R与Python的数据分析核心技巧——能源化学数据挖掘及可视化实战

从数据回归、建模、拟合、预测的角度探讨Python的一体化实战过程 遵从“数据信息可视化”

《R与Python的数据分析核心技巧——能源化学数据挖掘及可视化实战》从数据挖掘、数据分析及可视化、建模及诊断的角度，以案例结构化的方法，在能源化学、能源环境应用工程的基础上，重点围绕超临界火电金属材料、核电蒸汽发生器水质、能源环境颗粒物、酸雨指标探讨，例如数据信息分析、大数据挖掘、数据信息可视化、模型建立及诊断等。本书分为7章，分别是“R从安装到实战准备”“Python从安装到实战准备”“能源领域的核心金属材料的性能分析”“水质净化工程的ORP数据分析”“能源环境的颗粒物、酸雨指标的数据挖掘”“能源大气的AQI数据可视化实战”及“数据回归拟合预测一体化实战”。《R与Python的数据分析核心技巧——能源化学数据挖掘及可视化实战》是专业性相对较强的科技读物，由于其内容涉及复杂的计算机软件、智能、数据挖掘及可视化等知识体系，读者不仅需要掌握“相对基础”的能源化学、能源工程、电力、数统、智能算法等专业知识，还需要掌握若干复杂的开源平台及软件应用（如Linux平台，R、Python、SwiProlog等开源软件）作为阅读本书的基础；为了让读者能快速实现书中相应功能，绝大部分分析图都附了相应软件开发的核心代码。本书既可供硕士研究生、博士研究生使用，也可供科研工作者使用；另外，对于科技爱好者或对书中特定环节感兴趣的读者，本书亦颇具参考价值。

李宇春，长沙理工大学，教授，工学博士。湖南省新世纪“121人才工程”第三层次人才，湖南省青年骨干教师，长沙理工大学硕士生导师，粉末冶金国家重点实验室博士后，教育部学位与研究生教育专家，中国电力行业电厂化学标准化委员会技术专家。

第1章R从安装到实战准备1
1.1R4.1.2的安装1
1.2R软件启用后的基本操作3
1.2.1设置R的工作目录3
1.2.2退出R软件的方法3
1.3快速熟悉R的常用指令3
1.3.1data（）指令的强大功能3
1.3.2demo（）指令的功能4
1.4编写程序实例6
1.5R软件的常用指令及脚本应用6
1.5.1常用指令6
1.5.2脚本及其应用8
第2章Python从安装到实战准备10
2.1安装前必须知道的事10
2.1.1Python版本知识10
2.1.2Python的优点10
2.1.3Python语言的功能11
2.2Python的安装11
2.2.1Python3.10.4版本的安装11
2.2.2Python库模块11
2.2.3Python库模块的安装11
2.3Pandas、Numpy、Matplotlib库模块简介13
2.3.1Pandas库13
2.3.2Numpy库13
2.3.3Matplotlib库13
2.4Python的编程实例13
2.4.1Python的起步13
2.4.2一个最简单的Python程序14
2.5Python的常用指令15
2.5.1常用函数指令15
2.5.2常用的一些代码段指令15
第3章能源领域的核心金属材料的性能分析——基于R18
3.1超临界锅炉水冷壁管T23合金材料的性能评估18
3.1.1超临界锅炉水冷壁管材料18
3.1.2T23合金的特点18
3.1.3T23合金不同pH值的耐蚀率分析19
3.1.4T23合金在不同硫酸根浓度条件下的耐蚀率分析20
3.1.5T23合金在不同温度条件下的耐蚀性能分析21
3.2高参数火电机组过热器管T91材料的性能评估22
3.2.1高参数火电机组过热器管材料22
3.2.2不同条件对T91过热器管材料的电化学性能影响22
3.2.3不同条件对T91合金性能指标的相关性分析24
3.3超临界火电机组FGD系统材料性能评估25
3.3.1FGD吸收塔入口的特种材料25
3.3.2FGD泵叶轮材料的寿命影响因素分析26
3.4超临界火电机组耐高温管P92材料的性能评估27
3.4.1超临界火电机组耐高温管材料27
3.4.2P92材料的寿命评估实验分析28
3.5本章小结30
第4章水质净化工程的ORP数据分析——基于R31
4.1氧化还原电位的意义及评价方法31
4.1.1氧化还原电位的意义31
4.1.2氧化还原电位的评价方法32
4.2ORP的测试条件及测试方法32
4.3ORP的测试数据的描述性统计信息33
4.3.1数据集的基本描述性信息3
4.3.2数据集的频数分布图及核密度曲线36
4.3.3数据集的频数分布分析37
4.3.4数据集的累积概率分布分析37
4.4数据集的正态性判断及分析38
4.5数据集的茎叶图分布39
4.6本章小结39
第5章能源环境的颗粒物、酸雨指标的数据挖掘——基于R40
5.1酸雨及可吸入颗粒物40
5.1.1酸雨40
5.1.2可吸入颗粒物40
5.2能源环境颗粒物、酸雨指标数据集41
5.3能源环境数据集的描述性统计分析41
5.3.1数据集的基本描述性信息41
5.3.2数据集的标准分数值信息42
5.4能源环境数据集的分布及分组处理45
5.4.1总体分布45
5.4.2年度分布信息46
5.4.3月度分布信息47
5.4.4年份对月度分布影响的分析效果可视化49
5.5能源大气化学指标的多元分析及可视化50
5.5.1大气化学指标年度贡献对比效果的实现50
5.5.2大气化学指标多元相关性分析52
5.6本章小结53
第6章能源大气的AQI数据可视化实战——基于Python54
6.1AQI的特点及数据集的预处理54
6.1.1AQI及分级54
6.1.2AQI数据集的载入及预处理54
6.2能源大气AQI数据集及其描述性统计信息56
6.3能源大气AQI数据分布分析57
6.3.1散点分布分析58
6.3.2直方图分布显示58
6.3.3多维散点图显示62
6.4AQI数据带标准差的可视化实现64
6.4.1标准差信息条的可视化64
6.4.2标准差信息条及数值的可视化65
6.5本章小结67
第7章数据回归拟合预测一体化实战——基于Python69
7.1AQI数据分布的点线图可视化69
7.2AQI数据的线型回归模型及拟合分析71
7.2.1线性回归模型的建立71
7.2.2回归模型的诊断分析73
7.3AQI数据的多项式模型及优化73
7.3.1多项式回归模型的建立73
7.3.2多项式回归模型的诊断分析75
7.3.3优化多项式回归模型及其诊断76
7.4AQI数据的组合多图可视化77
7.4.1条状图及点线分布图的组合可视化77
7.4.2组合图的双Y轴可视化79
7.4.3组合图的综合分析可视化81
7.4.4AQI年度均值及标准差的差值效果可视化81
7.5能源化学人工智能的初步实现83
7.5.1人工智能及其与Python的关系83
7.5.2基于AIML的能源化学人工智能84
7.6本章小结86
参考文献87
后记88