Python商業(yè)數(shù)據(jù)分析

目錄
第1章引言 / 1
基礎(chǔ)篇
第2章 Python簡介 / 7
2．1 發(fā)展歷程 / 7
2．2 特點 / 7
2．2．1 開源與可移植性 / 8
2．2．2 面向?qū)ο?/ 8
2．2．3 其他特點 / 8
2．3 語言標(biāo)準(zhǔn) / 9
2．4 Python 3的安裝與運行 / 9
2．4．1 Windows / 9
2．4．2 Linux/Unix / 11
2．4．3 Mac OS / 11
2．5 思考練習(xí)題 / 12
第3章 數(shù)據(jù)類型 / 13
3．1 概述 / 13
3．1．1 變量 / 13
3．1．2 數(shù)據(jù)類型框架 / 15
3．2 數(shù)字類型 / 16
3．2．1 分類 / 16
3．2．2 相關(guān)函數(shù) / 17
3．3 列表與元組 / 18
3．3．1 序列通用操作 / 18
3．3．2 列表 / 21
3．3．3 元組 / 27
3．4 字符串 / 28
3．4．1 概述 / 28
3．4．2 字符串格式化 / 31
3．4．3 方法 / 32
3．5 字典 / 33
3．5．1 概述 / 33
3．5．2 格式化字符串 / 34
3．5．3 方法 / 35
3．6 集合 / 37
3．6．1 概述 / 37
3．6．2 方法 / 39
3．7 基本運算符 / 39
3．7．1 算術(shù)運算符 / 40
3．7．2 比較運算符 / 40
3．7．3 賦值運算符 / 40
3．7．4 其他運算符 / 41
3．7．5 運算符優(yōu)先級表 / 41
3．8 思考練習(xí)題 / 42
第4章 條件與循環(huán) / 43
4．1 條件 / 43
4．1．1 布爾變量 / 43
4．1．2 條件語句 / 43
4．2 循環(huán) / 46
4．2．1 循環(huán)語句 / 46
4．2．2 迭代方式 / 50
4．2．3 排序 / 52
4．3 列表推導(dǎo)式與其他語句 / 53
4．3．1 列表推導(dǎo)式 / 53
4．3．2 其他語句 / 54
4．4 思考練習(xí)題 / 55
第5章 函數(shù)與類 / 56
5．1 函數(shù) / 56
5．1．1 創(chuàng)建 / 56
5．1．2 參數(shù) / 59
5．1．3 作用域 / 62
5．1．4 遞歸 / 63
5．2 類 / 65
5．2．1 對象 / 65
5．2．2 類的創(chuàng)建 / 66
5．2．3 私有化與類的命名空間 / 67
5．2．4 子類與超類 / 70
5．2．5 特殊方法 / 72
5．2．6 迭代器 / 75
5．3 思考練習(xí)題 / 78
第6章 標(biāo)準(zhǔn)庫、異常與文件流 / 79
6．1 標(biāo)準(zhǔn)庫 / 79
6．1．1 概念區(qū)分：模塊、庫與標(biāo)準(zhǔn)庫 / 79
6．1．2 安裝第三方模塊 / 81
6．1．3 使用import語句導(dǎo)入模塊 / 81
6．1．4 查看模塊信息：help（） / 82
6．1．5 常用標(biāo)準(zhǔn)庫之一：os / 82
6．1．6 常用標(biāo)準(zhǔn)庫之二：sys / 83
6．1．7 常用標(biāo)準(zhǔn)庫之三：time / 86
6．1．8 常用標(biāo)準(zhǔn)庫之四：random / 88
6．1．9 常用標(biāo)準(zhǔn)庫之五：re / 89
6．2 異常 / 94
6．2．1 捕捉異常：try/except語句 / 95
6．2．2 捕捉異常：try/except…else語句 / 96
6．2．3 捕捉異常：try/finally語句 / 97
6．2．4 拋出異常：raise語句 / 98
6．3 文件與流 / 98
6．3．1 打開和關(guān)閉文件 / 99
6．3．2 讀取文件內(nèi)容 / 100
6．3．3 寫入文件內(nèi)容 / 101
6．4 思考練習(xí)題 / 102
第7章 Python常用模塊 / 103
7．1 Numpy / 103
7．1．1 ndarray的創(chuàng)建 / 103
7．1．2 ndarray的常用屬性 / 105
7．1．3 ndarray的形狀改變 / 105
7．1．4 ndarray的索引與切片 / 106
7．1．5 ndarray的拷貝 / 107
7．1．6 ndarray的拼接 / 108
7．1．7 ndarray的運算 / 109
7．2 Pandas / 110
7．2．1 Series的創(chuàng)建 / 111
7．2．2 Series的索引及切片 / 112
7．2．3 DataFrame的創(chuàng)建 / 113
7．2．4 DataFrame的寫入與讀取 / 114
7．2．5 DataFrame的索引 / 115
7．2．6 DataFrame的增、刪、改、查 / 117
7．2．7 DataFrame的數(shù)據(jù)統(tǒng)計方法 / 121
7．2．8 缺失數(shù)據(jù)處理 / 124
7．2．9 數(shù)據(jù)離散化 / 125
7．3 NLTK / 126
7．3．1 分句與分詞 / 126
7．3．2 詞性標(biāo)注 / 127
7．3．3 符號和停用詞處理 / 127
7．3．4 詞干提取與詞形還原 / 128
7．3．5 詞相似度計算 / 129
7．4 思考練習(xí)題 / 130
第8章 數(shù)據(jù)可視化 / 131
8．1 Matplotlib / 131
8．1．1 圖形的創(chuàng)建 / 131
8．1．2 繪制多函數(shù)圖像 / 132
8．1．3 添加圖形信息 / 135
8．1．4 不同類型的圖形 / 138
8．2 Seaborn / 141
8．2．1 直方圖 / 141
8．2．2 條形圖 / 142
8．2．3 箱線圖 / 143
8．2．4 散點圖 / 143
8．2．5 結(jié)構(gòu)化多圖網(wǎng)格 / 145
8．2．6 回歸圖 / 145
8．3 PyEcharts / 146
8．3．1 繪制地圖 / 147
8．3．2 空間流動圖 / 148
8．4 思考練習(xí)題 / 149
方法篇
第9章關(guān)聯(lián)規(guī)則 / 153
9．1 關(guān)聯(lián)規(guī)則基本概念 / 153
9．2 關(guān)聯(lián)規(guī)則挖掘方法 / 154
9．3 關(guān)聯(lián)規(guī)則興趣性的評價指標(biāo) / 157
9．3．1 提升度 / 158
9．3．2 杠桿度 / 158
9．3．3 影響度 / 158
9．4 思考練習(xí)題 / 159
第10章 分類分析 / 160
10．1 分類分析基本概念 / 160
10．2 分類方法介紹 / 161
10．2．1 決策樹分類 / 161
10．2．2 貝葉斯分類 / 169
10．2．3 支持向量機分類 / 171
10．3 分類準(zhǔn)確率的測量方法 / 175
10．3．1 經(jīng)典的分類準(zhǔn)確率的測量方法 / 175
10．3．2 混淆矩陣 / 176
10．4 分類準(zhǔn)確率的提升方法 / 178
10．4．1 Bagging / 179
10．4．2 Boostinig / 180
10．5 思考練習(xí)題 / 181
第11章 聚類分析 / 182
11．1 相似度測量方法 / 182
11．1．1 數(shù)值數(shù)據(jù)的相似度 / 182
11．1．2 類別數(shù)據(jù)的相似度 / 183
11．1．3 文本數(shù)據(jù)的相似度 / 183
11．1．4 類的相似度 / 184
11．2 聚類方法介紹 / 185
11．2．1 劃分方法 / 185
11．2．2 層次方法 / 188
11．2．3 基于密度的方法 / 193
11．3 類別數(shù)量的確定方法 / 197
11．3．1 手肘法 / 197
11．3．2 輪廓系數(shù) / 199
11．3．3 Calinski-Harabasz準(zhǔn)則 / 200
11．4 思考練習(xí)題 / 201
第12章 社會網(wǎng)絡(luò)分析 / 203
12．1 社會網(wǎng)絡(luò)的基本概念 / 203
12．1．1 度 / 204 12．1．2 最短路徑長度 / 204
12．1．3 網(wǎng)絡(luò)密度 / 204
12．1．4 聚集系數(shù) / 204
12．2 社會網(wǎng)絡(luò)的中心性 / 208
12．2．1 度中心性 / 208
12．2．2 貼近中心性 / 208
12．2．3 中介中心性 / 209
12．3 社會網(wǎng)絡(luò)的鏈接分析 / 210
12．3．1 PageRank算法 / 211
12．3．2 HITS算法 / 213
12．4 社會網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn) / 215
12．4．1 圖分割算法 / 215
12．4．2 模塊度優(yōu)化算法 / 217
12．4．3 標(biāo)簽傳播算法 / 219
12．5 思考練習(xí)題 / 221
第13章 神經(jīng)網(wǎng)絡(luò) / 222
13．1 感知機 / 222
13．1．1 簡單邏輯電路 / 223
13．1．2 線性不可分的局限 / 224
13．1．3 多層感知機 / 224
13．2 神經(jīng)網(wǎng)絡(luò)基本概念 / 226
13．2．1 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) / 226
13．2．2 激活函數(shù) / 227
13．2．3 損失函數(shù) / 229
13．3 訓(xùn)練技巧 / 229
13．3．1 批處理 / 230
13．3．2 優(yōu)化算法 / 230
13．3．3 參數(shù)初始化 / 231
13．3．4 偏差與方差 / 232
13．3．5 超參數(shù)的設(shè)置 / 233
13．4 全連接神經(jīng)網(wǎng)絡(luò) / 233
13．5 卷積神經(jīng)網(wǎng)絡(luò) / 237
13．5．1 基本結(jié)構(gòu) / 238
13．5．2 代表性結(jié)構(gòu) / 239
13．6 循環(huán)神經(jīng)網(wǎng)絡(luò) / 243
13．6．1 基本結(jié)構(gòu) / 243
13．6．2 代表性結(jié)構(gòu) / 243
13．7 思考練習(xí)題 / 248
第14章 表征學(xué)習(xí) / 249
14．1 文本表征學(xué)習(xí) / 249
14．1．1 詞袋模型 / 249
14．1．2 TF-IDF模型 / 251
14．1．3 文檔主題模型 / 253
14．1．4 Word2Vec模型 / 259
14．1．5 Doc2Vec模型 / 260
14．2 網(wǎng)絡(luò)表征學(xué)習(xí) / 263
14．2．1 DeepWalk算法 / 263
14．2．2 Node2Vec算法 / 266
14．2．3 Metapath2Vec算法 / 269
14．3 思考練習(xí)題 / 270
應(yīng)用篇
第15章網(wǎng)絡(luò)數(shù)據(jù)抓取 / 275
15．1 基礎(chǔ)知識 / 276
15．1．1 數(shù)據(jù)抓取的基本思想 / 276
15．1．2 網(wǎng)頁基礎(chǔ)知識和瀏覽器原理 / 276
15．1．3 HTML語言簡介 / 277
15．2 用Python實現(xiàn)數(shù)據(jù)爬取 / 282
15．2．1 獲得網(wǎng)頁HTML源代碼 / 283
15．2．2 通過HTML標(biāo)簽定位數(shù)據(jù) / 286
15．2．3 處理“翻頁”數(shù)據(jù) / 291
15．3 數(shù)據(jù)抓取技巧 / 294
15．4 思考練習(xí)題 / 295
第16章 顧客市場細分 / 297
16．1 背景與問題 / 297
16．2 數(shù)據(jù)介紹 / 298
16．3 分析方法與結(jié)論 / 301
16．3．1 分析方法 / 301
16．3．2 分析結(jié)論 / 305
16．4 思考練習(xí)題 / 306
第17章 房地產(chǎn)服務(wù)平臺用戶需求分析 / 307
17．1 背景與問題 / 307
17．2 數(shù)據(jù)介紹 / 307
17．3 分析方法與結(jié)論 / 309
17．3．1 分析方法 / 309
17．3．2 分析結(jié)論 / 315
17．4 思考練習(xí)題 / 315
第18章 電子商務(wù)中消費者評論意見提取 / 316
18．1 背景與問題 / 316
18．2 數(shù)據(jù)介紹 / 317
18．2．1 數(shù)據(jù)獲取 / 317
18．2．2 商品屬性識別 / 319
18．2．3 屬性情感分析 / 324
18．2．4 數(shù)據(jù)轉(zhuǎn)換 / 325
18．3 分析方法與結(jié)論 / 325
18．3．1 分析方法 / 325
18．3．2 分析結(jié)論 / 329
18．4 思考練習(xí)題 / 331
第19章 知識付費中顧客滿意度分析 / 332
19．1 背景與問題 / 332
19．2 數(shù)據(jù)介紹 / 334
19．2．1 變量介紹 / 335
19．2．2 數(shù)據(jù)獲取 / 337
19．3 分析方法與結(jié)論 / 346
19．3．1 分析方法 / 346
19．3．2 分析結(jié)論 / 348
19．4 思考練習(xí)題 / 351