实用数据分析 原书第2版PDF电子书下载

第1章 开始 1

1.1 计算机科学 1

1.2 人工智能 2

1.3 机器学习 2

1.4 统计学 2

1.5 数学 2

1.6 专业领域知识 3

1.7 数据、信息和知识 3

1.7.1 数据、信息和知识之间的相互性 3

1.7.2 数据的本质 4

1.8 数据分析过程 5

1.8.1 问题 6

1.8.2 数据准备 6

1.8.3 数据探索 7

1.8.4 预测建模 7

1.8.5 结果可视化 8

1.9 定量与定性数据分析 9

1.10 数据可视化的重要性 9

1.11 大数据 10

1.12 自我量化 12

1.12.1 传感器和摄像头 12

1.12.2 社交网络分析 13

1.13 本书的工具和练习 13

1.13.1 为什么使用Python 14

1.13.2 为什么使用mlpy 14

1.13.3 为什么使用D3.js 14

1.13.4 为什么使用MongoDB 15

1.14 小结 15

第2章 数据预处理 16

2.1 数据源 16

2.1.1 开源数据 17

2.1.2 文本文件 18

2.1.3 Excel文件 18

2.1.4 SQL数据库 18

2.1.5 NoSQL数据库 19

2.1.6 多媒体 20

2.1.7 网页检索 20

2.2 数据清洗 22

2.2.1 统计方法 23

2.2.2 文本解析 23

2.2.3 数据转化 25

2.3 数据格式 25

2.3.1 CSV 26

2.3.2 JSON 27

2.3.3 XML 28

2.3.4 YAML 29

2.4 数据归约 30

2.4.1 过滤及抽样 30

2.4.2 分箱算法 30

2.4.3 降维 31

2.5 开始使用OpenRefine工具 32

2.5.1 text facet 33

2.5.2 聚类 33

2.5.3 文本过滤器 34

2.5.4 numeric facet 34

2.5.5 数据转化 35

2.5.6 数据输出 36

2.5.7 操作历史记录 36

2.6 小结 37

第3章 可视化 38

3.1 可视化概述 39

3.2 利用网页版的可视化 39

3.3 探索科学可视化 39

3.4 在艺术上的可视化 40

3.5 可视化生命周期 40

3.6 可视化不同类型的数据 41

3.6.1 HTML 41

3.6.2 DOM 42

3.6.3 CSS 42

3.6.4 JavaScript 43

3.6.5 SVG 43

3.7 开始使用D3.js 43

3.7.1 柱状图 44

3.7.2 饼图 48

3.7.3 散点图 50

3.7.4 单线图 52

3.7.5 多线图 55

3.8 交互与动画 59

3.9 社交网络中的数据 61

3.10 可视化分析的摘要 62

3.11 小结 62

第4章 文本分类 63

4.1 学习和分类 63

4.2 贝叶斯分类 64

4.3 E-mail主题测试器 65

4.4 数据 66

4.5 算法 68

4.6 分类器的准确性 71

4.7 小结 73

第5章 基于相似性的图像检索 74

5.1 图像相似性搜索 74

5.2 动态时间规整 75

5.3 处理图像数据集 77

5.4 执行DTW 77

5.5 结果分析 79

5.6 小结 81

第6章 模拟股票价格 82

6.1 金融时间序列 82

6.2 随机漫步模拟 83

6.3 蒙特卡罗方法 84

6.4 生成随机数 85

6.5 用D3.js实现 86

6.6 计量分析师 91

6.7 小结 93

第7章 预测黄金价格 94

7.1 处理时间序列数据 94

7.2 平滑时间序列 97

7.3 线性回归 100

7.4 数据——历史黄金价格 101

7.5 非线性回归 101

7.5.1 核岭回归 102

7.5.2 平滑黄金价格时间序列 104

7.5.3 平滑时间序列的预测 105

7.5.4 对比预测值 106

7.6 小结 107

第8章 使用支持向量机的方法进行分析 108

8.1 理解多变量数据集 109

8.2 降维 111

8.2.1 线性无差别分析 112

8.2.2 主成分分析 112

8.3 使用支持向量机 114

8.3.1 核函数 115

8.3.2 双螺旋问题 116

8.3.3 在mlpy实现SVM 116

8.4 小结 119

第9章 应用细胞自动机的方法对传染病进行建模 120

9.1 流行病学简介 120

9.2 流行病模型 122

9.2.1 SIR模型 122

9.2.2 使用SciPy来解决SIR模型的常微分方程 123

9.2.3 SIRS模型 124

9.3 对细胞自动机进行建模 125

9.3.1 细胞、状态、网格和邻域 126

9.3.2 整体随机访问模型 127

9.4 通过D3.js模拟CA中的SIRS模型 127

9.5 小结 135

第10章 应用社交图谱 136

10.1 图谱的结构 136

10.1.1 无向图 137

10.1.2 有向图 137

10.2 社交网络分析 137

10.3 捕获Facebook图谱 138

10.4 使用Gephi再现图谱 139

10.5 统计分析 142

10.6 度的分布 144

10.6.1 图谱直方图 145

10.6.2 集中度 146

10.7 将GDF转化为JSON 148

10.8 在D3.js环境下进行图谱可视化 150

10.9 小结 154

第11章 分析Twitter数据 155

11.1 解析Twitter数据 155

11.1.1 tweet 156

11.1.2 粉丝 156

11.1.3 热门话题 156

11.2 使用OAuth访问TwitterAPI 157

11.3 开始使用Twython 158

11.3.1 利用Twython进行简单查询 159

11.3.2 获取时间表数据 163

11.3.3 获取粉丝数据 165

11.3.4 获取地点和趋势信息 167

11.3.5 获取用户数据 168

11.3.6 API流 169

11.4 小结 171

第12章 使用MongoDB进行数据处理和聚合 172

12.1 开始使用MongoDB 172

12.1.1 数据库 173

12.1.2 集合 175

12.1.3 文件 175

12.1.4 Mongo shell 175

12.1.5 Insert/Update/Delete 176

12.1.6 查询 177

12.2 数据准备 178

12.2.1 使用OpenRefine进行数据转换 179

12.2.2 通过PyMongo插入文件 180

12.3 分组 182

12.4 聚合框架 184

12.4.1 流水线 184

12.4.2 表达式 185

12.5 小结 186

第13章 使用MapReduce方法 188

13.1 MapReduce概述 188

13.2 编程模型 189

13.3 在MongoDB中使用MapReduce 190

13.3.1 map函数 190

13.3.2 reduce函数 191

13.3.3 使用Mongo shell 191

13.3.4 使用Jupyter 193

13.3.5 使用PyMongo 194

13.4 过滤输入集合 195

13.5 分组和聚合 196

13.6 在tweet中统计高频词汇 198

13.7 小结 201

第14章 使用Jupyter和Wakari进行在线数据分析 202

14.1 开始使用Wakari 202

14.2 开始使用Jupyter记事本 205

14.3 通过PIL进行图像处理 208

14.3.1 打开图像 208

14.3.2 显示图像直方图 208

14.3.3 过滤 209

14.3.4 操作 211

14.3.5 转化 212

14.4 开始使用pandas 213

14.4.1 处理时间序列 213

14.4.2 通过数据框架来操作多变量数据集 215

14.4.3 分组、聚合和相关 219

14.5 分享你的记事本 221

14.6 小结 224

第15章 使用Apache Spark处理数据 225

15.1 数据处理平台 226

15.1.1 Cloudera平台 226

15.1.2 安装Cloudera VM 227

15.2 分布式文件系统概述 229

15.2.1 使用Hadoop分布式文件系统（HDFS）的具体步骤 229

15.2.2 利用HUE的Web界面来进行文件管理 230

15.3 Apache Spark概述 231

15.3.1 Spark的生态系统 231

15.3.2 Spark编程模型 232

15.3.3 Apache启动的介绍性操作样例 234

15.4 小结 235