Python全栈数据工程师养成攻略-视频讲解版

第1章　写在前面　1
1.1　数据工程和编程语言　1
1.1.1　如何玩转数据　1
1.1.2　关于编程语言　3
1.2　带好装备——Python　和Sublime　4
1.2.1　Python　4
1.2.2　Sublime　5
1.2.3　运行Python　代码的方法　6
1.2.4　Hello　World　7
1.3　数据结构和常见类型　7
1.3.1　数据的结构　8
1.3.2　数据的类型　8
第2章　学会Python　10
2.1　Python　基础语法　10
2.1.1　Python　的特点　10
2.1.2　中文编码　10
2.1.3　变量　11
2.1.4　注释　14
2.1.5　保留名　14
2.1.6　行和缩进　15
2.1.7　运算符　15
2.1.8　条件　15
2.1.9　循环　16
2.1.10　时间　18
2.1.11　文件　19
2.1.12　异常　19
2.1.13　函数　20
2.1.14　补充内容　20
2.2　实战：西游记用字统计　21
2.2.1　数据　21
2.2.2　目标　21
2.2.3　步骤　21
2.2.4　总结　23
第3章　获取数据　24
3.1　HTTP　请求和Chrome　24
3.1.1　访问一个链接　24
3.1.2　Chrome　浏览器　25
3.1.3　HTTP　27
3.1.4　URL　类型　28
3.2　使用Python　获取数据　29
3.2.1　urllib2　29
3.2.2　GET　请求　29
3.2.3　POST　请求　30
3.2.4　处理返回结果　30
3.3　实战：爬取豆瓣电影　31
3.3.1　确定目标　31
3.3.2　通用思路　32
3.3.3　寻找链接　32
3.3.4　代码实现　34
3.3.5　补充内容　38
第4章　存储数据　40
4.1　使用XAMP　搭建Web　环境　40
4.1.1　Web　环境　40
4.1.2　偏好设置　41
4.1.3　Hello　World　43
4.2　MySQL　使用方法　44
4.2.1　基本概念　44
4.2.2　命令行　44
4.2.3　Web　工具　44
4.2.4　本地软件　47
4.3　使用Python　操作数据库　49
4.3.1　MySQLdb　49
4.3.2　建立连接　49
4.3.3　执行操作　50
4.3.4　关闭连接　52
4.3.5　扩展内容　52
第5章　静态可视化　53
5.1　在R　中进行可视化　53
5.1.1　下载和安装　53
5.1.2　R　语言基础　54
5.1.3　ggplot2　59
5.1.4　R　语言学习笔记　59
5.2　掌握ggplot2　数据可视化　59
5.2.1　图形种类　59
5.2.2　基本语法　60
5.2.3　条形图　61
5.2.4　折线图　61
5.2.5　描述数据分布　62
5.2.6　分面　62
5.2.7　R　语言数据可视化　62
5.3　实战：Diamonds　数据集探索　63
5.3.1　查看数据　63
5.3.2　价格和克拉　64
5.3.3　价格分布　64
5.3.4　纯净度分布　65
5.3.5　价格概率分布　65
5.3.6　不同切工下的价格分布　65
5.3.7　坐标变换　66
5.3.8　标题和坐标轴标签　66
第6章　自然语言理解　67
6.1　走近自然语言理解　67
6.1.1　概念　67
6.1.2　内容　67
6.1.3　应用　68
6.2　使用jieba　分词处理中文　70
6.2.1　jieba　中文分词　70
6.2.2　中文分词　70
6.2.3　关键词提取　72
6.2.4　词性标注　73
6.3　词嵌入的概念和实现　73
6.3.1　语言的表示　73
6.3.2　训练词向量　75
6.3.3　代码实现　75
第7章　Web　基础　78
7.1　网页的骨骼：HTML　78
7.1.1　HTML　是什么　78
7.1.2　基本结构　78
7.1.3　常用标签　79
7.1.4　标签的属性　82
7.1.5　注释　83
7.1.6　表单　83
7.1.7　颜色　84
7.1.8　DOM　85
7.1.9　HTML5　86
7.1.10　补充内容　86
7.2　网页的血肉：CSS　86
7.2.1　CSS　是什么　87
7.2.2　基本结构　87
7.2.3　使用CSS　87
7.2.4　常用选择器　89
7.2.5　常用样式　91
7.2.6　CSS3　94
7.2.7　CSS　实例　97
7.2.8　补充学习　98
7.3　网页的关节：JS　99
7.3.1　JS　是什么　99
7.3.2　使用JS　99
7.3.3　JS　基础　100
7.3.4　补充学习　103
第8章　Web　进阶　104
8.1　比JS　更方便的JQuery　104
8.1.1　引入JQuery　104
8.1.2　语法　105
8.1.3　选择器　106
8.1.4　事件　107
8.1.5　直接操作　108
8.1.6　AJAX　请求　112
8.1.7　补充学习　113
8.2　实战：你竟是这样的月饼　113
8.2.1　项目简介　113
8.2.2　首页实现　115
8.2.3　月饼页实现　128
8.2.4　项目总结　133
8.3　基于ThinkPHP　的简易个人博客　134
8.3.1　ThinkPHP　是什么　134
8.3.2　个人博客　134
8.3.3　下载和初始化　134
8.3.4　MVC　135
8.3.5　数据库配置　136
8.3.6　控制器、函数和渲染模板　137
8.3.7　U　函数和页面跳转　139
8.3.8　表单实现和数据处理　141
8.3.9　读取数据并渲染　142
8.3.10　项目总结　145
8.4　基于Flask　的简易个人博客　146
8.4.1　Flask　是什么　146
8.4.2　项目准备　147
8.4.3　渲染模板　149
8.4.4　操作数据库　150
8.4.5　完善其他页面　152
8.4.6　项目总结　155
第9章　动态可视化　157
9.1　使用ECharts　制作交互图形　157
9.1.1　ECharts　是什么　157
9.1.2　引入Echarts　158
9.1.3　准备一个画板　158
9.1.4　绘制ECharts　图形　158
9.1.5　使用其他主题　160
9.1.6　配置项手册　160
9.1.7　开始探索　164
9.2　实战：再谈豆瓣电影数据分析　164
9.2.1　项目成果　164
9.2.2　数据获取　164
9.2.3　数据清洗和存储　167
9.2.4　数据分析　168
9.2.5　数据可视化　168
9.2.6　项目总结　171
9.3　数据可视化之魅D3　172
9.3.1　D3　是什么　172
9.3.2　D3　核心思想　172
9.3.3　一个简单的例子　173
9.3.4　深入理解D3　177
9.3.5　开始探索　180
9.4　实战：星战电影知识图谱　181
9.4.1　项目成果　181
9.4.2　数据获取　182
9.4.3　数据分析　182
9.4.4　数据可视化　183
9.4.5　项目总结　184
9.5　艺术家爱用的Processing　185
9.5.1　Processing　是什么　185
9.5.2　一个简单的例子　186
9.5.3　Processing　基础　186
9.5.4　更多内容　189
9.6　实战：上海地铁的一天　189
9.6.1　项目成果　189
9.6.2　项目数据　189
9.6.3　项目思路　190
9.6.4　项目实现　190
9.6.5　项目总结　197
第10章　机器学习　198
10.1　明白一些基本概念　198
10.1.1　机器学习是什么　198
10.1.2　学习的种类　199
10.1.3　两大痛点　202
10.1.4　学习的流程　203
10.1.5　代码实现　205
10.2　常用经典模型及实现　206
10.2.1　线性回归　206
10.2.2　Logistic　回归　206
10.2.3　贝叶斯　207
10.2.4　K　近邻　207
10.2.5　决策树　207
10.2.6　支持向量机　209
10.2.7　K-Means　209
10.2.8　神经网络　210
10.2.9　代码实现　210
10.3　调参比赛大杀器XGBoost　213
10.3.1　为什么要调参　214
10.3.2　XGBoost　是什么　214
10.3.3　XGBoost　安装　214
10.3.4　XGBoost　模型参数　215
10.3.5　XGBoost　调参实战　216
10.3.6　总结　227
10.4　实战：微额借款用户人品预测　227
10.4.1　项目背景　227
10.4.2　数据概况　228
10.4.3　缺失值处理　228
10.4.4　特征工程　229
10.4.5　特征选择　230
10.4.6　模型设计　231
10.4.7　项目总结　232
第11章　深度学习　233
11.1　初探Deep　Learning　233
11.1.1　深度学习是什么　233
11.1.2　神经元模型　234
11.1.3　全连接层　235
11.1.4　代码实现　236
11.2　用于处理图像的CNN　237
11.2.1　CNN　是什么　238
11.2.2　CNN　核心内容　239
11.2.3　CNN　使用方法　241
11.2.4　CNN　模型训练　242
11.2.5　代码实现　242
11.3　用于处理序列的RNN　242
11.3.1　RNN　是什么　242
11.3.2　RNN　模型结构　243
11.3.3　LSTM　244
11.3.4　RNN　使用方法　246
11.3.5　代码实现　246
11.4　实战：多种手写数字识别模型　246
11.4.1　手写数字数据集　247
11.4.2　全连接层　248
11.4.3　CNN　实现　252
11.4.4　RNN　实现　253
11.4.5　实战总结　254
第12章　数据的故事　256
12.1　如何讲一个好的故事　256
12.1.1　为什么要做PPT　256
12.1.2　讲一个好的故事　256
12.1.3　用颜值加分　257
12.1.4　总结　258
12.2　实战：有内容有颜值的分享　258
12.2.1　SODA　258
12.2.2　公益云图　260
12.2.3　上海BOT　262
12.2.4　总结　263