akenseren的博客

python安装包，basemap-1.2.1-cp37-cp37m-win_amd64.whl和pyproj-2.6.1.post1-cp37-cp37m-win_amd64.whl安装包，亲测有效

基于用户app的下载和使用情况预测用户的人口属性（性别和年龄） gender_age：训练和测试集 events, app_events: 当用户使用TakingData SDK时，系统记录的日志。包括经纬度和对应app情况。 phone_brand_device_mode：用户的手机属性 数据集介绍：https://www.infoq.cn/article/predict-mobile-users-Kaggle-contest

百度地图，实现GPS轨迹绘制 实现思路： 1.根据经纬度实现车辆轨迹绘制 2.使用百度地图API的两个覆盖物实现，Polyline（折线）绘制轨迹，Marker（图标）绘制小车图标 3.将每两个坐标间连线起来，形成连贯的轨迹线路 4.生成下一个图标后删除上一个绘制的图标，形成小车移动动画感 5.本例使用的是临近的随机坐标点

全国340个地级以上城市中心经纬度，经纬度基本在区域中心，请酌情考虑使用，文档为EXCEL文档，方便编辑。

数据集包含：tmdb_5000_movies.csv、tmdb_5000_credits.csv是Kaggle平台上的项目TMDB(The Movie Database)，共计4803部电影，主要为美国地区一百年间（1916-2017）的电影作品。 Python分析：https://blog.csdn.net/zhuoyue65/article/details/80285875

随着人工智能热潮的兴起，企业对人工智能领域产品经理的人才需求也开始井喷，人工智能产品经理成为顺应时代潮流的重要人力资源。实际上，人工智能确实给现有的产品和服务带来了全方位的升级，这也给产品经理从业人员提出了更高的要求，是关注人工智能产品的产品经理们面临的一次关键转型考验。 人工智能产品经理的新起点_黄钊 互联网产品经理必读

2017全球人工智能人才白皮书，最新版腾讯研究院自2017年发布8月先后发布《中美两国人工智能产业发展全面解读》和《2017中美人工智能创投现状与趋势研究报告》之后，引起许多读者好评。 有读者来研究院走访，建议研究全球人工智能人才分布的课题，以便让公众更好的把握产业发展现状。 这个建议得到许多朋友的认同，大家认为，在算法算力数据都得到了较好解决的今天，AI产业的发展，更多的依赖科学家和各层面的科研人员。

目录 · · · · · · 第1部分　Python开发入门　　1 第1章　Python入门　　2 1.1 安装Python　　2 1.1.1 安装deb包　　3 1.1.2 安装第三方包　　4 1.1.3 virtualenv的使用方法　　5 1.1.4 多版本Python的使用　　7 1.2 安装Mercurial　　9 1.2.1 Mercurial概述　　10 1.2.2 安装Mercurial　　10 1.2.3 创建版本库　　11 1.2.4 文件操作　　12 1.3 编辑器与辅助开发工具　　14 1.3.1 编辑器　　14 1.3.2 开发辅助工具　　20 1.4 小结　　22 第2章　开发Web应用　　24 2.1 了解Web应用　　24 2.1.1 Web应用是什么　　24 2.1.2 Web应用与桌面应用的区别　　25 2.1.3 Web应用的机制　　25 2.2 前置准备　　28 2.2.1 关于Flask　　28 2.2.2 安装Flask　　28 2.3 Web应用的开发流程　　29 2.4 明确要开发什么应用　　30 2.4.1 留言板应用的需求　　30 2.4.2 明确必备的功能　　30 2.4.3 明确必备的页面　　31 2.5 页面设计　　31 2.5.1 确定成品页面的形式　　31 2.5.2 编写HTML和CSS　　32 2.6 实现功能　　37 2.6.1 保存留言数据　　37 2.6.2 获取已保存的留言列表　　38 2.6.3 用模板引擎显示页面　　39 2.6.4 准备评论接收方的URL　　42 2.6.5 调整模板的输出　　43 2.7 查看运行情况　　45 2.8 小结　　47 第3章　Python项目的结构与包的创建　　48 3.1 Python项目　　48 3.2 环境与工具　　49 3.2.1 用virtualenv搭建独立环境　　49 3.2.2 用pip安装程序包　　55 3.2.3 小结　　62 3.3 文件结构与发布程序包　　62 3.3.1 编写setup.py　　62 3.3.2 留言板的项目结构　　64 3.3.3 setup.py与MANIFEST.in——设置程序包信息与捆绑的文件　　65 3.3.4 setup.py——创建执行命令　　69 3.3.5 python setup.py sdist——创建源码发布程序包　　71 3.3.6 提交至版本库　　71 3.3.7 README.rst——开发环境设置流程　　73 3.3.8 变更依赖包　　75 3.3.9 通过requirements.txt固定开发版本　　77 3.3.10 python setup.py bdist_wheel——制作用于wheel发布的程序包　　78 3.3.11 上传到PyPI并公开　　79 3.3.12 小结　　85 3.4 小结　　86 第2部分　团队开发的周期　　87 第4章　面向团队开发的工具　　88 4.1 问题跟踪系统　　88 4.1.1 Redmine　　88 4.1.2 安装Redmine　　89 4.1.3 Redmine的设置　　91 4.1.4 插件　　93 4.2 版本控制系统　　94 4.2.1 Mercurial与Redmine的联动　　94 4.2.2 用于生成版本库的插件　　95 4.3 聊天系统　　97 4.3.1 Slack　　97 4.3.2 Slack的特点　　98 4.3.3 Slack做不到的事　　101 4.3.4 Slack的注册　　102 4.4 对团队开发有帮助的工具　　102 4.4.1 Dropbox　　102 4.4.2 Google Drive　　102 4.5 小结　　103 第5章　项目管理与审查　　104 5.1 项目管理与问题的区分使用　　104 5.1.1 项目管理的前置准备工作　　104 5.1.2 创建问题　　105 5.1.3 整理问题　　107 5.1.4 分割问题　　107 5.2 问题模板　　108 5.2.1 安装插件　　108 5.2.2 问题模板的使用方法　　109 5.2.3 Global Issue Templates　　111 5.2.4 问题模板示例　　112 5.3 问题驱动开发　　114 5.3.1 别急着敲代码，先建问题　　114 5.3.2 创建与问题编号同名的分支　　115 5.3.3 让发布与分支相对应　　115 5.3.4 分支的合并　　116 5.4 审查　　117 5.4.1 为什么需要审查　　117 5.4.2 审查委托：代码审查篇　　118 5.4.3 审查委托：作业审查篇　　119 5.4.4 实施审查：代码审查篇　　120 5.4.5 实施审查：作业审查篇　　123 5.5 小结　　123 第6章　用Mercurial管理源码　　125 6.1 Mercurial版本库的管理与设置　　125 6.1.1 服务器上的Uinx用户群设置　　125 6.1.2 创建版本库　　126 6.1.3 hgrc的设置　　127 6.1.4 使用设置好的版本库　　127 6.1.5 使用hgweb建立简易中央版本库　　127 6.2 灵活使用“钩子”　　128 6.2.1 钩子功能的设置方法　　129 6.2.2 尝试钩子脚本　　129 6.2.3 钩子事件　　130 6.2.4 钩子功能的执行时机　　131 6.2.5 编写钩子脚本　　134 6.3 分支的操作　　136 6.4 关于合并　　137 6.4.1 未发生冲突的合并　　138 6.4.2 合并时发生冲突以及用文本编辑器解决冲突的方法　　140 6.4.3 合并的类型与冲突　　143 6.4.4 用GUI的合并工具进行合并　　144 6.5 GUI客户端　　147 6.5.1 GUI客户端的介绍　　147 6.5.2 GUI客户端的优点　　149 6.5.3 GUI客户端的缺点　　151 6.6 考虑实际运用的BePROUD Mercurial Workflow　　152 6.6.1 概述　　152 6.6.2 背景　　152 6.6.3 版本库的结构　　153 6.6.4 提交源码　　154 6.6.5 提交设计　　156 6.6.6 分支的合并　　157 6.6.7 集成分支　　158 6.7 小结　　160 第7章　完备文档的基础　　162 7.1 要记得给项目写文档　　162 7.1.1 写文档时不想做的事　　162 7.1.2 什么样的状态让人想写文档　　164 7.2 Sphinx的基础与安装　　165 7.2.1 Sphinx的安装　　166 7.2.2 reStructuredText入门　　167 7.2.3 用Sphinx写结构化文档的流程　　169 7.2.4 Sphinx扩展　　174 7.3 导入Sphinx可解决的问题与新出现的问题　　175 7.3.1 由于是纯文本，所以能在平时用的编辑器上写文档　　176 7.3.2 信息与视图相分离，所以能集中精神编辑内容，不用顾虑装饰等外观问题　　176 7.3.3 可根据一个源码输出PDF等多种格式　　179 7.3.4 通过结构化，文档可分成几个文件来写　　180 7.3.5 能用Mercurial等轻松实现版本管理　　181 7.3.6 API参考手册与程序的管理一体化　　182 7.3.7 通过Web浏览器共享　　184 7.3.8 导入Sphinx后仍存在的问题　　185 7.4 文档集的创建与使用　　186 7.4.1 什么是文档集　　186 7.4.2 项目所需文档的一览表　　187 7.4.3 面向项目组长、经理　　187 7.4.4 面向设计者　　189 7.4.5 面向开发者　　189 7.4.6 面向客户　　189 7.5 小结　　190 第8章　模块分割设计与单元测试　　191 8.1 模块分割设计　　191 8.1.1 功能设计　　191 8.1.2 构成Web应用的组件　　192 8.1.3 组件设计　　194 8.1.4 模块与程序包　　195 8.2 测试　　197 8.2.1 测试的种类　　197 8.2.2 编写单元测试　　198 8.2.3 从单元测试中剔除环境依赖　　209 8.2.4 用WebTest做功能测试　　215 8.3 通过测试改良设计　　219 8.4 推进测试自动化　　221 8.4.1 用tox自动生成执行测试的环境　　221 8.4.2 可重复使用的测试环境　　223 8.5 小结　　223 第9章　Python封装及其运用　　224 9.1 使用程序包　　224 9.1.1 程序包的版本指定　　224 9.1.2 从非PyPI服务器安装程序包　　226 9.1.3 程序包的发布格式　　228 9.1.4 生成wheelhouse的方法　　230 9.1.5 从wheelhouse安装　　231 9.2 巧用程序包　　232 9.2.1 私密发布　　232 9.2.2 巧用requirements.txt　　232 9.2.3 requirements.txt层级化　　233 9.2.4 为部署和CI+tox准备的requiremests　　234 9.2.5 通过requirements.txt指定库的版本　　235 9.3 小结　　236 第10章　用Jenkins持续集成　　237 10.1 什么是持续集成　　237 10.1.1 持续集成的简介　　237 10.1.2 Jenkins简介　　239 10.2 Jenkins的安装　　239 10.2.1 安装Jenkins主体程序　　239 10.2.2 本章将用到的Jenkins插件　　240 10.3 执行测试代码　　241 10.3.1 让Jenkins运行简单的测试代码　　241 10.3.2 添加Job　　242 10.3.3 Job的成功与失败　　244 10.4 测试结果输出到报告　　246 10.4.1 安装pytest　　246 10.4.2 调用pytest命令　　246 10.4.3 根据pytest更改Jenkins的设置　　246 10.5 显示覆盖率报告　　247 10.5.1 安装pytest-cov　　248 10.5.2 从pytest获取覆盖率　　248 10.5.3 读取覆盖率报告　　248 10.6 执行Django的测试　　250 10.6.1 安装Python模块　　250 10.6.2 Django的调整　　251 10.6.3 示例代码　　251 10.6.4 Jenkins的调整　　255 10.6.5 “构建后操作”选项卡的设置　　257 10.7 通过Jenkins构建文档　　260 10.7.1 安装Sphinx　　261 10.7.2 在Jenkins添加Job　　261 10.7.3 Sphinx构建发出警告时令Job失败　　261 10.7.4 查看成果　　262 10.7.5 通过Task Scanner Plugin管理TODO　　263 10.7.6 Task Scanner Plugin的设置示例　　264 10.8 Jenkins进阶技巧　　265 10.8.1 好用的功能　　265 10.8.2 进一步改善　　267 10.9 小结　　268 第3部分　服务公开　　269 第11章　环境搭建与部署的自动化　　270 11.1 确定所需环境的内容　　270 11.1.1 网络结构　　270 11.1.2 服务器搭建内容的结构化　　272 11.1.3 用户的设置　　273 11.1.4 选定程序包　　274 11.1.5 中间件的设置　　277 11.1.6 部署　　280 11.2 用Ansible实现自动化作业　　282 11.2.1 Ansible简介　　282 11.2.2 文件结构　　287 11.2.3 执行Ansible　　288 11.2.4 与最初确定的结构相对应　　288 11.2.5 将各步骤Ansible化　　289 11.2.6 整理Ansible的执行环境　　295 11.3 小结　　296 第12章　应用的性能改善　　298 12.1 Web应用的性能　　298 12.1.1 Web应用面对大量集中请求时会产生哪些问题　　298 12.1.2 针对高负荷的对策　　299 12.2 评估留言板应用的性能　　300 12.2.1 什么是应用的性能　　300 12.2.2 安装ApacheBench　　300 12.2.3 用ApachBench评估性能　　301 12.3 gunicorn简介　　303 12.3.1 安装gunicorn　　304 12.3.2 在gunicorn上运行应用　　304 12.4 nginx简介　　306 12.4.1 安装nginx　　306 12.4.2 检测nginx的性能　　307 12.5 在nginx和gunicorn上运行应用　　310 12.5.1 gunicorn的设置　　310 12.5.2 nginx的设置　　310 12.5.3 评估nginx+gunicorn的性能　　311 12.5.4 性能比较　　312 12.6 小结　　313 第4部分　加速开发的技巧　　315 第13章　让测试为我们服务　　316 13.1 认识现状：测试的客观环境　　316 13.2 将测试导入开发各个阶段　　317 13.2.1 文档的测试（审查）　　317 13.2.2 测试设计的编写方法（输入与输出）　　320 13.2.3 测试的实施与测试阶段的轮换（做什么，做多少）　　323 13.3 小结：测试并不可怕　　326 第14章　轻松使用Django　　327 14.1 Django简介　　327 14.1.1 Django的安装　　327 14.1.2 Django的架构　　327 14.1.3 Django的文档　　331 14.2 数据库的迁移　　331 14.2.1 什么是数据库的迁移　　331 14.2.2 Django的迁移功能　　332 14.3 fixture replacement　　339 14.3.1 什么是测试配置器　　339 14.3.2 几种不便使用默认配置器的情况　　342 14.3.3 如何使用factory_boy　　343 14.3.4 消除“不便使用默认配置器的情况”　　345 14.4 Django Debug Toolbar　　346 14.5 小结　　353 第15章　方便好用的Python模块　　355 15.1 轻松计算日期　　355 15.1.1 日期计算的复杂性　　355 15.1.2 导入dateutil　　357 15.2 简化模型的映射　　359 15.2.1 模型映射的必要性　　359 15.2.2 映射规则的结构化与重复利用　　360 15.2.3 导入bpmappers　　363 15.2.4 与Django联动　　366 15.2.5 编写JSON API　　367 15.3 图像处理　　369 15.3.1 安装Pillow　　369 15.3.2 图像格式转换　　371 15.3.3 改变图像尺寸　　372 15.3.4 剪裁图像　　374 15.3.5 对图像进行滤镜处理　　375 15.4 数据加密　　377 15.4.1 安装PyCrypto　　377 15.4.2 通用加密系统的加密及解密　　377 15.4.3 公钥加密系统（RSA）的加密与解密　　378 15.5 使用Twitter的API　　382 15.5.1 导入tweepy　　382 15.5.2 添加应用与获取用户密钥　　382 15.5.3 获取访问令牌　　385 15.5.4 调用Twitter API　　385 15.5.5 编写用Twitter认证的系统　　387 15.6 使用REST API　　393 15.6.1 REST简介　　394 15.6.2 导入Requests　　394 15.6.3 导入测试服务器　　394 15.6.4 发送GET请求　　396 15.6.5 发送POST请求　　397 15.6.6 发送JSON格式的POST请求　　398 15.6.7 使用GET/POST之外的HTTP方法　　399 15.7 小结　　400 附录　　401 附录A　VirtualBox的设置　　402 A.1 安装VirtualBox　　402 A.2 新建虚拟机　　403 A.3 备份虚拟机　　404 附录B　OS（Ubuntu）的设置　　407 B.1 安装Ubuntu　　407 B.2 SSH的设置　　417 B.3 中文的设置　　419 B.4 添加用户　　419

该数据是kaggle2013年一个比赛的数据集，比赛网址为：https://www.kaggle.com/c/challenges-in-representation-learning-facial-expression-recognition-challenge/data 数据包含三个文件：fer2013.bib，fer2013.csv，README

目录 · · · · · · 第1章 面试的流程 1 1.1 面试官谈面试 1 1.2 面试的3种形式 2 1.2.1 电话面试 2 1.2.2 共享桌面远程面试 3 1.2.3 现场面试 4 1.3 面试的3个环节 5 1.3.1 行为面试环节 5 1.3.2 技术面试环节 10 1.3.3 应聘者提问环节 17 1.4 本章小结 18 第2章 面试需要的基础知识 20 2.1 面试官谈基础知识 20 2.2 编程语言 21 2.2.1 C++ 22 2.2.2 C# 27 2.3 数据结构 36 2.3.1 数组 36 2.3.2 字符串 47 2.3.3 链表 55 2.3.4 树 59 2.3.5 栈和队列 67 2.4 算法和数据操作 71 2.4.1 递归和循环 72 2.4.2 查找和排序 78 2.4.3 回溯法 87 2.4.4 动态规划与贪婪算法 93 2.4.5 位运算 98 2.5 本章小结 103 第3章 高质量的代码 104 3.1 面试官谈代码质量 104 3.2 代码的规范性 105 3.3 代码的完整性 106 3.4 代码的鲁棒性 132 3.5 本章小结 151 第4章 解决面试题的思路 153 4.1 面试官谈面试思路 153 4.2 画图让抽象问题形象化 154 4.3 举例让抽象问题具体化 163 4.4 分解让复杂问题简单化 184 4.5 本章小结 199 第5章 优化时间和空间效率 201 5.1 面试官谈效率 201 5.2 时间效率 202 5.3 时间效率与空间效率的平衡 237 5.4 本章小结 254 第6章 面试中的各项能力 256 6.1 面试官谈能力 256 6.2 沟通能力和学习能力 257 6.3 知识迁移能力 260 6.4 抽象建模能力 293 6.5 发散思维能力 305 6.6 本章小结 313 第7章 两个面试案例 315 7.1 案例一：（面试题67）把字符串转换成整数 316 7.2 案例二：（面试题68）树中两个节点的最低公共祖先 324

目录 · · · · · · 前言 基础篇 第1章　数据挖掘基础2 1.1　某知名连锁餐饮企业的困惑2 1.2　从餐饮服务到数据挖掘3 1.3　数据挖掘的基本任务4 1.4　数据挖掘建模过程4 1.4.1　定义挖掘目标4 1.4.2　数据取样5 1.4.3　数据探索6 1.4.4　数据预处理7 1.4.5　挖掘建模7 1.4.6　模型评价7 1.5　常用的数据挖掘建模工具7 1.6　小结9 第2章　Python数据分析简介10 2.1　搭建Python开发平台12 2.1.1　所要考虑的问题12 2.1.2　基础平台的搭建12 2.2　Python使用入门13 2.2.1　运行方式14 2.2.2　基本命令15 2.2.3　数据结构17 2.2.4　库的导入与添加20 2.3　Python数据分析工具22 2.3.1　Numpy23 2.3.2　Scipy24 2.3.3　Matplotlib24 2.3.4　Pandas26 2.3.5　StatsModels27 2.3.6　Scikit-Learn28 2.3.7　Keras29 2.3.8　Gensim30 2.4　配套资源使用设置31 2.5　小结32 第3章　数据探索33 3.1　数据质量分析33 3.1.1　缺失值分析34 3.1.2　异常值分析34 3.1.3　一致性分析37 3.2　数据特征分析37 3.2.1　分布分析37 3.2.2　对比分析40 3.2.3　统计量分析41 3.2.4　周期性分析44 3.2.5　贡献度分析45 3.2.6　相关性分析47 3.3　Python主要数据探索函数50 3.3.1　基本统计特征函数50 3.3.2　拓展统计特征函数53 3.3.3　统计作图函数54 3.4　小结59 第4章　数据预处理60 4.1　数据清洗60 4.1.1　缺失值处理60 4.1.2　异常值处理64 4.2　数据集成64 4.2.1　实体识别64 4.2.2　冗余属性识别65 4.3　数据变换65 4.3.1　简单函数变换65 4.3.2　规范化66 4.3.3　连续属性离散化68 4.3.4　属性构造70 4.3.5　小波变换71 4.4　数据规约74 4.4.1　属性规约74 4.4.2　数值规约77 4.5　Python主要数据预处理函数80 4.6　小结81 第5章　挖掘建模83 5.1　分类与预测83 5.1.1　实现过程83 5.1.2　常用的分类与预测算法84 5.1.3　回归分析85 5.1.4　决策树89 5.1.5　人工神经网络95 5.1.6　分类与预测算法评价100 5.1.7　Python分类预测模型特点103 5.2　聚类分析104 5.2.1　常用聚类分析算法104 5.2.2　K-Means聚类算法105 5.2.3　聚类分析算法评价111 5.2.4　Python主要聚类分析算法111 5.3　关联规则113 5.3.1　常用关联规则算法114 5.3.2　Apriori算法114 5.4　时序模式119 5.4.1　时间序列算法120 5.4.2　时间序列的预处理120 5.4.3　平稳时间序列分析122 5.4.4　非平稳时间序列分析124 5.4.5　Python主要时序模式算法132 5.5　离群点检测134 5.5.1　离群点检测方法135 5.5.2　基于模型的离群点检测方法136 5.5.3　基于聚类的离群点检测方法138 5.6　小结141 实战篇 第6章　电力窃漏电用户自动识别144 6.1　背景与挖掘目标144 6.2　分析方法与过程147 6.2.1　数据抽取148 6.2.2　数据探索分析148 6.2.3　数据预处理151 6.2.4　构建专家样本156 6.2.5　模型构建157 6.3　上机实验161 6.4　拓展思考162 6.5　小结163 第7章　航空公司客户价值分析164 7.1　背景与挖掘目标164 7.2　分析方法与过程166 7.2.1　数据抽取168 7.2.2　数据探索分析168 7.2.3　数据预处理169 7.2.4　模型构建173 7.3　上机实验177 7.4　拓展思考178 7.5　小结179 第8章　中医证型关联规则挖掘180 8.1　背景与挖掘目标180 8.2　分析方法与过程181 8.2.1　数据获取183 8.2.2　数据预处理186 8.2.3　模型构建190 8.3　上机实验193 8.4　拓展思考194 8.5　小结194 第9章　基于水色图像的水质评价195 9.1　背景与挖掘目标195 9.2　分析方法与过程195 9.2.1　数据预处理197 9.2.2　模型构建199 9.2.3　水质评价201 9.3　上机实验202 9.4　拓展思考202 9.5　小结203 第10章　家用电器用户行为分析与事件识别204 10.1　背景与挖掘目标204 10.2　分析方法与过程205 10.2.1　数据抽取206 10.2.2　数据探索分析207 10.2.3　数据预处理207 10.2.4　模型构建217 10.2.5　模型检验219 10.3　上机实验220 10.4　拓展思考221 10.5　小结222 第11章　应用系统负载分析与磁盘容量预测223 11.1　背景与挖掘目标223 11.2　分析方法与过程225 11.2.1　数据抽取226 11.2.2　数据探索分析226 11.2.3　数据预处理227 11.2.4　模型构建229 11.3　上机实验235 11.4　拓展思考236 11.5　小结237 第12章　电子商务网站用户行为分析及服务推荐238 12.1　背景与挖掘目标238 12.2　分析方法与过程240 12.2.1　数据抽取242 12.2.2　数据探索分析244 12.2.3　数据预处理251 12.2.4　模型构建256 12.3　上机实验266 12.4　拓展思考267 12.5　小结269 第13章　财政收入影响因素分析及预测模型270 13.1　背景与挖掘目标270 13.2　分析方法与过程272 13.2.1　灰色预测与神经网络的组合模型273 13.2.2　数据探索分析274 13.2.3　模型构建277 13.3　上机实验294 13.4　拓展思考295 13.5　小结296 第14章　基于基站定位数据的商圈分析297 14.1　背景与挖掘目标297 14.2　分析方法与过程299 14.2.1　数据抽取299 14.2.2　数据探索分析299 14.2.3　数据预处理301 14.2.4　模型构建304 14.3　上机实验308 14.4　拓展思考309 14.5　小结309 第15章　电商产品评论数据情感分析310 15.1　背景与挖掘目标310 15.2　分析方法与过程310 15.2.1　评论数据采集311 15.2.2　评论预处理314 15.2.3　文本评论分词320 15.2.4　模型构建320 15.3　上机实验333 15.4　拓展思考334 15.5　小结335

pandas: powerful Python data analysis toolkit Release 0.21.1 Wes McKinney & PyData Development Team Dec 12, 2017

目录 前言 1 第1章 准备工作 5 本书主要内容 5 为什么要使用Python进行数据分析 6 重要的Python库 7 安装和设置 10 社区和研讨会 16 使用本书 16 致谢 18 第2章 引言 20 来自bit.ly的1.usa.gov数据 21 MovieLens 1M数据集 29 1880—2010年间全美婴儿姓名 35 小结及展望 47 第3章 IPython：一种交互式计算和开发环境 48 IPython基础 49 内省 51 使用命令历史 60 与操作系统交互 63 软件开发工具 66 IPython HTML Notebook 75 利用IPython提高代码开发效率的几点提示 77 高级IPython功能 79 致谢 81 第4章 NumPy基础：数组和矢量计算 82 NumPy的ndarray：一种多维数组对象 83 通用函数：快速的元素级数组函数 98 利用数组进行数据处理 100 用于数组的文件输入输出 107 线性代数 109 随机数生成 111 范例：随机漫步 112 第5章 pandas入门 115 pandas的数据结构介绍 116 基本功能 126 汇总和计算描述统计 142 处理缺失数据 148 层次化索引 153 其他有关pandas的话题 158 第6章 数据加载、存储与文件格式 162 读写文本格式的数据 162 二进制数据格式 179 使用HTML和Web API 181 使用数据库 182 第7章 数据规整化：清理、转换、合并、重塑 186 合并数据集 186 重塑和轴向旋转 200 数据转换 204 字符串操作 217 示例：USDA食品数据库 224 第8章 绘图和可视化 231 matplotlib API入门 231 pandas中的绘图函数 244 绘制地图：图形化显示海地地震危机数据 254 Python图形化工具生态系统 260 第9章 数据聚合与分组运算 263 GroupBy技术 264 数据聚合 271 分组级运算和转换 276 透视表和交叉表 288 示例：2012联邦选举委员会数据库 291 第10章 时间序列 302 日期和时间数据类型及工具 303 时间序列基础 307 日期的范围、频率以及移动 311 时区处理 317 时期及其算术运算 322 重采样及频率转换 327 时间序列绘图 334 移动窗口函数 337 性能和内存使用方面的注意事项 342 第11章 金融和经济数据应用 344 数据规整化方面的话题 344 分组变换和分析 355 更多示例应用 361 第12章 NumPy高级应用 368 ndarray对象的内部机理 368 高级数组操作 370 广播 378 ufunc高级应用 383 结构化和记录式数组 386 更多有关排序的话题 388 NumPy的matrix类 393 高级数组输入输出 395 性能建议 397 附录A Python语言精要 401

Abstract The titanic dataset gives the values of four categorical attributes for each of the 2201 people on board the Titanic when it struck an iceberg and sank. The attributes are social class (first class, second class, third class, crewmember), age (adult or child), sex, and whether or not the person survived. Data Description Origin: natural Usage: assessment Number of attributes: 4 Number of cases: 2,201 Number of prototasks: 1 Number of methods run on this dataset: 3 Contributed by: Radford Neal

Learning Jupyter 英文高清完整带标签(pdf版和epub版)下载 pdf版本所有页面使用FoxitReader和PDF-XChangeViewer测试都可以打开 epub版适合kindle爱好者

PIC16F877单片机开发用ds18b20在lcd1602上实现