Python数据挖掘方法及应用——知识图谱(第2版)

目录
第1部分 数据挖掘基础
第1章 Python数据挖掘基础 4
1.1　数据挖掘软件简介 5
1.1.1 基本数据挖掘软件 5
1.1.2 Python语言介绍 6
1.2　Anaconda计算包 9
1.2.1 Anaconda的使用 9
1.2.2 Jupyter分析平台 11
1.2.3 Spyder编程平台 15
1.3　Python编程基础 17
1.3.1 Python编程入门 17
1.3.2 Python数据类型 17
1.3.3 Python编程运算 21
1.4　Python程序设计 23
1.4.1 Python数据分析包 24
1.4.2 数值分析包numpy 26
1.4.3 基本绘图包matplotlib 27
数据及练习1 34
第2章 数据挖掘的基本方法 36
2.1　数据收集过程 37
2.1.1 常规数据收集 37
2.1.2 大数据的概念 42
2.1.3 数据管理 46
2.1.4 数据分析包pandas 48
2.2　数据的描述分析 56
2.2.1 基本统计量 56
2.2.2 基于数据框的绘图 61
2.3　数据的透视分析 65
2.3.1 一维频数分析 65
2.3.2 二维集聚分析 67
2.3.3 多维透视分析 72
数据及练习2 74
第3章 数据挖掘的统计基础 76
3.1　均匀分布及其应用 77
3.1.1 均匀分布的概念 77
3.1.2 均匀分布的应用 78
3.2　正态分布及其应用 81
3.2.1 正态分布简介 81
3.2.2 基本统计推断 85
数据及练习3 87
第2部分 数值数据的挖掘
第4章 线性相关与回归模型 90
4.1　两变量相关与回归分析 91
4.1.1 两变量线性相关分析 91
4.1.2 两变量线性回归模型 93
4.2　多变量相关与回归分析 95
4.2.1 多变量线性相关分析 95
4.2.2 多变量线性回归模型 97
数据及练习4 107
第5章 时间序列数据分析 110
5.1　时间序列简介 111
5.1.1 时间序列的概念 111
5.1.2 时间序列的模拟 111
5.1.3 股票数据的分析 113
5.2　时间序列模型的构建 114
5.2.1 ARIMA模型 114
5.2.2 ARMA模型的构建 119
5.2.3 ARMA模型的建立与检验 123
5.3　时间序列模型的应用 129
5.3.1 模型的预处理 130
5.3.2 模型的估计与检验 131
5.3.3 模型的预测分析 133
数据及练习5 133
第6章 多元数据的统计分析 135
6.1 综合评价方法 136
6.1.1 综合评价指标体系 136
6.1.2 综合评价分析方法 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　聚类分析方法 151
6.3.1 聚类分析方法的概念 151
6.3.2 系统聚类方法 153
数据及练习6 158
第3部分 文本数据的挖掘
第7章 简单文本处理方法 162
7.1　字符串处理 163
7.1.1 字符串的基本操作 163
7.1.2 字符串查询与替换 164
7.2　简单文本处理 165
7.2.1 文本挖掘的概念 165
7.2.2 文本数据的分词 167
7.3　网络数据的爬虫 170
7.3.1 网页的基础知识 170
7.3.2 Python爬虫步骤 171
7.3.3 爬虫方法的应用 173
数据及练习7 180
第8章 社会网络与知识图谱 182
8.1　社会网络的初步印象 183
8.1.1 社会网络分析概念 183
8.1.2 社会网络分析包 184
8.2　社会网络图的构建 185
8.2.1 社会网络数据形式 185
8.2.2 社会网络统计量 188
8.2.3 美化社会网络图 191
8.3　商业数据知识图谱应用 194
8.3.1 关联规则分析概念入门 194
8.3.2 关联规则分析基础应用 195
8.3.3 关联规则可视化分析 197
8.3.4 大样本关联规则实战 199
数据及练习8 203
第9章 文献计量与知识图谱 204
9.1　文献计量研究的框架 205
9.2　文献数据的收集与分析 206
9.2.1 文献数据的获取 206
9.2.2 文献数据的分析 209
9.3　科研数据的管理与评价 213
9.3.1 科研单位与项目分析 213
9.3.2 科研期刊与作者分析 215
9.3.3 图谱共现矩阵计算 217
9.3.4 共现矩阵的网络图 218
数据及练习9 221
附录 资源共享平台与云计算平台 222
附录A 资源共享平台 222
A1 本书的学习网站 222
A2 本书自定义函数 223
附录B 云计算平台简介 225
B1 课程学习平台 225
B2 习题解答平台 226
参考文献 228