新書推薦：
《
人工智能的多视角审视 “人类智能与人工智能”书系（第一辑）
》
售價：HK$
217.8
《
拥抱自然的孩子：70个深度自然游戏
》
售價：HK$
64.9
《
QBQ!问题背后的问题III：成就卓越的组织（修订版）
》
售價：HK$
53.9
《
艺术家课堂 动漫创作与职业之路
》
售價：HK$
186.8
《
暗示的力量：唤醒孩子的内驱力
》
售價：HK$
54.8
《
权力、国家和太空 ：太空行为体的概念化、衡量和比较
》
售價：HK$
107.8
《
《营造法原》解读
》
售價：HK$
184.8
《
舌诊图谱：观舌知健康 全新正版彩图全解舌诊辩证图谱图解中医舌诊基础理论手诊面诊罗大伦书舌诊诊断教程中医看舌苔调理书中医养生
》
售價：HK$
63.8
|
| 編輯推薦： |
|
·课证融合，紧贴行业需求·课程设计充分体现“教师指导下的以学生为中心”的教学模式·满足个性化学习需求，形式灵活多样
|
| 內容簡介： |
|
本书结合项目案例，系统介绍数据分析与应用的核心技术，涵盖了从数据获取、预处理、分析、可视化到机器学习建模的完整流程。全书共分为10 个项目，循序渐进地讲解数据分析相关的关键概念、技术和工具。内容包括Python 数据分析概述，Anaconda 开发环境与JupyterLab 的使用，NumPy 的使用，Pandas 基础、数据预处理、数据分组与聚合分析，使用Matplotlib 实现数据可视化，时间序列数据的处理与分析，文本数据的处理与分析，机器学习基础和综合案例等。每个项目均包含学习目标、知识链接、项目实施和习题，确保理论与实践结合，适合教师授课，能够边学边做。本书适合作为高等职业院校大数据技术、人工智能等专业“数据分析与应用”或“数据分析与可视化”课程的教材，同样适用于1 X（人工智能数据处理）职业技能等级证书课程，也适合数据分析初学者、数据分析工程师及相关培训机构学员学习。
|
| 關於作者： |
|
刘瑞新，教授，计算机专业资深学科带头人，知名计算机类图书作者。多部著作获得全国优秀畅销书奖，“十五”和“十一五”国家级规划教材。 在教学中，刘老师不断探索改革，研究教学方法，并把这些改革和创新应用到所编写的教材中。他所编写的教材内容均来自教学实践，是对“编写讲义→教学→修改教学讲义→再次教学”整个过程的精确提炼，因此对促进教师教学、学生学习发挥了重要作用。
|
| 目錄：
|
|
前言二维码资源清单项目 1 Python 数据分析概述1.1 数据分析概述1.1.1 数据的定义与分类1.1.2 数据分析的定义和内容1.2 搭建数据分析与可视化开发环境1.2.1 下载 Anaconda 安装包1.2.2 安装 Anaconda1.3 JupyterLab 的使用1.3.1 启动 JupyterLab1.3.2 配置 JupyterLab1.3.3 JupyterLab 的界面1.3.4 JupyterLab 的基本用法习题项目 2 数值计算库 NumPy2.1 NumPy 模块的安装、导入与数组的概念2.1.1 NumPy 模块的导入2.1.2 NumPy 数组的概念2.2 创建数组2.2.1 数组的属性2.2.2 使用 array () 函数创建数组2.2.3 创建数组的其他方式2.2.4 使用随机数模块生成随机数数组2.3 数组的数据类型2.3.1 NumPy 的常用数据类型2.3.2 查看数据类型2.3.3 转换数据类型2.4 数组元素的操作2.4.1 整数索引和切片2.4.2 花式索引2.4.3 布尔索引2.4.4 数组元素的添加、删除、修改和查询2.5 数组的算术运算2.5.1 形状相同的数组间运算2.5.2 形状不同的数组间运算2.5.3 数组与标量间的运算2.5.4 数组的布尔运算2.6 数组的重塑与转置2.6.1 数组的重塑2.6.2 数组的转置2.7 数组的读、写文件操作2.7.1 读、写文本文件2.7.2 读、写 CSV 文件2.8 案例：高等数学考试成绩数据分析2.8.1 案例简介2.8.2 案例实现习题项目 3 数据分析库 Pandas 基础3.1 Pandas 模块的导入与数据结构3.1.1 Pandas 模块的导入3.1.2 Pandas 的数据结构3.2 Pandas 对象的创建3.2.1 创建 Series 对象3.2.2 创建 DataFrame 对象3.3 Pandas 对象的属性和方法3.3.1 Series 对象的常用属性和方法3.3.2 DataFrame 对象的常用属性和方法3.4 索引和切片3.4.1 Series 的索引和切片3.4.2 DataFrame 的索引和切片3.5 数据编辑3.5.1 增加数据3.5.2 修改数据3.5.3 删除数据3.6 算术运算与数据对齐3.7 数据排序3.8 统计计算与描述3.9 Pandas 的文件操作3.9.1 读写 CSV 和 TXT 文件的数据3.9.2 读写 Excel 文件的数据3.10 案例：学生考试成绩数据分析3.10.1 案例简介3.10.2 案例实现习题项目 4 Pandas 数据预处理4.1 数据清洗4.1.1 缺失值的处理4.1.2 重复值的处理4.1.3 异常值的处理4.2 数据合并4.2.1 主键合并4.2.2 堆叠合并4.2.3 根据索引合并4.2.4 合并重叠数据4.3 轴向旋转4.4 转换数据类型4.5 数据转换4.5.1 面元划分4.5.2 哑变量处理4.6 案例：学生综合考试成绩数据分析4.6.1 案例简介4.6.2 案例实现习题项目 5 Pandas 数据分组与聚合分析5.1 数据分组与聚合概述5.2 数据分组5.2.1 groupby () 方法的基本语法5.2.2 按单个列分组5.2.3 按多个列分组5.2.4 按函数分组5.3 数据聚合5.3.1 常用的聚合函数5.3.2 自定义聚合函数5.4 多重聚合与聚合结果的格式化5.4.1 通过 agg () 方法聚合函数5.4.2 聚合结果的格式化与自定义名称5.5 分组后的筛选与排序5.5.1 筛选特定分组5.5.2 按条件筛选组内数据5.5.3 对分组结果排序5.5.4 对分组排序结果重置索引5.6 分组中的缺失值处理5.6.1 在分组时处理缺失值5.6.2 填充缺失值与丢弃缺失数据5.6.3 处理分组后数据的异常值5.7 分组与聚合操作应用实例5.7.1 销售数据按地区分组聚合5.7.2 学生成绩按科目和班级分组统计5.7.3 按部门和职位对员工薪资进行聚合5.8 案例：连锁超市销售数据分析与可视化5.8.1 案例简介5.8.2 案例实现习题项目 6 使用 Matplotlib 实现数据可视化6.1 Matplotlib 库基础6.1.1 图表的基本组成6.1.2 Matplotlib 库绘图的层次结构6.1.3 创建简单图表的基本流程6.1.4 创建子图6.2 绘制常用图表6.2.1 绘制折线图6.2.2 绘制散点图6.2.3 绘制条形图6.2.4 绘制直方图6.2.5 绘制饼形图6.2.6 绘制面积图6.2.7 绘制热力图6.2.8 绘制雷达图6.2.9 绘制 3D 图形6.3 案例：餐厅订单数据分析与可视化6.3.1 案例简介6.3.2 案例实现习题项目 7 时间序列数据的处理与分析7.1 时间序列概述7.1.1 时间序列的定义7.1.2 时间相关的四类核心对象7.1.3 时间序列数据的使用7.2 时间戳与计算7.2.1 创建时间戳对象7.2.2 创建时间戳索引对象7.2.3 创建以时间戳索引为索引的数据对象7.2.4 获取时间序列子集7.2.5 创建固定频率的时间戳索引对象7.2.6 时间戳对象常用的属性和方法7.2.7 时间序列的频率参数7.2.8 时间序列的移动7.3 时期与计算7.3.1 创建一个时期对象7.3.2 创建时期索引7.3.3 创建固定频率的时期索引7.3.4 创建以时期索引为索引的数据对象7.4 时间差与计算7.4.1 创建时间差对象7.4.2 时间差索引7.4.3 创建以时间差索引为索引的数据对象7.5 日期偏移量与计算7.5.1 日期偏移量别名7.5.2 锚定偏移量7.5.3 创建自定义 DateOffset 对象7.5.4 日期偏移量的 rollforward () 和 rollback () 方法7.5.5 在 Series 或 DatetimeIndex 中使用日期偏移量7.6 时间序列类型转换7.6.1 日期时间转为时间戳 to_datetime () 函数7.6.2 时间戳转为时期 to_period () 方法7.6.3 时期转为时间戳 to_timestamp () 方法7.6.4 转换为时间差的 pd.to_timedelta () 函数7.7 重采样7.7.1 重采样方法7.7.2 降采样7.7.3 升采样7.8 滑动窗口7.9 时间序列数据中的分组与聚合操作7.10 案例：餐厅订单数据分析与可视化（基于时间特征）7.10.1 案例简介7.10.2 案例实现习题项目 8 文本数据的处理与分析8.1 文本数据分析工具概述8.1.1 NLTK 和 jieba 简介8.1.2 安装 NLTK 和 jieba8.1.3 NLP 的处理流程8.2 文本预处理8.2.1 分词8.2.2 词性标注8.2.3 词形归一化8.2.4 去除停用词8.3 文本情感分析8.3.1 文本情感分析的基本概念8.3.2 使用情感词典进行情感分析8.4 文本相似度与语义相似度8.4.1 文本相似度与语义相似度的基本概念8.4.2 文本相似度的分析8.5 文本分类8.5.1 文本分类的基本概念8.5.2 文本分类的处理8.6 案例：手机评价数据分析与可视化8.6.1 案例简介8.6.2 案例实现习题项目 9 机器学习基础9.1 机器学习概述9.1.1 机器学习的基本概念9.1.2 机器学习的基本类型9.1.3 机器学习的常用算法9.2 Scikit-learn 概述9.2.1 Scikit-learn 的安装9.2.2 Scikit-learn 的使用步骤9.2.3 准备数据9.2.4 创建和训练模型9.2.5 预测和评估模型9.3 监督学习模型9.3.1 线性模型9.3.2 分类模型9.4 无监督学习模型9.4.1 聚类分析模型9.4.2 降维算法模型9.5 案例：学生出勤率与成绩预测分析及可视化9.5.1 案例简介9.5.2 案例实现习题项目 10 综合案例：货品销售数据分析与可视化10.1 项目介绍和需求分析10.1.1 项目介绍10.1.2 需求分析10.2 导入模块与加载数据10.2.1 创建项目10.2.2 导入模块10.2.3 加载数据10.3 数据预处理10.3.1 删除重复值、缺失值和修改金额格式10.3.2 异常值处理和偏态分布10.3.3 月份列的数据规范化10.4 数据分析与可视化10.4.1 货品配送服务分析10.4.2 销售区域潜力分析10.4.3 商品质量分析参考文献
|
| 內容試閱：
|
|
“数据分析与应用”或“数据分析与可视化”课程是大数据技术、人工智能等专业的核心课程。本书基于Python 生态系统，采用项目驱动的方式，系统介绍数据分析与可视化的核心技术，涵盖从数据获取、预处理、分析、可视化到机器学习建模的完整流程。全书共分为10 个项目，按照循序渐进的方式讲解数据分析的关键概念、核心工具和实际应用，确保读者能够从基础起步，逐步掌握实战技能，并具备独立解决实际问题的能力。本书的编写旨在满足高等职业院校大数据技术、人工智能等专业的“数据分析与应用”或“数据分析与可视化”课程的需求，同时紧密对接1 X（人工智能数据处理）职业技能等级证书的知识体系，帮助学生实现“课证融合”，提升职业竞争力和就业能力。本书特色如下。1．坚持正确政治方向，强化育人功能坚持正确的政治方向和价值导向，全面贯彻党的教育方针。各项目均设置“素养目标”，有机融入思政元素，引导学生树立正确的人生观、世界观和价值观，加强职业精神塑造，提升职业素养，践行“育人的根本在于立德”的深刻内涵。2．服务国家战略，对接产业需求紧密对接国家职业教育教学标准和相关行业标准，内容科学、规范，符合教情学情。注重服务国家战略，适应国家职业教育教学改革要求，以学生为中心，注重培养学生的职业综合素质和行动能力，强化教材的育人功能。3．结构设计科学，内容逻辑清晰编排方式科学，内容设计具有整体性和逻辑性，框架清晰，循序渐进，层次分明，模块设置合理。文字、图片、视频等内容有机结合，满足不同教学场景的需求。4．突出职业性，校企合作共同开发尊重高素质技能人才培养规律，对接产业高素质技能人才需求，打破传统学科逻辑体系，以岗位能力培养为主线，突出能力培养和技能提升。教材由教学一线的高校教师会同企业专家共同策划、编写，确保内容紧贴行业实际需求，体现职业教育特色，推进教材建设与行业企业的深度融合。5．课证融合，紧贴行业需求内容紧密对接1 X（人工智能数据处理）职业技能等级证书的知识体系，不仅满足高等职业院校相关专业的教学需求，还紧密结合职业技能等级证书的考核要求，通过“课证融合”助力学生顺利通过证书考试，提升职业竞争力和就业能力。IV6．课程设计充分体现“教师指导下的以学生为中心”的教学模式课程设计以学生为认知主体，充分调动学生的积极性和能动性，重视学生自学能力的培养。由教师提出任务，学生独立设计并完成，提升学生的自主学习和实践能力。7．满足个性化学习需求，形式灵活多样内容体现基础性与选择性，深度与广度同课程学习目标相匹配，适应学生的个性化、多样化学习需求。文字通顺流畅、简洁易懂，图、表与内容紧密配合，逻辑清晰，可读性强。8．注解详细，易于理解书中代码均配有详细的注释，帮助初学者理解Python 编程逻辑。这些案例覆盖数据分析中的常见任务，如学生成绩分析、餐厅订单数据分析、货品销售数据分析等，具备较强的实践性和可操作性。9．创新教学模式，强化实践导向本书采用项目驱动方式，以项目为主线，每个知识点均结合实际案例讲解，采用“理论 实践”的模式。每个项目不仅包括详细的理论讲解，还配有实际案例分析，帮助学生将所学知识应用于实际问题，提高动手能力，培养数据驱动的思维模式。10．配套资源丰富，助力高效教学本书提供完整的教学资源包，包括电子课件、课程标准（教学大纲）、授课计划，以及书中所有例题、习题、案例的源代码、数据文件等资源。这些资源满足弹性教学、分层教学等需要，充分应用数字技术，做到教材内容可更新。本书可作为高等职业院校大数据技术、人工智能等专业“数据分析与应用”或“数据分析与可视化”课程的教材，也可作为1 X（人工智能数据处理）职业技能等级证书的学习用书。同时，本书还可作为数据分析初学者、爱好者、工程师及相关培训机构学员的参考用书。本书由刘瑞新主编，参加编写的有刘瑞新（项目1 和项目10），张啸（项目2 和项目4），马光军（项目3 和项目6），徐小惠（项目7）、任宪臻（项目8 和项目9），刘克纯（项目5 的5.1~5.6 节），韩建敏（项目5 的5.7 节），庄恒（项目5 的5.8 节）。全书由刘瑞新教授统稿。本书在编写过程中，广泛参考了国内外优秀的数据分析教材、相关学术文献和实际案例，在此对相关作者和研究人员表示由衷感谢。然而，由于编者水平有限，加之数据分析技术日新月异，书中难免存在不足之处，恳请广大师生批评指正。我们衷心感谢所有使用本书的教师和学生，希望本书能在您的学习和教学过程中发挥积极作用，助力大家在数据分析与可视化的领域迈上新台阶！编 者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
