Python数据分析实战PDF电子书下载

第1章 为可重复的数据分析奠定基础 1

1.1 简介 1

1.2 安装Anaconda 2

1.3 安装数据科学工具包 3

1.4 用virtualenv和virtualenvwrapper创建Python虚拟环境 5

1.5 使用Docker镜像沙盒化Python应用 6

1.6 在IPython Notebook中记录软件包的版本和历史 8

1.7 配置IPython 11

1.8 学习为鲁棒性错误校验记录日志 13

1.9 为你的代码写单元测试 16

1.10 配置pandas 18

1.11 配置matplotlib 20

1.12 为随机数生成器和NumPy打印选项设置种子 23

1.13 使报告、代码风格和数据访问标准化 24

第2章 创建美观的数据可视化 28

2.1 简介 28

2.2 图形化安斯库姆四重奏 28

2.3 选择Seaborn的调色板 31

2.4 选择matplotlib的颜色表 33

2.5 与IPython Notebook部件交互 35

2.6 查看散点图矩阵 38

2.7 通过mpld3使用d3.js进行可视化 40

2.8 创建热图 41

2.9 把箱线图、核密度图和小提琴图组合 44

2.10 使用蜂巢图可视化网络图 45

2.11 显示地图 47

2.12 使用类ggplot2图 49

2.13 使用影响图高亮数据 51

第3章 统计数据分析和概率 53

3.1 简介 53

3.2 将数据拟合到指数分布 53

3.3 将聚合数据拟合到伽马分布 55

3.4 将聚合计数拟合到泊松分布 57

3.5 确定偏差 59

3.6 估计核密度 61

3.7 确定均值、方差和标准偏差的置信区间 64

3.8 使用概率权重采样 66

3.9 探索极值 68

3.10 使用皮尔逊相关系数测量变量之间的相关性 71

3.11 使用斯皮尔曼等级相关系数测量变量之间的相关性 74

3.12 使用点二列相关系数测量二值变量和连续变量的相关性 77

3.13 评估变量与方差分析之间的关系 78

第4章 处理数据和数值问题 81

4.1 简介 81

4.2 剪辑和过滤异常值 81

4.3 对数据进行缩尾处理 84

4.4 测量噪声数据的集中趋势 85

4.5 使用Box-Cox变换进行归一化 88

4.6 使用幂阶梯转换数据 90

4.7 使用对数转换数据 91

4.8 重组数据 93

4.9 应用logit（）来变换比例 95

4.10 拟合鲁棒线性模型 97

4.11 使用加权最小二乘法考虑方差 99

4.12 使用任意精度进行优化 101

4.13 使用任意精度的线性代数 103

第5章 网络挖掘、数据库和大数据 107

5.1 简介 107

5.2 模拟网页浏览 108

5.3 网络数据挖掘 110

5.4 处理非ASCⅡ文本和HTML实体 112

5.5 实现关联表 114

5.6 创建数据库迁移脚本 117

5.7 在已经存在的表中增加一列 117

5.8 在表创建之后添加索引 118

5.9 搭建一个测试Web服务器 120

5.10 实现具有事实表和维度表的星形模式 121

5.11 使用Hadoop分布式文件系统 126

5.12 安装配置Spark 127

5.13 使用Spark聚类数据 128

第6章 信号处理和时间序列 132

6.1 简介 132

6.2 使用周期图做频谱分析 132

6.3 使用Welch算法估计功率谱密度 134

6.4 分析峰值 136

6.5 测量相位同步 138

6.6 指数平滑法 140

6.7 评估平滑法 142

6.8 使用Lomb-Scargle周期图 145

6.9 分析音频的频谱 146

6.10 使用离散余弦变换分析信号 149

6.11 对时序数据进行块自举 151

6.12 对时序数据进行动态块自举 153

6.13 应用离散小波变换 155

第7章 利用金融数据分析选择股票 159

7.1 简介 159

7.2 计算简单收益率和对数收益率 159

7.3 使用夏普比率和流动性对股票进行排名 161

7.4 使用卡玛和索提诺比率对股票进行排名 162

7.5 分析收益统计 164

7.6 将个股与更广泛的市场相关联 166

7.7 探索风险与收益 169

7.8 使用非参数运行测试检验市场 170

7.9 测试随机游走 173

7.10 使用自回归模型确定市场效率 175

7.11 为股票价格数据库建表 177

7.12 填充股票价格数据库 178

7.13 优化等权重双资产组合 183

第8章 文本挖掘和社交网络分析 186

8.1 简介 186

8.2 创建分类的语料库 186

8.3 以句子和单词标记化新闻文章 189

8.4 词干提取、词形还原、过滤和TF-IDF得分 189

8.5 识别命名实体 193

8.6 提取带有非负矩阵分解的主题 194

8.7 实现一个基本的术语数据库 196

8.8 计算社交网络密度 200

8.9 计算社交网络接近中心性 201

8.10 确定中介中心性 202

8.11 评估平均聚类系数 203

8.12 计算图的分类系数 204

8.13 获得一个图的团数 205

8.14 使用余弦相似性创建文档图 206

第9章 集成学习和降维 209

9.1 简介 209

9.2 递归特征消除 210

9.3 应用主成分分析来降维 211

9.4 应用线性判别分析来降维 213

9.5 多模型堆叠和多数投票 214

9.6 学习随机森林 217

9.7 使用RANSAC算法拟合噪声数据 220

9.8 使用Bagging来改善结果 222

9.9 用于更好学习的Boosting算法 224

9.10 嵌套交叉验证 227

9.11 使用joblib重用模型 229

9.12 层次聚类数据 231

9.13 Theano之旅 232

第10章 评估分类器、回归器和聚类 235

10.1 简介 235

10.2 直接使用混淆矩阵分类 235

10.3 计算精度、召回率和F1分数 237

10.4 检测接收器操作特性和曲线下的面积 240

10.5 可视化拟合优度 242

10.6 计算均方误差和中值绝对误差 243

10.7 用平均轮廓系数评估聚类 245

10.8 将结果与伪分类器进行比较 247

10.9 确定平均绝对百分误差和平均百分误差 250

10.10 与伪回归器进行比较 252

10.11 计算平均绝对误差和残差平方和 254

10.12 检查分类的kappa系数 256

10.13 运用Matthews相关系数 258

第11章 图像分析 261

11.1 简介 261

11.2 安装OpenCV 261

11.3 应用尺度不变特征变换（SIFT） 264

11.4 使用加速鲁棒特征检测特征 265

11.5 量化颜色 267

11.6 图像降噪 269

11.7 提取图像区域 270

11.8 使用Haar级联进行面部识别 272

11.9 搜索明亮的星星 275

11.10 从图像中提取元数据 278

11.11 从图像中提取纹理特征 280

11.12 对图像应用层次聚类 282

11.13 使用光谱聚类分割图像 283

第12章 并行和性能 285

12.1 简介 285

12.2 使用Numba做即时编译 286

12.3 使用Numexpr加速数值表达式 288

12.4 使用线程模块运行多线程 289

12.5 使用concurrent.futures模块启动多任务 291

12.6 使用asyncio模块异步访问资源 294

12.7 使用execnet做分布式处理 297

12.8 分析内存使用情况 299

12.9 计算平均值、方差、偏度和峰度 300

12.10 使用最近最少使用算法进行缓存 304

12.11 缓存HTTP请求 306

12.12 使用Count-min sketch进行流式统计 308

12.13 充分利用GPU和OpenGL 310

附录A 术语表 313

附录B 函数参考 317

附录C 在线资源 323

附录D 命令行和其他工具的一些提示和技巧 326