资源搜

资源名称：Python数据分析与挖掘实战 PDF 内容简介： 10余位数据挖掘领域资深专家和科研人员，10余年大数据挖掘咨询与实施经验结晶。从数据挖掘的应用出发，以电力、航空、医疗、互联网、生产制造以及公共服务等行业真实案例为主线，深入浅出介绍Python数据挖掘建模过程，实践性极强。 本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。 基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。 实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。 作者简介： 张良均 ，资深大数据挖掘专家和模式识别专家，高级信息项目管理师，有10多年的大数据挖掘应用、咨询和培训经验。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医药等多个行业上百家大型企业提供过数据挖掘应用与咨询服务，实践经验非常丰富。此外，他精通Java EE企业级应用开发，是广东工业大学、华南师范大学、华南农业大学、贵州师范学院、韩山师范学院、广东技术师范学院兼职教授，著有《神经网络实用教程》、《数据挖掘：实用案例分析》、《MATLAB数据分析与挖掘实战》《R语言数据分析与挖掘实战》等畅销书。 资源目录： 前言 基础篇 第1章　数据挖掘基础2 1.1　某知名连锁餐饮企业的困惑2 1.2　从餐饮服务到数据挖掘3 1.3　数据挖掘的基本任务4 1.4　数据挖掘建模过程4 1.4.1　定义挖掘目标4 1.4.2　数据取样5 1.4.3　数据探索6 1.4.4　数据预处理7 1.4.5　挖掘建模7 1.4.6　模型评价7 1.5　常用的数据挖掘建模工具7 1.6　小结9 第2章　Python数据分析简介10 2.1　搭建Python开发平台12 2.1.1　所要考虑的问题12 2.1.2　基础平台的搭建12 2.2　Python使用入门13 2.2.1　运行方式14 2.2.2　基本命令15 2.2.3　数据结构17 2.2.4　库的导入与添加20 2.3　Python数据分析工具22 2.3.1　Numpy23 2.3.2　Scipy24 2.3.3　Matplotlib24 2.3.4　Pandas26 2.3.5　StatsModels27 2.3.6　Scikit-Learn28 2.3.7　Keras29 2.3.8　Gensim30 2.4　配套资源使用设置31 2.5　小结32 第3章　数据探索33 3.1　数据质量分析33 3.1.1　缺失值分析34 3.1.2　异常值分析34 3.1.3　一致性分析37 3.2　数据特征分析37 3.2.1　分布分析37 3.2.2　对比分析40 3.2.3　统计量分析41 3.2.4　周期性分析44 3.2.5　贡献度分析45 3.2.6　相关性分析47 3.3　Python主要数据探索函数50 3.3.1　基本统计特征函数50 3.3.2　拓展统计特征函数53 3.3.3　统计作图函数54 3.4　小结59 第4章　数据预处理60 4.1　数据清洗60 4.1.1　缺失值处理60 4.1.2　异常值处理64 4.2　数据集成64 4.2.1　实体识别64 4.2.2　冗余属性识别65 4.3　数据变换65 4.3.1　简单函数变换65 4.3.2　规范化66 4.3.3　连续属性离散化68 4.3.4　属性构造70 4.3.5　小波变换71 4.4　数据规约74 4.4.1　属性规约74 4.4.2　数值规约77 4.5　Python主要数据预处理函数80 4.6　小结81 第5章　挖掘建模83 5.1　分类与预测83 5.1.1　实现过程83 5.1.2　常用的分类与预测算法84 5.1.3　回归分析85 5.1.4　决策树89 5.1.5　人工神经网络95 5.1.6　分类与预测算法评价100 5.1.7　Python分类预测模型特点103 5.2　聚类分析104 5.2.1　常用聚类分析算法104 5.2.2　K-Means聚类算法105 5.2.3　聚类分析算法评价111 5.2.4　Python主要聚类分析算法111 5.3　关联规则113 5.3.1　常用关联规则算法114 5.3.2　Apriori算法114 5.4　时序模式119 5.4.1　时间序列算法120 5.4.2　时间序列的预处理120 5.4.3　平稳时间序列分析122 5.4.4　非平稳时间序列分析124 5.4.5　Python主要时序模式算法132 5.5　离群点检测134 5.5.1　离群点检测方法135 5.5.2　基于模型的离群点检测方法136 5.5.3　基于聚类的离群点检测方法138 5.6　小结141 实战篇 第6章　电力窃漏电用户自动识别144 6.1　背景与挖掘目标144 6.2　分析方法与过程147 6.2.1　数据抽取148 6.2.2　数据探索分析148 6.2.3　数据预处理151 6.2.4　构建专家样本156 6.2.5　模型构建157 6.3　上机实验161 6.4　拓展思考162 6.5　小结163 第7章　航空公司客户价值分析164 7.1　背景与挖掘目标164 7.2　分析方法与过程166 7.2.1　数据抽取168 7.2.2　数据探索分析168 7.2.3　数据预处理169 7.2.4　模型构建173 7.3　上机实验177 7.4　拓展思考178 7.5　小结179 第8章　中医证型关联规则挖掘180 8.1　背景与挖掘目标180 8.2　分析方法与过程181 8.2.1　数据获取183 8.2.2　数据预处理186 8.2.3　模型构建190 8.3　上机实验193 8.4　拓展思考194 8.5　小结194 第9章　基于水色图像的水质评价195 9.1　背景与挖掘目标195 9.2　分析方法与过程195 9.2.1　数据预处理197 9.2.2　模型构建199 9.2.3　水质评价201 9.3　上机实验202 9.4　拓展思考202 9.5　小结203 第10章　家用电器用户行为分析与事件识别204 10.1　背景与挖掘目标204 10.2　分析方法与过程205 10.2.1　数据抽取206 10.2.2　数据探索分析207 10.2.3　数据预处理207 10.2.4　模型构建217 10.2.5　模型检验219 10.3　上机实验220 10.4　拓展思考221 10.5　小结222 第11章　应用系统负载分析与磁盘容量预测223 11.1　背景与挖掘目标223 11.2　分析方法与过程225 11.2.1　数据抽取226 11.2.2　数据探索分析226 11.2.3　数据预处理227 11.2.4　模型构建229 11.3　上机实验235 11.4　拓展思考236 11.5　小结237 第12章　电子商务网站用户行为分析及服务推荐238 12.1　背景与挖掘目标238 12.2　分析方法与过程240 12.2.1　数据抽取242 12.2.2　数据探索分析244 12.2.3　数据预处理251 12.2.4　模型构建256 12.3　上机实验266 12.4　拓展思考267 12.5　小结269 第13章　财政收入影响因素分析及预测模型270 13.1　背景与挖掘目标270 13.2　分析方法与过程272 13.2.1　灰色预测与神经网络的组合模型273 13.2.2　数据探索分析274 13.2.3　模型构建277 13.3　上机实验294 13.4　拓展思考295 13.5　小结296 第14章　基于基站定位数据的商圈分析297 14.1　背景与挖掘目标297 14.2　分析方法与过程299 14.2.1　数据抽取299 14.2.2　数据探索分析299 14.2.3　数据预处理301 14.2.4　模型构建304 14.3　上机实验308 14.4　拓展思考309 14.5　小结309 第15章　电商产品评论数据情感分析310 15.1　背景与挖掘目标310 15.2　分析方法与过程310 15.2.1　评论数据采集311 15.2.2　评论预处理314 15.2.3　文本评论分词320 15.2.4　模型构建320 15.3　上机实验333 15.4　拓展思考334 15.5　小结335 参考文献336 资源截图：

资源名称：python设计模式 第2版 PDF  内容简介： 设计模式是构建大型软件系统最强大的方法之一，优化软件架构和设计已经逐渐成为软件开发和维护过程中的一个重要课题。 本书通过11章内容，全面揭示有关设计模式的内容，并结合Python语言进行示例化的解析。全书囊括单例设计模式、工厂模式、门面模式、代理模式、观察者模式、命令模式、模板方法模式、复合模式、状态设计模式以及反模式等多种设计模式。 本书适合那些关注软件设计原则，并想将优秀的设计模式应用到Python编程当中的读者阅读，也适合普通的软件工程师、架构师参考。 资源目录： 前言 第1章　设计模式简介 第2章　单例设计模式 第3章　工厂模式：建立创建对象的工厂 第4章　门面模式——与门面相适 第5章　代理模式——控制对象的访问 第6章　观察者模式——了解对象的情况 第7章　命令模式——封装调用 第8章　模板方法模式——封装算法 第9章　模型—视图—控制器——复合模式 第10章　状态设计模式 第11章　反模式 资源截图：

资源名称：Python数据分析基础 PDF  内容简介： 想深入应用手中的数据？还是想在上千份文件上重复同样的分析过程？没有编程经验的非程序员们如何能在最短的时间内学会用当今炙手可热的Python语言进行数据分析？ 来自Facebook的数据专家Clinton Brownley可以帮您解决上述问题。在他的这本书里，读者将能掌握基本Python编程方法，学会编写出处理电子表格和数据库中的数据的脚本，并了解使用Python模块来解析文件、分组数据和生成统计量的方法。 学习基础语法，创建并运行自己的Python脚本 读取和解析CSV文件 读取多个Excel工作表和工作簿 执行数据库操作 搜索特定记录、分组数据和解析文本文件 建立统计图并绘图 生成描述性统计量并估计回归模型和分类模型 在Windows和Mac环境下按计划自动运行脚本 作者简介： Clinton W. Brownley 博士，Facebook数据科学家，负责大数据流水线、统计建模和数据可视化项目，并为大型基础设施建设提供数据驱动的决策建议。 资源目录： 前言　　xi 第1章 Python 基础　　1 1.1 创建 Python 脚本　　1 1.2 运行 Python 脚本　　3 1.3 与命令行进行交互的几项技巧　　6 1.4 Python 语言基础要素　　10 1.4.1 数值　　10 1.4.2 字符串　　12 1.4.3 正则表达式与模式匹配　　16 1.4.4 日期　　19 1.4.5 列表　　21 1.4.6 元组　　26 1.4.7 字典　　27 1.4.8 控制流　　30 1.5 读取文本文件　　35 1.5.1 创建文本文件　　36 1.5.2 脚本和输入文件在同一位置　　38 1.5.3 读取文件的新型语法　　38 1.6 使用 glob 读取多个文本文件　　39 1.7 写入文本文件　　42 1.7.1　向 first_ｓｃｒｉｐｔ.py 添加代码　　42 1.7.2　写入 CSV 文件　　45 1.8 print 语句　　46 1.9 本章练习　　47 第2章 CSV文件　　48 2.1 基础 Python 与 pandas　　50 2.1.1 读写 CSV 文件（第1 部分）50 2.1.2 基本字符串分析是如何失败的　　56 2.1.3 读写 CSV 文件（第2 部分）57 2.2 筛选特定的行　　58 2.2.1 行中的值满足某个条件　　59 2.2.2 行中的值属于某个集合　　60 2.2.3 行中的值匹配于某个模式/ 正则表达式　　62 2.3 选取特定的列　　64 2.3.1 列索引值　　64 2.3.2 列标题　　65 2.4 选取连续的行　　67 2.5 添加标题行　　69 2.6 读取多个 CSV 文件　　71 2.7 从多个文件中连接数据　　75 2.8 计算每个文件中值的总和与均值　　78 2.9 本章练习　　81 第3章 Excel 文件　　82 3.1 内省 Excel 工作簿　　84 3.2 处理单个工作表　　88 3.2.1 读写 Excel 文件　　88 3.2.2 筛选特定行　　92 3.2.3 选取特定列　　98 3.3 读取工作簿中的所有工作表　　101 3.3.1 在所有工作表中筛选特定行　　102 3.3.2 在所有工作表中选取特定列　　104 3.4 在 Excel 工作簿中读取一组工作表　　106 3.5 处理多个工作簿　　108 3.5.1 工作表计数以及每个工作表中的行列计数　　110 3.5.2 从多个工作簿中连接数据　　111 3.5.3 为每个工作簿和工作表计算总数和均值　　113 3.6 本章练习　　117 第4章 数据库　　118 4.1 Python 内置的 sqlite3 模块　　119 4.1.1 向表中插入新记录　　124 4.1.2 更新表中记录　　128 4.2 MySQL 数据库　　131 4.2.1 向表中插入新记录　　135 4.2.2 查询一个表并将输出写入 CSV 文件　　140 4.2.3 更新表中记录　　142 4.3 本章练习　　146 第5章 应用程序　　147 5.1 在一个大文件集合中查找一组项目　　147 5.2 为 CSV 文件中数据的任意数目分类计算统计量　　158 5.3 为文本文件中数据的任意数目分类计算统计量　　167 5.4 本章练习　　174 第6章 图与图表　　175 6.1 matplotlib　　175 6.1.1 条形图　　175 6.1.2 直方图　　177 6.1.3 折线图　　178 6.1.4 散点图　　180 6.1.5 箱线图　　181 6.2 pandas　　183 6.3 ggplot　　184 6.4 seaborn　　186 第7章 描述性统计与建模　　192 7.1 数据集　　192 7.1.1 葡萄酒质量　　192 7.1.2 客户流失　　193 7.2 葡萄酒质量　　194 7.2.1 描述性统计　　194 7.2.2 分组、直方图与 t 检验　　195 7.2.3 成对变量之间的关系和相关性　　196 7.2.4 使用最小二乘估计进行线性回归　　198 7.2.5 系数解释　　200 7.2.6 自变量标准化　　200 7.2.7 预测　　202 7.3 客户流失　　203 7.3.1 逻辑斯蒂回归　　205 7.3.2 系数解释　　207 7.3.3 预测　　208 第8章 按计划自动运行脚本　　209 8.1 任务计划程序（Windows 系统）209 8.2 cron 工具（macOS 系统和 Unix 系统）215 8.2.1 cron 表文件：一次性设置　　216 8.2.2 向 cron 表文件中添加 cron 任务　　216 第9章 从这里启航　　220 9.1 更多的标准库模块和内置函数　　221 9.1.1 Python 标准库（PSL）：更多的标准模块　　221 9.1.2 内置函数　　222 9.2 Python 包索引（PyPI）：更多的扩展模块　　222 9.2.1 NumPy　　223 9.2.2 SciPy　　227 9.2.3 Scikit-Learn　　230 9.2.4 更多的扩展包　　232 9.3 更多的数据结构　　232 9.3.1 栈　　233 9.3.2 队列　　233 9.3.3 图　　233 9.3.4 树　　234 9.4 从这里启航　　234 附录A 下载指南　　236 附录B 练习答案　　245 作者介绍　　247 封面介绍　　247 资源截图：

资源名称：Python金融大数据分析 资源截图：

资源名称：Python数据的爬取及处理分析 资源目录： 【IT教程网】52134c64ba5e88f5fea4811121ba4061 【IT教程网】Python科学计算 【IT教程网】Python网络数据采集 【IT教程网】WebScrapingwithPython 【IT教程网】流畅的Python 【IT教程网】父与子的编程之旅：与小卡特一起学Python 【IT教程网】第一部分、本套教程介绍 【IT教程网】第三部分、数据挖掘概述与数据（2） 【IT教程网】第二部分、数据挖掘概述与数据（1） 【IT教程网】第五部分、玩转大数据-深入浅出数据挖掘技术 【IT教程网】第四部分、数据挖掘概述与数据（3） 资源截图：

资源名称：Python Django讲座视频（台湾辅仁大学）【13讲】 资源目录： 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].01 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].02 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].03 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].04 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].05 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].06 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].07 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].08 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].09 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].10 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].11 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].12.Django 【IT教程网】[Python.Django视频讲座-台湾辅仁大学].13.Django 资源截图：

资源名称：Python机器学习及实践——从零开始通往Kaggle竞赛之路 资源截图：

资源名称：Python基础教程(第2版·修订版) 资源截图：

资源名称：Python爬虫开发与项目实战 资源截图：

资源名称：编写高质量代码：改善Python程序的91个建议 资源截图：