Python數據挖掘方法及應用——知識圖譜(第2版)

本書重點介紹Python語言在數據處理與數據挖掘方面的應用技巧，主要包括數據分析基礎知識（數據收集與分析軟件、數據挖掘的分析基礎、簡單數據的統計分析），數據分析高級方法（多元數據的綜合分析、時序數據的模型分析），大數據基本處理方法（大數據分析基礎應用、文獻計量與科研評價、社會網絡分析方法、數據分析編程平臺）等內容。附錄中還提供了Python數據分析相關方法和函數等，方便讀者隨時查看。本書內容豐富，圖文並茂，可操作性強且便於查閱，主要面向數據分析的讀者，能有效幫助讀者提高數據處理與分析的水平，提升工作效率。書中的例子數據、習題數據及相關代碼都可在作者的學習博客http://blog.leanote.com/DaPy下載使用，也可登錄華信教育資源網http://www.hxedu.com.cn免費下載。

目錄
第1部分 數據挖掘基礎
第1章 Python數據挖掘基礎 4
1.1　數據挖掘軟件簡介 5
1.1.1 基本數據挖掘軟件 5
1.1.2 Python語言介紹 6
1.2　Anaconda計算包 9
1.2.1 Anaconda的使用 9
1.2.2 Jupyter分析平臺 11
1.2.3 Spyder編程平臺 15
1.3　Python編程基礎 17
1.3.1 Python編程入門 17
1.3.2 Python數據類型 17
1.3.3 Python編程運算 21
1.4　Python程序設計 23
1.4.1 Python數據分析包 24
1.4.2 數值分析包numpy 26
1.4.3 基本繪圖包matplotlib 27
數據及練習1 34
第2章 數據挖掘的基本方法 36
2.1　數據收集過程 37
2.1.1 常規數據收集 37
2.1.2 大數據的概念 42
2.1.3 數據管理 46
2.1.4 數據分析包pandas 48
2.2　數據的描述分析 56
2.2.1 基本統計量 56
2.2.2 基於數據框的繪圖 61
2.3　數據的透視分析 65
2.3.1 一維頻數分析 65
2.3.2 二維集聚分析 67
2.3.3 多維透視分析 72
數據及練習2 74
第3章 數據挖掘的統計基礎 76
3.1　均勻分佈及其應用 77
3.1.1 均勻分佈的概念 77
3.1.2 均勻分佈的應用 78
3.2　正態分佈及其應用 81
3.2.1 正態分佈簡介 81
3.2.2 基本統計推斷 85
數據及練習3 87
第2部分 數值數據的挖掘
第4章 線性相關與回歸模型 90
4.1　兩變量相關與回歸分析 91
4.1.1 兩變量線性相關分析 91
4.1.2 兩變量線性回歸模型 93
4.2　多變量相關與回歸分析 95
4.2.1 多變量線性相關分析 95
4.2.2 多變量線性回歸模型 97
數據及練習4 107
第5章 時間序列數據分析 110
5.1　時間序列簡介 111
5.1.1 時間序列的概念 111
5.1.2 時間序列的模擬 111
5.1.3 股票數據的分析 113
5.2　時間序列模型的構建 114
5.2.1 ARIMA模型 114
5.2.2 ARMA模型的構建 119
5.2.3 ARMA模型的建立與檢驗 123
5.3　時間序列模型的應用 129
5.3.1 模型的預處理 130
5.3.2 模型的估計與檢驗 131
5.3.3 模型的預測分析 133
數據及練習5 133
第6章 多元數據的統計分析 135
6.1 綜合評價方法 136
6.1.1 綜合評價指標體系 136
6.1.2 綜合評價分析方法 138
6.2　主成分分析方法 144
6.2.1 主成分分析方法的基本思想 144
6.2.2 主成分的基本分析 146
6.3　聚類分析方法 151
6.3.1 聚類分析方法的概念 151
6.3.2 系統聚類方法 153
數據及練習6 158
第3部分 文本數據的挖掘
第7章 簡單文本處理方法 162
7.1　字符串處理 163
7.1.1 字符串的基本操作 163
7.1.2 字符串查詢與替換 164
7.2　簡單文本處理 165
7.2.1 文本挖掘的概念 165
7.2.2 文本數據的分詞 167
7.3　網絡數據的爬蟲 170
7.3.1 網頁的基礎知識 170
7.3.2 Python爬蟲步驟 171
7.3.3 爬蟲方法的應用 173
數據及練習7 180
第8章 社會網絡與知識圖譜 182
8.1　社會網絡的初步印象 183
8.1.1 社會網絡分析概念 183
8.1.2 社會網絡分析包 184
8.2　社會網絡圖的構建 185
8.2.1 社會網絡數據形式 185
8.2.2 社會網絡統計量 188
8.2.3 美化社會網絡圖 191
8.3　商業數據知識圖譜應用 194
8.3.1 關聯規則分析概念入門 194
8.3.2 關聯規則分析基礎應用 195
8.3.3 關聯規則可視化分析 197
8.3.4 大樣本關聯規則實戰 199
數據及練習8 203
第9章 文獻計量與知識圖譜 204
9.1　文獻計量研究的框架 205
9.2　文獻數據的收集與分析 206
9.2.1 文獻數據的獲取 206
9.2.2 文獻數據的分析 209
9.3　科研數據的管理與評價 213
9.3.1 科研單位與項目分析 213
9.3.2 科研期刊與作者分析 215
9.3.3 圖譜共現矩陣計算 217
9.3.4 共現矩陣的網絡圖 218
數據及練習9 221
附錄 資源共享平臺與雲計算平臺 222
附錄A 資源共享平臺 222
A1 本書的學習網站 222
A2 本書自定義函數 223
附錄B 雲計算平臺簡介 225
B1 課程學習平臺 225
B2 習題解答平臺 226
參考文獻 228