Python数据分析与机器学习

本书包括两部分内容，第壹部分重点介绍了与Python语言相关的数据分析 工具，包括NumPy、Matplotlib、Pandas、Scipy、Seaborn和Sklearn。第二部分介绍数据处理、特征工程、评价指标、线性模型、支持向量机、K近邻算法、朴素贝叶斯、决策树、K-Means算法和文本分析实例。附录提供了课程教学大纲和 部分课后习题答案。 本书内容精练、文字简洁、结构合理、实训题目经典实用、综合性强、定位明确，面向初、中级读者，由“入门”起步，侧重“提高”。特别适合作为高等院校相关专业数据分析与机器学习课程的入门教材或教学参考书，也可以供从事计算机应用开发的各类技术人员参考。

前言 第1章Python与数据分析 11概述 111引例 112数据分析与数据挖掘 12Python简介 121Python特点 122Python应用场合 13数据分析流程 131明确目标 132获取数据 133清洗数据 134特征工程 135构建模型 136模型评估 14数据分析库 141NumPy 142Matplotlib 143Pandas 144Seaborn 145Scipy 146Sklearn 15Python解释器 151Ubuntu下安装Python 152Windows下安装Python 16Python编辑器 161IDLE 162VScode 163PyCharm 164Anaconda 165Jupyter 17习题 第2章NumPy——数据分析基础 工具 21安装NumPy 22ndarray对象 221认识ndarray对象 222ndarray对象属性 23创建ndarray对象 231zeros 232ones 233diag 234arange 235linspace 236logspace 24数组变换 241维度变换 242数组拼接 243数组分割 244数组复制 25索引和切片 26线性代数 261矩阵运算 262矩阵转置 263特征根和特征向量 27统计量 271平均值 272最值 273中位数 274极差 275方差 276协方差 277皮尔森相关系数 28习题 第3章Matplotlib——数据可视化 工具 31安装Matplotlib 32绘图步骤 321创建画布 322绘图函数 323绘图属性 33子图基本操作 331plt眘ubplot 332figure盿dd_subplot 333plt眘ubplots 34绘图 341折线图 342气泡图 343饼图 344直方图 345条形图 35概率分布 351泊松分布 352正态分布 353均匀分布 354二项分布 36习题 第4章Pandas——数据处理工具 41认识Pandas 42Series 421创建Series 422 Series属性 423访问Series数据 43操作Series 431更新Series 432插入Series 433删除Series 44DataFrame 441创建DataFrame 442DataFrame属性 443选取行列数据 45操作DataFrame 451更新DataFrame 452插入DataFrame 453删除DataFrame 46Index 461创建Index 462常用属性 463常用方法 464重建Index 47可视化 471线形图 472条形图 473饼状图 474直方图与密度图 48数据转换 481数据值替换 482数据映射 483数据值合并 484数据值补充 485数据离散化 49数据分组与聚合 491数据分组 492数据聚合 410读取外部数据 4101操作Excel 4102操作文本文件 4103操作数据库 411习题 第5章Scipy——数据统计工具 51认识Scipy 52稀疏矩阵 53线性代数 531矩阵运算 532线性方程组求解 54数据优化 541非线性方程组求解 542函数最值 543最小二乘法 55数据分布 551泊松分布 552正态分布 553均匀分布 554二项分布 555指数分布 56统计量 561众数 562皮尔森相关系数 57图像处理 571旋转图像 572图像滤波 573边缘检测 58习题 第6章Seaborn——数据可视化 工具 61认识Seaborn 611绘图特色 612图表分类 613数据集 62绘图设置 621绘图元素 622主题 623调色板 63绘图 631直方图 632核密度图 633小提琴图 634分类散点图 635条形图 636热力图 637点图 64习题 第7章Sklearn——机器学习工具 71Sklearn简介 72安装Sklearn 73数据集 731小数据集 732大数据集 733生成数据集 74机器学习流程 741数据清洗 742划分数据集 743特征工程 744机器算法 745模型评估 75习题 第8章数据处理 81认识数据处理 82数据清洗 821处理缺失值 822处理异常值 823处理重复值 83特征处理 831规范化 832标准化 833鲁棒化 84数据分析可视库 841missingno库 842词云 85案例——学生信息清洗 86习题 第9章特征工程 91认识特征工程 92独热编码 93特征提取 931DictVectorizer 932CountVectorizer 933TfidfVectorizer 94中文分词 941Jieba分词库 942停用词表 95案例——中文特征提取 96习题 第10章评价指标 101欠拟合和过拟合 1011欠拟合 1012过拟合 102曲线拟合 1021polyfit方法 1022Curve_fit方法 103分类评价指标 1031混淆矩阵 1032准确率 1033精确率 1034召回率 1035F1 Score 1036ROC曲线 1037AUC面积 1038分类评估报告 104回归评价指标 1041均方误差 1042相关系数或者R2 105案例——手写数字数据集评价 指标 106习题 第11章线性模型 111回归模型 1111线性回归 1112逻辑回归 112两种求解方法 1121最小二乘法 1122梯度下降法 113岭回归 1131认识岭回归 1132参数alpha 114案例 1141线性回归预测披萨价格 1142线性回归与岭回归识别糖 尿病 115习题 第12章支持向量机 121初识向量机 1211超平面线性方程 1212SVM算法库 122核函数 1221线性核函数 1222多项式核函数 1223高斯核函数 123参数调优 1231gamma参数 1232惩罚系数C 124回归问题 125案例 1251支持向量机识别鸢尾花 1252支持向量机预测波士顿 房价 126习题 第13章K近邻算法 131初识K近邻算法 1311算法思想 1312算法描述 132选择K值 133距离度量 134分类问题 135回归问题 136案例 1361KNN区分电影类型 1362KNN识别鸢尾花 137习题 第14章朴素贝叶斯 141初识朴素贝叶斯 142贝叶斯定理 143流程 144分类 1441高斯分布 1442多项式分布 1443伯努利分布 145案例 1451朴素贝叶斯识别鸢尾花 1452朴素贝叶斯分类新闻 146习题 第15章决策树 151初识决策树 152信息论 1521信息熵 1522条件熵 1523信息增益 1524互信息 1525基尼系数 153决策树算法 1531ID3算法 1532C45算法 1533CART算法 154分类与回归 1541分类问题 1542回归问题 1543调优max_depth参数 155集成分类模型 1551随机森林 1552梯度提升决策树 156graphviz与DOT 1561graphviz 1562DOT语言 157案例 1571决策树决定是否赖床 1572决策树预测波士顿房价 158习题 第16章K-Means算法 161初识K-Means 162实现K-Means聚类 1621理论实现K-Means聚类 1622Python实现K-Means聚类 1623Sklearn实现K-Means聚类 163K-Means评估指标 1631调整兰德系数 1632轮廓系数 164案例 1641K-Means聚类鸢尾花 1642K-Means标记质心 165习题 第17章文本分析示例 171正则表达式 1711基本语法 1712re模块 1713提取电影信息 172LDA 1721LDA原理 1722Gensim库 173距离算法 1731余弦相似度 1732编辑距离 174SimHash算法 1741算法思想 1742实现步骤 175文本情感分析 1751情感分析 1752SnowNLP 176案例——电影影评情感 分析 177习题 附录 附录A课程教学大纲 附录B部分课后习题答案 参考文献