☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

本書涵蓋R和Python兩種主流語言，其優點在於其結構，每一章的每一節內容都是按照“準備工作—處理流程—工作原理”的方式組織，這種組織形式非常適閤一邊實踐一邊學習（learn-by-doing）。

內容簡介

這本書是基於R和Python的數據科學項目案例集錦，內容涵蓋瞭基於數據科學的所有要素，包括數據采集、處理、清洗、分析、建模、可視化以及數據産品的搭建。案例包含瞭汽車數據分析、股票市場建模、社交網絡分析、推薦係統、地理信息分析，以及Python代碼的計算優化。通過手把手的案例解析，令讀者知其然並知其所以然。業界的數據分析師、數據挖掘工程師、數據科學傢都可以讀一讀。想要瞭解實際工作中如何用數據産生價值的在校學生，或者對數據科學感興趣的人也值得一讀。

作者簡介

作者簡介
Tony Ojeda(托尼·奧傑德)，華盛頓DC數據社區的聯閤創始人，一位經驗豐富的數據科學傢和企業傢，他在佛羅裏達國際大學獲得金融碩士學位，並且在德保羅大學獲得瞭MBA學位。

Sean Patrick Murphy(肖恩·派特裏剋·莫非)，華盛頓DC數據社區的聯閤創始人，曾在約翰霍普金斯大學的應用物理實驗室做瞭15年的高級科學傢，他專注於機器學習、信號處理、高性能計算以及建模和模擬。現在他是舊金山、紐約和華盛頓DC多傢公司的數據顧問。

Benjamin Bengfort(本傑明·班福特)，一位非常有經驗的數據科學傢和Python開發者。他曾在軍方、業界和學術界工作過8年。他目前在馬裏蘭大學派剋學院攻讀計算機博士學位，研究元識彆和自然語言處理。他擁有北達科塔州立大學的計算機碩士學位，並是喬治城大學的客座教授。

Abhijit Dasgupta(阿布吉特·達斯古普塔)，華盛頓DC數據社區的成員，華盛頓DC統計編程社群的創始人和聯閤組織者，他擁有華盛頓大學生物統計的博士學位，在生物製藥行業谘詢、商業分析、生物信息以及生物工程谘詢方麵擁有多年的經驗。

譯者簡介
郝智恒，甘肅蘭州人，南開大學概率統計專業畢業，統計之都活躍會員。目前在阿裏巴巴商業智能部任職，擅長數據分析和數據挖掘，喜歡用數據探索商業世界的邊界。

王佳瑋，黃山腳下長大，香港城大-中科大聯閤培養博士畢業，現於阿裏雲大數據孵化器團隊搬磚，喜歡數據分析和挖掘在社會各領域的應用，目前正緻力於用數據和算法解決交通擁堵問題。

謝時光，2011年博士畢業於美國弗吉尼亞理工大學工業工程係運籌學專業，畢業後從事數據分析、優化和決策支持相關工作至今。曾先後在安飛士（Avis）、費埃哲（FICO）等行業領先的公司從事從供應鏈到風險控製等多個應用領域的數據分析和優化決策研究工作。

劉夢馨，靈雀雲高級軟件工程師，專注於容器虛擬化領域，機器學習愛好者。

目錄

第1章　準備你的數據科學環境　1
簡介　1
理解數據科學管道　3
處理流程　3
工作原理　3
在Windows、Mac OS X、Linux上安裝R　5
準備工作　5
處理流程　5
工作原理　7
參考資料　7
在R和RStudio中安裝擴展包　7
準備工作　8
處理流程　8
工作原理　9
更多內容　10
參考資料　10
在Linux和Mac OS X上安裝Python　10
準備工作　11
處理流程　11
工作原理　11
更多內容　11
參考資料　12
在Windows上安裝Python　12
處理流程　13
工作原理　13
參考資料　14
在Mac OS X和Linux上安裝Python數據分析庫　14
準備工作　14
處理流程　14
工作原理　15
更多內容　16
參考資料　16
安裝更多Python包　17
準備工作　17
處理流程　17
工作原理　18
更多內容　18
參考資料　18
安裝和使用virtualenv　19
準備工作　19
處理流程　19
工作原理　21
更多內容　21
參考資料　22
第2章　汽車數據的可視化分析（R）　23
簡介　23
獲取汽車燃料效率數據　24
準備工作　24
處理流程　25
工作原理　25
為瞭你的第一個項目準備好R　26
準備工作　26
處理流程　26
工作原理　26
參考資料　26
將汽車燃料效率數據導入R　27
準備工作　27
處理流程　27
工作原理　28
更多內容　29
參考資料　30
探索和描述燃料效率數據　30
準備工作　30
處理流程　30
工作原理　32
更多內容　33
進一步分析汽車燃料效率數據　34
準備工作　34
處理流程　34
工作原理　43
參考資料　44
研究汽車的産量以及車型　44
準備工作　44
處理流程　44
工作原理　46
更多內容　47
參考資料　47
第3章　模擬美式橄欖球比賽數據（R）　48
簡介　48
準備工作　49
獲取和清洗美式橄欖球比賽數據　49
準備工作　50
處理流程　50
工作原理　53
參考資料　53
分析和理解美式橄欖球比賽數據　53
準備工作　53
處理流程　53
工作原理　61
更多內容　61
參考資料　62
構建度量攻防能力的指標　62
準備工作　62
處理流程　62
工作原理　64
參考資料　65
模擬單場由程序決定勝負的比賽　65
準備工作　65
處理流程　65
工作原理　68
模擬多場由計算決定勝負的比賽　68
準備工作　68
處理流程　69
工作原理　73
更多內容　74
第4章　建模分析股票市場數據（R）　75
簡介　75
準備工作　76
獲取股票市場數據　76
處理流程　77
描述數據　78
準備工作　79
工作原理　80
更多內容　81
清洗和研究數據　82
準備工作　82
處理流程　82
工作原理　87
參考資料　87
形成相對估值法　87
準備工作　87
處理流程　88
工作原理　91
分析曆史價格篩選股票　92
準備工作　92
處理流程　92
工作原理　98
第5章　就業數據的可視化探索（R）　99
簡介　99
分析前的準備　100
準備工作　101
處理流程　101
工作原理　102
參考資料　102
將就業數據導入R　103
準備工作　103
處理流程　103
工作原理　104
更多內容　104
參考資料　105
就業數據探究　105
準備條件　105
處理流程　105
工作原理　107
參考資料　107
獲取和閤並添加附加信息　107
準備工作　107
處理流程　108
工作原理　109
添加地理信息　110
準備工作　110
處理流程　110
工作原理　113
參考資料　114
獲取州和縣級水平的薪資和就業信息　114
準備工作　114
處理流程　114
工作原理　116
參考資料　117
可視化薪資的地理分布特性　117
準備工作　118
處理流程　118
工作原理　120
參考資料　121
探究各行業工作的地理分布情況　121
處理流程　122
工作原理　123
更多內容　124
參考資料　124
繪製地理空間的時間序列地圖　124
準備工作　124
處理流程　125
工作原理　128
更多內容　128
函數性能測試和比較　128
準備工作　129
處理流程　129
工作原理　131
更多內容　132
參考資料　132
第6章　運用稅務數據進行應用導嚮的數據分析（Python）　133
簡介　133
應用導嚮方法簡介　134
準備高收入數據集的分析　135
準備工作　135
處理流程　135
工作原理　136
導入並熟悉世界各國高收入數據集　136
準備工作　137
處理流程　137
工作原理　143
更多內容　144
參考資料　144
分析並可視化美國的高收入數據集　144
準備工作　144
處理流程　145
工作原理　151
進一步分析美國的高收入階層　152
準備工作　152
處理流程　152
工作原理　156
用Jinja2匯報結果　157
準備工作　157
處理流程　157
工作原理　162
更多內容　162
參考資料　163
第7章　運用汽車數據進行可視化分析（Python）　164
簡介　164
IPython入門　165
準備工作　165
處理流程　165
工作原理　167
參考資料　167
熟悉IPython Notebook　167
準備工作　168
處理流程　168
工作原理　170
更多內容　170
參考資料　171
準備分析汽車油耗　171
準備工作　171
處理流程　171
工作原理　173
更多內容　173
參考資料　174
用Python熟悉並描述汽車油耗數據　174
準備工作　174
處理流程　174
工作原理　177
更多內容　177
參考資料　177
用Python分析汽車油耗隨時間變化趨勢　177
準備工作　177
處理流程　178
工作原理　183
更多內容　184
參考資料　185
用Python調查汽車的製造商和型號　185
準備工作　185
處理流程　185
工作原理　189
參考資料　189
第8章　社交網絡分析（Python）　190
簡介　190
理解圖和網絡　191
準備用Python進行社交網絡的分析工作　192
準備工作　192
處理流程　193
工作原理　193
更多內容　193
導入網絡　194
準備工作　194
處理流程　194
工作原理　196
探索英雄網絡的子圖　196
準備工作　197
處理流程　197
工作原理　199
更多內容　199
找齣強關聯　200
準備工作　201
處理流程　201
工作原理　203
更多內容　204
找齣關鍵人物　204
準備工作　205
處理流程　205
工作原理　208
更多內容　209
調查全網的特徵　215
準備工作　216
處理流程　216
工作原理　217
社交網絡中的聚類和發現社群　217
準備工作　217
處理流程　218
工作原理　221
更多內容　221
可視化圖　222
準備工作　222
處理流程　222
工作原理　224
第9章　大規模電影推薦（Python）　225
簡介　226
對偏好建模　227
處理流程　227
工作原理　228
理解數據　229
準備工作　229
處理流程　229
工作原理　231
更多內容　231
加載電影評分數據　231
準備工作　231
處理流程　232
工作原理　234
尋找高評分電影　235
準備工作　236
處理流程　236
工作原理　237
更多內容　238
參考資料　238
提升電影評分係統　238
準備工作　238
處理流程　238
工作原理　239
更多內容　240
參考資料　240
計算用戶在偏好空間中的距離　240
準備工作　241
處理流程　241
工作原理　243
更多內容　243
參考資料　243
計算用戶相關性　244
準備工作　244
處理流程　244
工作原理　245
更多內容　246
為特定用戶尋找最好的影評人　246
準備工作　246
處理流程　246
工作原理　247
預測用戶評分　249
準備工作　249
處理流程　249
工作原理　250
基於物品的協同過濾　251
準備工作　251
處理流程　252
工作原理　253
建立非負矩陣分解模型　254
處理流程　255
工作原理　255
參考資料　256
將數據集載入內存　256
準備工作　257
處理流程　257
工作原理　258
更多內容　258
導齣SVD模型至硬盤　259
處理流程　259
工作原理　260
訓練SVD模型　261
處理流程　261
工作原理　262
更多內容　263
測試SVD模型　264
處理流程　264
工作原理　264
更多內容　264
第10章　獲取和定位Twitter數據（Python）　266
簡介　266
創建Twitter應用　267
準備工作　268
處理流程　268
工作原理　271
參考資料　271
瞭解Twitter API v1．1　271
準備工作　272
處理流程　272
工作原理　273
更多內容　274
參考資料　275
獲取粉絲和朋友信息　275
準備工作　275
處理流程　275
工作原理　277
更多內容　277
參考資料　278
提取Twitter用戶檔案　278
準備工作　278
處理流程　278
工作原理　279
更多內容　279
參考資料　280
避免Twitter速度限製　280
準備工作　280
處理流程　280
工作原理　281
存儲JSON數據至硬盤　281
準備工作　282
處理流程　282
工作原理　282
安裝MongoDB　283
準備工作　283
處理流程　283
工作原理　284
更多內容　284
參考資料　285
利用PyMongo將用戶信息存入MongoDB　285
準備工作　285
處理流程　285
工作原理　286
探索用戶地理信息　287
準備工作　287
處理流程　287
工作原理　289
更多內容　290
參考資料　290
利用Python繪製地理分布圖　290
準備工作　290
處理流程　291
工作原理　292
更多內容　293
參考資料　294
第11章　利用NumPy和SciPy優化數值計算（Python）　295
簡介　295
瞭解優化的步驟　297
處理流程　297
工作原理　297
更多內容　298
識彆代碼中常見性能瓶頸　298
處理流程　299
工作原理　299
通讀代碼　301
準備工作　302
處理流程　302
工作原理　302
參考資料　304
利用Unix time函數剖析Python代碼　305
準備工作　305
處理流程　305
工作原理　306
參考資料　306
利用Python內建函數剖析Python代碼　306
準備工作　306
處理流程　306
工作原理　307
參考資料　308
利用IPython %timeit函數剖析Python代碼　308
處理流程　308
工作原理　309
利用line_profiler剖析Python代碼　309
準備工作　310
處理流程　310
工作原理　311
更多內容　312
參考資料　312
摘取低處的（經過優化的）果實　312
準備工作　312
處理流程　312
工作原理　314
測試NumPy帶來的性能提升　315
準備工作　315
處理流程　315
工作原理　316
更多內容　317
參考資料　317
用NumPy重寫函數　317
準備工作　317
處理流程　318
工作原理　320
用NumPy優化最內層循環　322
準備工作　322
處理流程　322
工作原理　324
更多內容　325

前言/序言

數據科學實戰手冊 R+Python 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

剛把python相關環境搭好，繼續深入學習

評分☆☆☆☆☆

這本書全是例子，一共11個，6個R，5個Python，感覺不是太好。不是很值。買起來後悔。

評分☆☆☆☆☆

不錯的書，可以通過具體案例瞭解如何進行數據處理。

評分☆☆☆☆☆

不錯，很棒，物流的很快~~贊一個！！！

評分☆☆☆☆☆

非常好，印刷清晰，值得一讀。京東物流依舊給力。

評分☆☆☆☆☆

好好好好好好好好好好好好好好好好

評分☆☆☆☆☆

買來用來學習，不是很厚

評分☆☆☆☆☆

很好的一本書，數據的力量是無法估量的，好好學習!

評分☆☆☆☆☆

東西很好，傢人都很喜歡，送貨速度快，滿意！

類似圖書 點擊查看全場最低價

查看全網最低價