×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
暂无评论
图文详情
  • ISBN:9787302668572
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:351
  • 出版时间:2024-08-01
  • 条形码:9787302668572 ; 978-7-302-66857-2

本书特色

在当今以数据为中心的世界中,从大量数据中提取有意义的见解的能力已成为跨行业的一项宝贵技能。探索性数据分析(exploratory data analysis,EDA)是这一过程的核心,使我们能够理解、可视化各种形式的数据并从中获得有价值的见解。本书是使用Python编程语言作为EDA的综合指南,介绍有效探索、分析和可视化结构化与非结构化数据所需的实用步骤。

内容简介

"《Python数据分析实例精解》详细阐述了多个Python数据分析的基本解决方案,主要包括生成汇总统计数据、为探索性数据分析准备数据、在Python中可视化数据、在Python中执行单变量分析、在Python中执行双变量分析、在Python中执行多变量分析、在Python中分析时间序列数据、在Python中分析文本数据、处理异常值和缺失值、在Python中执行自动化探索性数据分析等内容。此外,本书还提供了相应的示例、代码,以帮助读者进一步理解相关方案的实现过程。 本书适合作为高等院校计算机及相关专业的教材和教学参考书,也可作为相关开发人员的自学用书和参考手册。"

目录

第1章 生成汇总统计数据 1.1 技术要求 1.2 分析数据集的平均值 1.2.1 准备工作 1.2.2 实战操作 1.2.3 原理解释 1.2.4 扩展知识 1.3 检查数据集的中位数 1.3.1 准备工作 1.3.2 实战操作 1.3.3 原理解释 1.3.4 扩展知识 1.4 识别数据集的众数 1.4.1 准备工作 1.4.2 实战操作 1.4.3 原理解释 1.4.4 扩展知识 1.5 检查数据集的方差 1.5.1 准备工作 1.5.2 实战操作 1.5.3 原理解释 1.5.4 扩展知识 1.6 识别数据集的标准差 1.6.1 准备工作 1.6.2 实战操作 1.6.3 原理解释 1.6.4 扩展知识 1.7 生成数据集的全距 1.7.1 准备工作 1.7.2 实战操作 1.7.3 原理解释 1.7.4 扩展知识 1.8 识别数据集的百分位数 1.8.1 准备工作 1.8.2 实战操作 1.8.3 原理解释 1.8.4 扩展知识 1.9 检查数据集的四分位数 1.9.1 准备工作 1.9.2 实战操作 1.9.3 原理解释 1.9.4 扩展知识 1.10 分析数据集的四分位距 1.10.1 准备工作 1.10.2 实战操作 1.10.3 原理解释 第2章 为探索性数据分析准备数据 2.1 技术要求 2.2 数据分组 2.2.1 准备工作
展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航