书名：大数据分析方法与实践——基于Python语言

ISBN：9787302713371

作者：彭珍

定价：39.5元

提供课件，大纲，教案，源码、数据集，视频，AI助教和智能体等

图书推荐

(1) 理论根基: 原理系统, 方法前沿。 本书内容丰富、 先进, 以理论方法立足, 每部分教学内容有核心原理与方法, 增设了面向现代管理问题的因果分析、 文本分析理论与方法。

(2) 实践导向: 技术实现, 学以致用。 本书充分体现了理论与实践的结合, 所有的数据处理与分析方法都有实现方法和实践案例, 具体如何利用技术(Python) 实现上述理论与方法, 强调教材内容的实践性, 使得教材具有现实应用价值。

(3) 学科视野: 交叉融合, 创新解法。 本书具有多学科交叉创新的特点, 教学内容汇集了数据科学、 统计学、 机器学习、 管理学等多学科知识, 讲授如何运用数据科学、 统计学、 机器学习方法解决实际应用问题。

本书内容

本书分为两大部分对大数据分析进行阐述：

第一部分是数据分析基础。在第一章认识大数据的基础上，从大数据分析的三个基础环节，即大数据获取、存储、处理，进行介绍。它们分别对应：第二章大数据获取，介绍了网络爬虫、获取传感器与遥感器数据的方法以及获取各种文件数据的方法；第三章数据仓库，包括数据仓库的特点、模型、数据流程以及ETL与OLAP关键技术；第四章数据处理，详细介绍了数据清洗、数据集成、数据变换与数据规约的理论与方法。这些内容是数据分析的前提与基础。

第二部分为数据分析核心与拓展。第五章数据分析，具体包括统计性数据分析、多维数据可视化分析、相关性分析、邻近性分析。在第五章基本数据分析的基础上，探究更深入的数据分析方法，即第六章因果分析，包括经典的格兰杰因果检验、结构因果模型，以及当前流行的双重机器学习方法；第七章文本大数据分析，具体到文本大数据的处理、可视化、情感分析、相似度度量、主题建模等。

扫码优惠购书

目录

第一部分 数据分析基础

第1 章 认识大数据 … … … … … 2

1 .1 大数据的分类 … … … … … 2

1 .2 大数据的量级 … … … … … 3

1 .3 大数据的计算 … … … … … 4

1 .3 .1 MapReduce 分布式计算模式 … … … … … … 4

1 .3 .2 数据流并行计算模式 … … … … … … … … … … 5

1 .3 .3 P2P 分布式计算模式 … … … … … … … … … … 5

1 .4 大数据的类型 … … … … … 5

1 .4.1 表格数据 … … … … 5

1 .4.2 有序数据 … … … … 7

1 .4.3 图结构数据 … … … 7

1 .4.4 多媒体数据 … … … 8

1 .5 特征类型 … … … … … … … 9

1 .5 .1 根据度量级别分类 … … … … … … … … … … 10

1 .5 .2 根据取值范围分类 … … … … … … … … … … 11

1 .6 数据的重要性 … … … … … 12

1 .7 练习 … … … … … … … … … 13

第2 章 大数据获取 … … … … … … 15

2.1 网络爬虫 … … … … … 15

2.1 .1 网络爬虫的步骤 15

2.1 .2 网络爬虫的实现方法 … … … … … … … … … 15

2.1 .3 网络爬虫的实践案例 … … … … … … … … … 22

2.2 获取遥感器数据 … … 24

2.2.1 获取遥感器数据的方法 … … … … … … … … 25

2.2.2 获取遥感器数据的实践案例 … … … … … … 25

2.3 获取文件数据 … … … … … 26

2.3 .1 获取 TXT 文件数据的方法 … … … … … … 27

2.3 .2 获取 CSV 文件数据的方法 … … … … … … … 28

2.3 .3 获取 Excel 文件数据的方法 … … … … … … 28

2.3 .4 获取 HTML 文件数据的方法 … … … … … 29Ⅳ

2.3 .5 获取JSON 文件数据的方法 … … … … … … 29

2.3 .6 获取 PDF 文件数据的方法 … … … … … … … 30

2.3 .7 获取数据库文件数据的方法 … … … … … … 31

2.3 .8 文件大数据获取的实践案例 … … … … … … 32

2.4 练习 … … … … … … … … … 33

第3 章 数据仓库 … … … … … … … 35

3 .1 关于数据仓库 … … … 35

3 .1 .1 数据仓库的特点 35

3 .1 .2 数据仓库与数据库 … … … … … … … … … … 36

3 .1 .3 数据仓库与数据集市 … … … … … … … … … 37

3 .1 .4 数据仓库与数据湖 … … … … … … … … … … 37

3 .2 数据仓库的模型 … … 38

3 .2.1 数据仓库中的表 38

3 .2.2 维度模型 … … … 38

3 .3 数据仓库的数据流程 40

3 .4 数据仓库的关键技术 41

3 .4.1 ETL 技术 … … … 41

3 .4.2 OLAP 技术 … … 41

3 .5 数据仓库的实践案例 … … 45

3 .6 练习 … … … … … … … … … 47

第4 章 数据处理 … … … … … … … 49

4.1 数据清洗 … … … … … 49

4.1 .1 处理缺失值 … … 49

4.1 .2 处理异常值 … … 54

4.1 .3 数据清洗的实践案例 … … … … … … … … … 57

4.2 数据集成 … … … … … 58

4.2.1 实体识别 … … … 59

4.2.2 数据合并 … … … 59

4.2.3 冗余属性识别 … 62

4.2.4 数据集成的实践案例 … … … … … … … … … 65

4.3 数据变换 … … … … … 66

4.3 .1 连续特征离散化 66

4.3 .2 离散型特征编码 68

4.3 .3 数据规范化 … 71

4.3 .4 函数变换 … … … 75

4.3 .5 特征构造 … … … 77

4.3 .6 数据变换的实践案例 … … … … … … … … … 78Ⅴ

4.4 数据归约 … … … … … 79

4.4.1 数值归约 … … … 79

4.4.2 维度归约 … … … 82

4.5 练习 … … … … … … … … … 92

第二部分 数据分析核心与拓展

第5 章 数据分析 … … … … … … … 96

5 .1 基本统计分析方法 … 96

5 .1 .1 集中趋势度量 … 96

5 .1 .2 散布度度量 … … 99

5 .1 .3 基本统计分析的实践案例 … … … … … … … 101

5 .2 多维数据可视化分析 103

5 .2.1 一维数据可视化 103

5 .2.2 二维数据可视化 106

5 .2.3 三维数据可视化 111

5 .2.4 四维数据可视化 115

5 .2.5 五维数据可视化 117

5 .2.6 六维数据可视化 119

5 .2.7 多维数据可视化的实践案例 … … … … … … 121

5 .3 相关性分析方法 … … 135

5 .3 .1 统计学基础 … … 135

5 .3 .2 可视化线性相关 137

5 .3 .3 皮尔逊相关系数 137

5 .3 .4 斯皮尔曼相关系数 … … … … … … … … … … 138

5 .3 .5 相关性分析的实现方法 … … … … … … … … 139

5 .3 .6 相关性分析的实践案例 … … … … … … … … 141

5 .4 邻近性分析 … … … … 142

5 .4.1 邻近性的度量基础 … … … … … … … … … … 142

5 .4.2 二元特征的邻近性度量 … … … … … … … … 143

5 .4.3 标称特征的邻近性度量 … … … … … … … … 146

5 .4.4 序数特征的邻近性度量 … … … … … … … … 146

5 .4.5 数值特征的邻近性度量 … … … … … … … … 146

5 .4.6 邻近性度量的实践案例 … … … … … … … … 149

5 .5 练习 … … … … … … … … 151

第6 章 因果分析 … … … … … … … 155

6 .1 因果分析概述 … … … 155

6 .2 格兰杰因果检验 … … … 156

6 .2.1 稳定时间序列 … 156

6 .2.2 格兰杰因果检验的原理 … … … … … … … … 158Ⅵ

6 .2.3 格兰杰因果检验的步骤 … … … … … … … … 159

6 .2.4 格兰杰因果检验的实现方法 … … … … … … 160

6 .2.5 格兰杰因果检验的实践案例 … … … … … … 162

6 .3 结构因果模型 … … … 164

6 .3 .1 结构因果模型的原理 … … … … … … … … … 164

6 .3 .2 结构因果模型的实现方法 … … … … … … … 164

6 .3 .3 结构因果模型的实践案例 … … … … … … … 165

6 .4 基于双重机器学习的因果推断 … … … … … … … … 167

6 .4.1 双重机器学习的原理 … … … … … … … … … 167

6 .4.2 双重机器学习的实现方法 … … … … … … … 167

6 .4.3 双重机器学习的实践案例 … … … … … … … 168

6 .5 练习 … … … … … … … … 170

第7 章 文本大数据分析 … … … … 172

7.1 文本处理方法 … … … 172

7.1 .1 文本去重 … 172

7.1 .2 去无用词 … 172

7.1 .3 文本分词 … … … 173

7.1 .4 去停用词 … … … 175

7.2 文本分析方法 … … … 175

7.2.1 文本可视化 … … 175

7.2.2 文本情感分析 … 176

7.2.3 词频-逆文档频度 … … … … … … … … … … 177

7.2.4 文本相似度量 … 178

7.3 文本主题建模 … … … 180

7.3 .1 LDA 主题建模的原理 … … … … … … … … 180

7.3 .2 LDA 主题建模的实现方法 … … … … … … 181

7.4 文本分析实践案例 … … 182

7.4.1 文本处理的实践案例 … … … … … … … … … 183

7.4.2 文本可视化的实践案例 … … … … … … … … 184

7.4.3 文本情感分析的实践案例 … … … … … … … 185

7.4.4 TF-IDF 与余弦相似度的实践案例 … … … 188

7.4.5 LDA 主题建模的实践案例 … … … … … … 189

7.5 练习 … … … … … … … … 190

参考文献 192

视频样例

课件样例

案例样例

AI助教和智能体

在【书圈】后台回复书号：9787302713371，可下载配套资源