Python计算传播学实战

第1章 Python与计算传播学
1.1 Python与计算传播学简介
1.1.1 计算传播学介绍
1.1.2 Python介绍
1.1.3 Python常用计算传播学库
1.1.4 安装Anaconda发行版Python
1.2 Jupyter Notebook编程工具
1.2.1 启动Jupyter Notebook
1.2.2 新建一个Notebook
1.2.3 Jupyter Notebook的界面及其构成
1.2.4 Markdown
本章小结
第2章 Python编程基础
2.1 Python固定语法
2.1.1 声明与注释
2.1.2 保留字符与赋值
2.1.3 缩进
2.2 数据类型
2.2.1 数值
2.2.2 字符串
2.2.3 列表
2.2.4 字典
2.3 常用运算符
2.3.1 算术运算符
2.3.2 赋值运算符
2.3.3 比较运算符
2.3.4 逻辑运算符
2.3.5 成员运算符
2.3.6 运算符优先级
2.4 控制语句
2.4.1 if-elif-else语句
2.4.2 for语句
2.4.3 while语句
2.4.4 跳出循环
2.5 自定义函数
2.5.1 基本语法
2.5.2 参数
2.5.3 作用域
2.6 Python库
2.6.1 pip安装库
2.6.2 库调用方式
本章小结
第3章 数据处理与分析基础
3.1 NumPy基础
3.1.1 ndarray的创建与索引
3.1.2 ufunc
3.2 pandas数据读写
3.2.1 CSV
3.2.2 Excel
3.2.3 数据库
3.3 pandas基础类
3.3.1 序列
3.3.2 数据框
3.3.3 时间戳
3.4 pandas基础操作
3.4.1 索引
3.4.2 排序
3.4.3 合并
3.5 pandas与统计分析
3.5.1 描述性统计
3.5.2 分组运算
3.6 pandas与数据清洗
3.6.1 缺失值处理
3.6.2 重复数据处理
本章小结
第4章 数据可视化基础
4.1 Matplotlib基础图像绘制
4.1.1 绘图基础
4.1.2 rc参数与中文显示
4.1.3 散点图
4.1.4 折线图
4.1.5 饼图
4.1.6 条形图
4.2 Seaborn进阶绘图
4.2.1 Seaborn基础
4.2.2 关系图
4.2.3 热力图
4.2.4 网格图
本章小结
第5章 新闻关键词提取
5.1 背景与目标
5.1.1 数据说明
5.1.2 目标与流程
5.2 探索分析
5.2.1 数据加载
5.2.2 时间信息提取
5.2.3 绘制分布直方图并与百度指数比对
5.3 文本预处理
5.3.1 去除缺失数据和重复数据
5.3.2 分词
5.3.3 去停用词
5.4 模型构建与应用
5.4.1 主题分析概述
5.4.2 关键词提取算法
5.4.3 结果分析
本章小结
第6章 评论情感分析
6.1 背景与目标
6.1.1 数据说明
6.1.2 目标与流程
6.2 探索分析
6.2.1 数据加载
6.2.2 时间信息提取
6.2.3 绘制分布直方图
6.3 文本预处理
6.3.1 清洗冗余数据
6.3.2 机械压缩去词
6.3.3 分词与去停用词
6.4 模型构建与应用
6.4.1 情感分析概述
6.4.2 基于百度Senta和PaddleHub的文本情感分析
6.4.3 LDA主题模型
6.4.4 结果分析
本章小结
第7章 社会网络分析
7.1 背景与目标
7.1.1 数据说明
7.1.2 目标与流程
7.2 探索分析
7.2.1 数据加载
7.2.2 分析用户的关注与被关注情况
7.2.3 分析用户关注、被关注、赞同数、感谢数之间的相关关系
7.2.4 分析用户的主题关注情况
7.2.5 分析用户的问题回答情况
7.3 数据预处理
7.4 网络分析
7.4.1 知乎社交网络概述
7.4.2 构建社交网络
7.4.3 社交网络分析
本章小结
参考文献