Python科学与工程数据分析实战

封面

版权页

内容简介

前言

第1章 掀开Python面纱

1.1 Python环境搭建

1.2 寻求帮助

1.3 基本命令

1.4 数据类型

1.5 字符串操作

1.6 元素的集合

第2章 科学计算库

2.1 必需库的安装

2.2 NumPy概述

2.3 NumPy的数据类型

2.4 NumPy数组

2.5 NumPy统计函数

2.6 NumPy排序

2.7 NumPy线性代数

2.8 矩阵分解

2.9 范数和秩

第3章 开源科学集

3.1 SciPy常量模块

3.2 SciPy优化器

3.3 SciPy稀疏矩阵

3.4 SciPy图结构

3.5 SciPy空间数据

3.6 SciPy插值

3.7 SciPy显著性检验

3.8 边缘检测

第4章 数据分析利器

4.1 Pandas数据结构

4.2 统计性描述

4.3 Pandas重建索引

4.4 Pandas迭代与排序

4.5 Pandas统计函数

4.6 Pandas分组与聚合

4.7 数据缺失

4.8 Pandas连接

4.9 Pandas CSV文件

4.10 Pandas的JSON文件

第5章 数据分析的可视化

5.1 初识Matplotlib

5.2 基本二维绘图

5.3 三维绘图

5.4 小提琴图

第6章 基于回归的数据分析

6.1 简单线性回归

6.2 多元回归

6.3 广义线性回归

6.4 岭回归

6.5 套索回归

6.6 非线性回归

第7章 基于分类的数据分析

7.1 KNN分类器

7.2 线性分类器

7.3 逻辑分类

7.4 贝叶斯分类

7.5 决策树

7.6 随机森林

第8章 基于聚类的数据分析

8.1 聚类的分类

8.2 k-means聚类

8.3 Mean Shift聚类

8.4 谱聚类

8.5 层次聚类算法

8.6 密度聚类

第9章 数据特征分析

9.1 数据表达

9.2 交互式与多项式特征

9.3 自动化特征选择