7．1 準備工作 39
2．7．2 操作流程 39
2．7．3 工作原理 41
2．7．4 更多內(nèi)容 41
第3章　基于Python的稅收數(shù)據(jù)應用導向分析 42
3．1 簡介 42
3．2 高收入數(shù)據(jù)分析的準備工作 44
3．2．1 準備工作 44
3．2．2 操作流程 44
3．2．3 工作原理 45
3．3 導入并探索性地分析世界高收入數(shù)據(jù)集 45
3．3．1 準備工作 45
3．3．2 操作流程 45
3．3．3 工作原理 51
3．3．4 更多內(nèi)容 52
3．4 分析并可視化美國高收入數(shù)據(jù) 53
3．4．1 準備工作 53
3．4．2 操作流程 53
3．4．3 工作原理 59
3．5 進一步分析美國高收入群體 60
3．5．1 準備工作 60
3．5．2 操作流程 60
3．5．3 工作原理 64
3．6 使用Jinja2匯報結(jié)果 64
3．6．1 準備工作 64
3．6．2 操作流程 64
3．6．3 工作原理 69
3．6．4 更多內(nèi)容 69
3．7 基于R的數(shù)據(jù)分析再實現(xiàn) 70
3．7．1 準備工作 70
3．7．2 操作流程 70
3．7．3 更多內(nèi)容 74
第4章　股市數(shù)據(jù)建模 75
4．1 簡介 75
4．2 獲取股市數(shù)據(jù) 76
4．3 描述數(shù)據(jù) 78
4．3．1 準備工作 78
4．3．2 操作流程 78
4．3．3 工作原理 79
4．3．4 更多內(nèi)容 79
4．4 清洗并探索性地分析數(shù)據(jù) 80
4．4．1 準備工作 80
4．4．2 操作流程 80
4．4．3 工作原理 85
4．5 生成相對估值 85
4．5．1 準備工作 86
4．5．2 操作流程 86
4．5．3 工作原理 89
4．6 篩選股票并分析歷史價格 90
4．6．1 準備工作 90
4．6．2 操作流程 90
4．6．3 工作原理 95
第5章　就業(yè)數(shù)據(jù)可視化探索 96
5．1　簡介 96
5．2　分析前的準備工作 97
5．2．1　準備工作 97
5．2．2　操作流程 97
5．2．3　工作原理 98
5．3　將就業(yè)數(shù)據(jù)導入R 99
5．3．1　準備工作 99
5．3．2　操作流程 99
5．3．3　工作原理 99
5．3．4　更多內(nèi)容 100
5．4　探索就業(yè)數(shù)據(jù) 101
5．4．1　準備工作 101
5．4．2　操作流程 101
5．4．3　工作原理 102
5．5　獲取、合并附加數(shù)據(jù) 103
5．5．1　準備工作 103
5．5．2　操作流程 103
5．5．3　工作原理 105
5．6　添加地理信息 105
5．6．1　準備工作 106
5．6．2　操作流程 106
5．6．3　工作原理 108
5．7　提取州和縣級水平的薪資及就業(yè)信息 109
5．7．1　準備工作 109
5．7．2　操作流程 110
5．7．3　工作原理 111
5．8　可視化薪資的地理分布 112
5．8．1　準備工作 112
5．8．2　操作流程 113
5．8．3　工作原理 115
5．9　分行業(yè)探索就業(yè)機會的地理分布 115
5．9．1　操作流程 116
5．9．2　工作原理 117
5．9．3　更多內(nèi)容 117
5．10　繪制地理時間序列的動畫地圖 118
5．10．1　準備工作 118
5．10．2　操作流程 118
5．10．3　工作原理 122
5．10．4　更多內(nèi)容 122
5．11　函數(shù)基本性能測試 122
5．11．1　準備工作 123
5．11．2　操作流程 123
5．11．3　工作原理 125
5．11．4　更多內(nèi)容 125
第6章　汽車數(shù)據(jù)可視化（基于Python） 126
6．1　簡介 126
6．2　IPython入門 127
6．2．1　準備工作 127
6．2．2　操作流程 127
6．2．3　工作原理 130
6．3　熟悉Jupyter Notebook 130
6．3．1　準備工作 130
6．3．2　操作流程 130
6．3．3　工作原理 132
6．3．4　更多內(nèi)容 132
6．4　為分析汽車燃料效率做好準備 133
6．4．1　準備工作 133
6．4．2　操作流程 133
6．4．3　工作原理 134
6．4．4　更多內(nèi)容 134
6．5　用Python探索并描述汽車燃料效率數(shù)據(jù) 135
6．5．1　準備工作 135
6．5．2　操作流程 135
6．5．3　工作原理 138
6．5．4　更多內(nèi)容 138
6．6　用Python分析汽車燃料效率隨時間變化的情況 139
6．6．1　準備工作 139
6．6．2　操作流程 139
6．6．3　工作原理 144
6．6．4　更多內(nèi)容 145
6．7　用Python研究汽車的品牌和型號 146
6．7．1　準備工作 146
6．7．2　操作流程 146
6．7．3　工作原理 149
第7章　社交網(wǎng)絡分析（基于Python） 151
7．1　簡介 151
7．2　準備用Python進行社交網(wǎng)絡的分析工作 153
7．2．1　準備工作 153
7．2．2　操作流程 154
7．2．3　工作原理 154
7．2．4　更多內(nèi)容 154
7．3　導入網(wǎng)絡 155
7．3．1　準備工作 155
7．3．2　操作流程 155
7．3．3　工作原理 156
7．4　探索英雄網(wǎng)絡的子圖 157
7．4．1　準備工作 157
7．4．2　操作流程 158
7．4．3　工作原理 160
7．4．4　更多內(nèi)容 160
7．5　找出強關聯(lián) 160
7．5．1　準備工作 161
7．5．2　操作流程 161
7．5．3　工作原理 163
7．5．4　更多內(nèi)容 164
7．6　找出關鍵人物 164
7．6．1　準備工作 164
7．6．2　操作流程 164
7．6．3　工作原理 168
7．6．4　更多內(nèi)容 168
7．7　探索全網(wǎng)特征 174
7．7．1　準備工作 174
7．7．2　操作流程 174
7．7．3　工作原理 175
7．8　社交網(wǎng)絡中的聚類和社群發(fā)現(xiàn) 175
7．8．1　準備工作 176
7．8．2　操作流程 176
7．8．3　工作原理 179
7．8．4　更多內(nèi)容 179
7．9　可視化圖 180
7．9．1　準備工作 180
7．9．2　操作流程 180
7．9．3　工作原理 181
7．10　R中的社交網(wǎng)絡分析 182
7．10．1　準備工作 182
7．10．2　操作流程 183
7．10．3　工作原理 188
第8章　大規(guī)模電影推薦（基于Python） 189
8．1　簡介 189
8．2　對偏好建模 191
8．2．1　操作流程 191
8．2．2　工作原理 191
8．3　理解數(shù)據(jù) 192
8．3．1　準備工作 192
8．3．2　操作流程 193
8．3．3　工作原理 194
8．3．4　更多內(nèi)容 194
8．4　提取電影評分數(shù)據(jù) 195
8．4．1　準備工作 195
8．4．2　操作流程 195
8．4．3　工作原理 197
8．5　尋找高評分電影 199
8．5．1　準備工作 199
8．5．2　操作流程 199
8．5．3　工作原理 200
8．5．4　更多內(nèi)容 201
8．6　改善電影評分系統(tǒng) 201
8．6．1　準備工作 201
8．6．2　操作流程 201
8．6．3　工作原理 202
8．6．4　更多內(nèi)容 203
8．7　計算用戶在偏好空間中的距離 203
8．7．1　準備工作 204
8．7．2　操作流程 204
8．7．3　工作原理 205
8．7．4　更多內(nèi)容 206
8．8　計算用戶之間的相關性 206
8．8．1　準備工作 206
8．8．2　操作流程 207
8．8．3　工作原理 208
8．8．4　更多內(nèi)容 208
8．9　為用戶尋找最佳影評人 208
8．9．1　準備工作 209
8．9．2　操作流程 209
8．9．3　工作原理 210
8．10　預測用戶電影評分 211
8．10．1　準備工作 211
8．10．2　操作流程 211
8．10．3　工作原理 212
8．11　基于物品的協(xié)同過濾 213
8．11．1　準備工作 214
8．11．2　操作流程 214
8．11．3　工作原理 215
8．12　建立非負矩陣分解模型 216
8．12．1　操作流程 217
8．12．2　工作原理 217
8．13　將數(shù)據(jù)集載入內(nèi)存 219
8．13．1　準備工作 219
8．13．2　操作流程 219
8．13．3　工作原理 220
8．13．4　更多內(nèi)容 221
8．14　導出SVD模型到硬盤 221
8．14．1　操作流程 222
8．14．2　工作原理 223
8．15　訓練SVD模型 223
8．15．1　操作流程 223
8．15．2　工作原理 225
8．15．3　更多內(nèi)容 225
8．16　測試SVD模型 226
8．16．1　操作流程 226
8．16．2　工作原理 226
8．16．3　更多內(nèi)容 227
第9章　獲取和定位Twitter數(shù)據(jù)（基于Python） 228
9．1　簡介 228
9．2　創(chuàng)建Twitter應用 229
9．2．1　準備工作 229
9．2．2　操作流程 230
9．2．3　工作原理 232
9．3　了解Twitter API v1．1 232
9．3．1　準備工作 233
9．3．2　操作流程 233
9．3．3　工作原理 234
9．3．4　更多內(nèi)容 235
9．4　獲取粉絲和好友信息 236
9．4．1　準備工作 236
9．4．2　操作流程 236
9．4．3　工作原理 238
9．4．4　更多內(nèi)容 238
9．5　獲取Twitter用戶信息 239
9．5．1　準備工作 239
9．5．2　操作流程 239
9．5．3　工作原理 240
9．5．4　更多內(nèi)容 240
9．6　避免Twitter速度限制 241
9．6．1　準備工作 241
9．6．2　操作流程 241
9．6．3　工作原理 242
9．7　存儲JSON數(shù)據(jù)至硬盤 242
9．7．1　準備工作 242
9．7．2　操作流程 242
9．7．3　工作原理 243
9．8　搭建MongoDB存儲Twitter數(shù)據(jù) 243
9．8．1　準備工作 244
9．8．2　操作流程 244
9．8．3　工作原理 245
9．8．4　更多內(nèi)容 245
9．9　利用PyMongo存儲用戶信息到MongoDB 246
9．9．1　準備工作 246
9．9．2　操作流程 246
9．9．3　工作原理 247
9．10　探索用戶地理信息 247
9．10．1　準備工作 248
9．10．2　操作流程 248
9．10．3　工作原理 249
9．10．4　更多內(nèi)容 250
9．11　利用Python繪制地理分布圖 250
9．11．1　準備工作 250
9．11．2　操作流程 250
9．11．3　工作原理 251
9．11．4　更多內(nèi)容 252
第 10章　預測新西蘭的海外游客 254
10．1　簡介 254
10．2　時間序列（ts）對象 255
10．2．1　準備工作 256
10．2．2　操作流程 256
10．2．3　工作原理 257
10．3　可視化時間序列數(shù)據(jù) 257
10．3．1　準備工作 258
10．3．2　操作流程 258
10．3．3　工作原理 260
10．4　簡單的線性回歸模型 261
10．4．1　準備工作 261
10．4．2　操作流程 261
10．4．3　工作原理 265
10．5　ACF和PACF 265
10．5．1　準備工作 266
10．5．2　操作流程 266
10．5．3　工作原理 267
10．6　ARIMA模型 267
10．6．1　準備工作 268
10．6．2　操作流程 268
10．6．3　工作原理 275
10．7　精確性評估 275
10．7．1　準備工作 276
10．7．2　操作流程 276
10．7．3　工作原理 276
10．8　擬合季節(jié)性ARIMA模型 277
10．8．1　準備工作 277
10．8．2　操作流程 277
10．8．3　工作原理 279
10．8．4　更多內(nèi)容 279
第 11章　德國信用數(shù)據(jù)分析 280
11．1　簡介 280
11．2　簡單數(shù)據(jù)轉(zhuǎn)換 281
11．2．1　準備工作 281
11．2．2　操作流程 281
11．2．3　工作原理 283
11．2．4　更多內(nèi)容 283
11．3　可視化分類數(shù)據(jù) 283
11．3．1　準備工作 284
11．3．2　操作流程 284
11．3．3　工作原理 286
11．4　判別分析 286
11．4．1　準備工作 287
11．4．2　操作流程 287
11．4．3　工作原理 290
11．5　劃分數(shù)據(jù)和ROC 290
11．5．1　準備工作 292
11．5．2　操作流程 292
11．6　擬合邏輯回歸模型 293
11．6．1　準備工作 293
11．6．2　操作流程 293
11．6．3　工作原理 297
11．7　決策樹和決策規(guī)則 298
11．7．1　準備工作 298
11．7．2　操作流程 298
11．7．3　工作原理 301
11．8　德國信用數(shù)據(jù)決策樹 301
11．8．1　準備工作 301
11．8．2　操作流程 301
11．8．3　工作原理 304