目 录__eol__第1章 数据科学基础 （1）__eol__1.1 数据科学概述 （1）__eol__1.1.1 数据的力量 （1）__eol__1.1.2 数据科学的知识结构 （2）__eol__1.1.3 数据科学的工作流程 （4）__eol__1.2 数据科学的关键技术 （5）__eol__1.2.1 数据采集 （5）__eol__1.2.2 数据预处理 （7）__eol__1.2.3 数据存储与管理 （8）__eol__1.2.4 数据分析 （9）__eol__1.3 Python数据分析工具 （9）__eol__1.3.1 科学计算集成环境 （9）__eol__1.3.2 Python编译环境 （10）__eol__1.3.3 Jupyter Notebook （11）__eol__1.4 Python语言基础 （12）__eol__1.4.1 常用数据类型 （12）__eol__1.4.2 流程控制 （14）__eol__1.4.3 函数和方法库 （16）__eol__综合练习题 （17）__eol__第2章 多维数据结构与运算 （18）__eol__2.1　多维数组对象 （18）__eol__2.1.1 多维数组（张量） （18）__eol__2.1.2　一维数组对象 （19）__eol__2.1.3 二维数组对象 （21）__eol__2.1.4 创建多维数组的常用函数 （23）__eol__2.2　多维数组运算 （25）__eol__2.2.1　基本算术运算 （26）__eol__2.2.2 函数和矩阵运算 （27）__eol__2.2.3 随机数组生成函数 （29）__eol__2.3 案例：随机游走轨迹模拟 （30）__eol__综合练习题 （33）__eol__第3章 数据汇总与统计 （34）__eol__3.1 统计的基本概念 （34）__eol__3.1.1 统计的含义 （34）__eol__3.1.2 常用统计量 （35）__eol__3.2 pandas数据结构 （37）__eol__3.2.1 Series对象 （37）__eol__3.2.2 Series对象的数据访问 （38）__eol__3.2.3 DataFrame对象 （40）__eol__3.2.4 DataFrame对象的数据访问 （41）__eol__3.3 数据文件的读/写 （45）__eol__3.3.1　读/写CSV文件和TXT文件 （45）__eol__3.3.2 读取Excel文件 （48）__eol__3.4 数据清洗 （49）__eol__3.4.1　缺失数据处理 （49）__eol__3.4.2 去除重复数据 （52）__eol__3.5 数据规整化 （52）__eol__3.5.1 数据合并 （52）__eol__3.5.2 数据排序 （55）__eol__3.6 统计分析 （56）__eol__3.6.1　通用函数与运算 （57）__eol__3.6.2 统计函数 （57）__eol__3.6.3 相关性分析 （60）__eol__3.6.4 案例：问卷调查反馈表分析 （60）__eol__综合练习题 （63）__eol__第4章 数据可视化 （64）__eol__4.1 Python绘图基础 （64）__eol__4.1.1 认识基本图形 （64）__eol__4.1.2 pandas快速绘图 （64）__eol__4.1.3 Matplotlib精细绘图 （66）__eol__4.2 可视化数据探索 （71）__eol__4.2.1 绘制常用图形 （71）__eol__4.2.2 使用pyecharts绘制交互数据图 （81）__eol__综合练习题 （85）__eol__第5章 机器学习建模分析 （88）__eol__5.1 机器学习概述 （88）__eol__5.1.1 机器学习与人工智能 （88）__eol__5.1.2 Python机器学习方法库 （90）__eol__5.2 回归分析 （90）__eol__5.2.1 回归分析原理 （90）__eol__5.2.2 回归分析实现 （91）__eol__5.2.3 回归分析性能评估 （94）__eol__5.3 分类分析 （96）__eol__5.3.1 分类学习原理 （96）__eol__5.3.2 决策树 （98）__eol__5.3.3 支持向量机 （102）__eol__5.4 聚类分析 （106）__eol__5.4.1 聚类任务 （106）__eol__5.4.2 K-means算法 （107）__eol__5.4.3 聚类方法的性能评估 （110）__eol__5.5 数据降维 （112）__eol__5.5.1 降维分析方法 （112）__eol__5.5.2 主成分分析 （113）__eol__5.6 集成学习 （115）__eol__5.6.1 随机森林算法的基本原理 （116）__eol__5.6.2 梯度提升机算法的基本原理 （116）__eol__5.6.3 集成学习建模分析 （117）__eol__综合练习题 （119）__eol__第6章 神经网络与深度学习建模分析 （120）__eol__6.1 神经网络概述 （120）__eol__6.1.1 神经元与感知器 （120）__eol__6.1.2 神经网络模型 （121）__eol__6.1.3 神经网络分类实现 （122）__eol__6.2 深度学习 （125）__eol__6.2.1 深度学习的基本原理 （125）__eol__6.2.2 深度学习框架Keras （126）__eol__6.2.3 深度学习建模分析实例 （128）__eol__综合练习题 （130）__eol__第7章 文本数据处理 （131）__eol__7.1 文本处理概述 （131）__eol__7.1.1 文本处理的常见任务 （131）__eol__7.1.2 文本处理的基本步骤 （132）__eol__7.2 中文文本处理 （134）__eol__7.2.1 中文分词 （134）__eol__7.2.2 词性标注 （135）__eol__7.2.3 特征提取 （136）__eol__7.3 实例：垃圾邮件的识别 （140）__eol__7.3.1 数据来源 （140）__eol__7.3.2 基于词袋模型识别垃圾邮件 （141）__eol__7.3.3 基于词向量模型识别垃圾邮件 （143）__eol__综合练习题 （146）__eol__第8章 图像数据处理 （147）__eol__8.1 数字图像概述 （147）__eol__8.1.1 数字图像 （147）__eol__8.1.2 数字图像类型 （147）__eol__8.1.3 数字图像处理 （148）__eol__8.2 Python图像处理 （149）__eol__8.2.1 Python图像处理库 （149）__eol__8.2.2 图像的基本操作 （150）__eol__8.3 案例：深度学习实现图像分类 （152）__eol__8.3.1 卷积神经网络 （152）__eol__8.3.2 基于Keras实现图像分类 （153）__eol__综合练习题 （157）__eol__第9章 时序数据与语音处理 （158）__eol__9.1 时序数据概述 （158）__eol__9.1.1 时序数据特性 （158）__eol__9.1.2 时序数据特征的提取 （159）__eol__9.2 时序数据分析方法 （161）__eol__9.2.1 时序数据分析过程 （161）__eol__9.2.2 温度预测实例 （162）__eol__9.3 语音识别技术 （166）__eol__9.3.1 语音识别技术简介 （166）__eol__9.3.2 语音识别中的时序数据处理 （167）__eol__9.3.3 在线语音识别实例 （169）__eol__综合练习题 （171）__eol__第10章 大数据技术 （172）__eol__10.1 大数据概述 （172）__eol__10.1.1 大数据的特点 （172）__eol__10.1.2 大数据技术 （174）__eol__10.1.3 大数据基础设施 （175）__eol__10.2 分布式计算框架 （177）__eol__10.2.1 Hadoop概述 （178）__eol__10.2.2 MapReduce分布式计算 （180）__eol__10.2.3 Spark分布式计算 （182）__eol__10.2.4 Spark分布式计算 （183）__eol__10.3 分布式建模分析工具 （185）__eol__10.3.1 Hadoop Mahout （185）__eol__10.3.2 Spark MLlib （186）__eol__10.3.3 Spark MLlib建模分析 （187）__eol__综合练习题 （188）__eol__参考资料 （189）