本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；最后讨论如何解决实际的问题。 本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参考。

本书主要从实战角度讲述了如何处理、分析和可视化数据，如何用数据建立各种统计学或机器学习模型。本书首先介绍如何使用Python代码获取、转换和分析数据；接着讲述如何使用Python中的数据结构和第三方库；然后展示如何以各种格式加载数据，如何对数据进行分组与汇总，如何创建图表和可视化数据；最后讨论如何解决实际的问题。 本书适合希望使用Python处理和分析数据的开发人员阅读，也可供计算机相关专业的师生参考。

本书旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。

本书旨在让读者能够举一反三地解决重要问题，内容包括：数据科学及工作流程、统计模型与机器学习算法、信息提取与统计变量创建、数据可视化与社交网络、预测模型与因果分析、数据预处理与工程方法。另外，本书还将带领读者展望数据科学未来的发展。

本书从讲解如何在数据科学中应用Python开始，陆续介绍了Python的工作环境，如何用Python分析数据，以及数据挖掘的概念，然后又扩展到机器学习。本书还涵盖了缩减原则、集成方法、随机森林、旋转森林和超树等方面的内容，这些都是一个成功的数据科学专家所必需掌握的。 阅读本书，你将学会： ■ 揭示数据科学算法的完整范畴； ■ 高效地掌握和使用numpy、scipy、scikit-learn和matplotlib等Python库； ■ 了解进阶回归方法的建模和变量选择； ■ 进一步彻底理解集成方法的潜在含义及实施； ■ 在各种各样的数值和文本数据集上解决实际问题； ■ 熟悉先进的算法，如梯度提升、随机森林、旋转森林等。 本书特色： ■ 内容明确且易于跟学； ■ 甄选重要的任务与问题； ■ 精心组织编排内容，有效解决问题； ■ 清晰易懂的讲解方式； ■ ...(展开全部)

在越来越多的企业开始利用数据科学来驱动业务，本书将依托 TalkingData公司在大数据领域的多年实际经验，从数据、人才、工具三个维度帮助企业数据团队完成端到端的数据科学项目部署。 本书的内容包括数据科学项目的基础概念、准备工作、团队人才及端到端的实战案例等，适合正面临数字化转型的企业决策者、数据团队负责人，以及从事数据科学工作的数据工程师、数据科学家、数据工程师等阅读。

Anaconda是一个强大的开源数据科学平台，它将很多好的工具整合在一起，极大地简化了使用者的工作流程，并能够帮助使用者解决一系列数据科学难题。《Anaconda数据科学实战》旨在通过一系列示例，引导读者在编码和图表中了解Anaconda的强大之处。本书包括12章，结合R、Python、Octave和Julia等4种编程语言，从平台的安装和配置开始，循序渐进地引导读者掌握数据集的获取、数据可视化、统计建模、管理包、Anaconda的优化、无监督学习、监督学习、数据预测分析、云、分布式计算等内容。本书示例丰富，讲解细致，作者不仅在金融领域有着深厚的积累，还有着丰富的教学经验。对于那些有兴趣了解金融领域数据科学的读者，以及普通的数据分析师或数据科学从业者，本书都是一个不错的选择。在阅读本书之前，我们希望读者具备R或Python的基本编程知识，以及线性代数相关的基本知识。

本书旨在成为读者进入数据科学领域的指南。全书共20章，涵盖了数据科学及其应用的各个方面，引入经典数据集将理论与实践相结合，采用Jupyter等工具，以Python语言由浅入深地介绍了数据科学及相关学科的基本概念、数据预处理、机器学习及时间序列等内容，并提供了不同的案例研究，以达到学以致用的效果。通过阅读本书，读者将获得成为一名数据科学家所需的基本知识和技能。本书适合有Python或其他编程语言基础，并对数据科学感兴趣的人员阅读。

在越来越多的企业开始利用数据科学来驱动业务，本书将依托 TalkingData公司在大数据领域的多年实际经验，从数据、人才、工具三个维度帮助企业数据团队完成端到端的数据科学项目部署。 本书的内容包括数据科学项目的基础概念、准备工作、团队人才及端到端的实战案例等，适合正面临数字化转型的企业决策者、数据团队负责人，以及从事数据科学工作的数据工程师、数据科学家、数据工程师等阅读。

本书是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为最重要的机器学习算法提供了高效整洁的Python版实现。 本书适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。