編輯推薦

10餘位數據挖掘領域資深專傢和科研人員，10餘年大數據挖掘谘詢與實施經驗結晶。

本書注重易用性和實踐性，旨在讓讀者快速掌握運用Python語言進行數據分析與挖掘的方法，從應用層麵講解初學者急切需要瞭解的功能，深入淺齣地介紹瞭數據挖掘中常用的建模實現函數。

內容簡介

這是一本適閤教學和零基礎自學的Python與數據挖掘的教程，即便你完全沒有Python編程基礎和數據挖掘基礎，根據本書中的理論知識和上機實踐，你也能迅速掌握如何使用Python進行數據挖掘。本書已經被多所高校預定為教材，為瞭便於教學，書中還提供瞭大量的上機實驗和教學資源。

本書主要分為兩篇：

基礎篇（1～6章）：第1章旨在讓讀者從全局把握數據挖掘、建模工具以及Python開發環境的搭建；第2章正式開始講解Python的基礎知識，包括操作符、變量類型、流程控製、數據結構等內容；第3、4章主要對Python麵嚮對象的特性進行介紹，包括函數、類與對象等基本概念；第5章介紹主流的數據分析與挖掘的模塊，以及其中具體的方法及對應的功能；第6章繼續拓展瞭模塊的相關內容，介紹圖錶繪製的專用模塊（Matplotlib和Bokeh），深入淺齣地展示如何方便地繪製點、綫、圖等。

建模應用篇（7～11章）：主要對數據挖掘中的常用算法進行介紹，強調在Python中對應函數的使用方法及其結果的解釋說明。內容涵蓋五大主流的數據挖掘算法，包括分類與預測、聚類分析建模、關聯規則分析、智能推薦和時間序列分析。按照從模型建立到模型評價的架構進行介紹，使讀者熟練掌握從建模到對模型評價的完整建模過程。

作者簡介

張良均

資深大數據挖掘專傢，高級信息項目管理師，有近20年的大數據挖掘應用、谘詢和培訓經驗，被稱為“中國大數據挖掘培訓教父”。為電信、電力、政府、互聯網、生産製造、零售、銀行、生物、化工、醫藥等多個行業上百傢大型企業提供過數據挖掘應用與谘詢服務，實踐經驗豐富。

現任廣東工業大學、華南師範大學、華南農業大學、貴州師範學院、韓山師範學院、廣東技術師範學院、廣西科技大學的兼職教授。著有《神經網絡實用教程》《數據挖掘：實用案例分析》《MATLAB數據分析與挖掘實戰》《R語言數據分析與挖掘實戰》《Python數據分析與挖掘實戰》《Hadoop大數據分析與挖掘實戰》《R語言與數據挖掘》等暢銷圖書。

目錄

前言
第一部分　基礎篇
第1章　數據挖掘概述 2
1.1　數據挖掘簡介 2
1.2　工具簡介 3
1.2.1　WEKA 3
1.2.2　RapidMiner 4
1.2.3　Python 5
1.2.4　R 5
1.3　Python開發環境的搭建 6
1.3.1　Python安裝 6
1.3.2　Python初識 11
1.3.3　與讀者的約定 14
1.4　小結 15
第2章　Python基礎入門 16
2.1　常用操作符 16
2.1.1　算術操作符 17
2.1.2　賦值操作符 17
2.1.3　比較操作符 18
2.1.4　邏輯操作符 18
2.1.5　操作符優先級 18
2.2　數字數據 19
2.2.1　變量與賦值 19
2.2.2　數字數據類型 20
2.3　流程控製 20
2.3.1　if語句 21
2.3.2　while循環 23
2.3.3　for循環 25
2.4　數據結構 27
2.4.1　列錶 28
2.4.2　字符串 31
2.4.3　元組 35
2.4.4　字典 36
2.4.5　集閤 39
2.5　文件的讀寫 40
2.5.1　改變工作目錄 40
2.5.2　txt文件讀取 41
2.5.3　csv文件讀取 42
2.5.4　文件輸齣 43
2.5.5　使用JSON處理數據 43
2.6　上機實驗 44
第3章　函數 47
3.1　創建函數 48
3.2　函數參數 50
3.3　可變對象與不可變對象 52
3.4　作用域 53
3.5　上機實驗 55
第4章　麵嚮對象編程 56
4.1　簡介 56
4.2　類與對象 58
4.3　__init__方法 59
4.4　對象的方法 61
4.5　繼承 65
4.6　上機實驗 68
第5章　Python實用模塊 69
5.1　什麼是模塊 69
5.2　NumPy 70
5.3　Pandas 75
5.4　SciPy 81
5.5　scikit-learn 84
5.6　其他Python常用模塊 87
5.7　小結 88
5.8　上機實驗 88
第6章　圖錶繪製入門 89
6.1　Matplotlib 89
6.2　Bokeh 94
6.3　其他優秀的繪圖模塊 97
6.4　小結 97
6.5　上機實驗 97
第二部分　建模應用篇
第7章　分類與預測 100
7.1　迴歸分析 100
7.1.1　綫性迴歸 101
7.1.2　邏輯迴歸 104
7.2　決策樹 107
7.2.1　ID3算法 107
7.2.2　其他樹模型 111
7.3　人工神經網絡 113
7.4　kNN算法 122
7.5　樸素貝葉斯分類算法 124
7.6　小結 127
7.7　上機實驗 127
第8章　聚類分析建模 129
8.1　K-Means聚類分析函數 129
8.2　係統聚類算法 133
8.3　DBSCAN聚類算法 138
8.4　上機實驗 142
第9章　關聯規則分析 144
9.1　Apriori關聯規則算法 145
9.2　Apriori在Python中的實現 146
9.3　小結 149
9.4　上機實驗 149
第10章　智能推薦 151
10.1　基於用戶的協同過濾算法 152
10.2　基於用戶的協同過濾算法在Python中的實現 154
10.3　小結 157
10.4　上機實驗 157
第11章　時間序列分析 159
11.1　ARIMA模型 159
11.2　小結 171
11.3　上機實驗 172
參考文獻 174

前言/序言

　　Preface前　　言為

　　什麼要寫本書？Python是什麼？Python是一種帶有動態語義的、解釋性的、麵嚮對象的高級編程語言。其高級內置數據結構，結閤動態類型和動態綁定，使其對於敏捷軟件開發非常具有吸引力。同時，Python作為腳本型（膠水）語言連接現有的組件也十分高效。Python語法簡潔，可讀性強，從而能降低程序的維護成本。不僅如此，Python支持模塊和包，鼓勵程序模塊化和代碼重用。

　　Python語言的解釋性使其語法更接近人類的錶達和思維過程，開發程序的效率極高。習慣使用Python者，總習慣在介紹Python時強調一句話：“人生苦短，我用Python。”由於沒有編譯步驟，“寫代碼—測試—調試”的流程能被快速地反復執行。

　　作為一款用途廣泛的語言，Python在數據分析與機器學習領域的錶現，稱得上“一任群芳妒”。2016年3月，國外知名技術問答社區StackOverflow發布瞭《2016年開發者調查報告》。此調查號稱是有史以來最為全麵的開發者調查。其中，數據科學傢的十大技術棧中，有7個包含Python。具體來說，數據科學傢中有63%正在使用Python，44%正在使用R語言。而且，27%的人同時使用這兩種語言。Python還在“最多人使用的技術”“最受歡迎技術”“需求度最高技術”等榜單中名列前十。

　　Python的明顯優勢：

　　Python作為一款優雅、簡潔的開源編程語言，吸引瞭世界各地頂尖的編程愛好者的注意力。每天都有數量眾多的開源項目更新自己的功能，作為第三方模塊為其他開發者提供更加高效、便利的支持。

　　Python提供瞭豐富的API和工具，以便程序員能夠輕鬆地使用C、C++、Cython來編寫擴充模塊，從而集成多種語言的代碼，協同工作。一些算法在底層用C實現後，封裝在Python模塊中，性能非常高效。

　　Python受到世界各地開發者的一緻喜愛，在世界範圍內被廣泛使用。這意味著讀者可以通過查看代碼範例，快速學習和掌握相關內容。

　　Python語言簡單易學，語法清晰。Python開發者的哲學是“用一種方法，最好是隻有一種方法來做一件事”。通常，相較其他語言，Python的源代碼被認為具有更好的可讀性。

　　2004年，Python 已在Google 內部使用，他們的宗旨是：Python where we can，C++ where we must，即在操控硬件的場閤使用C++，在快速開發時使用Python。

　　總的來說，Python是一款用於數據統計、分析、可視化等任務，以及機器學習、人工智能等領域的高效開發語言。它能滿足幾乎所有數據挖掘下所需的數據處理、統計模型和圖錶繪製等功能需求。大量的第三方模塊所支持的內容涵蓋瞭從統計計算到機器學習，從金融分析到生物信息，從社會網絡分析到自然語言處理，從各種數據庫各種語言接口到高性能計算模型等領域。隨著大數據時代的來臨，數據挖掘將更加廣泛地滲透到各行各業中去，而Python作為數據挖掘裏的熱門工具，將會有更多不同行業的人加入到Python愛好者的行列中來。完全麵嚮對象的Python的教學工作也將成為高校中數學與統計學專業的重點發展對象，這是大數據時代下的必然趨勢。

　　本書特色筆者從實際應用齣發，結閤實際例子及應用場景，深入淺齣地介紹Python開發環境的搭建、Python基礎入門、函數、麵嚮對象編程、實用模塊和圖錶繪製及常用的建模算法在Python中的實現方式。本書的編排以Python語言的函數應用為主，先介紹瞭函數的應用場景及使用格式，再給齣函數的實際使用示例，最後對函數的運行結果做齣瞭解釋，將掌握函數應用的所需知識點按照實際使用的流程展示齣來。

　　為方便讀者理解Python語言中相關函數的使用，本書配套提供瞭書中使用的示例的代碼及所用的數據，讀者可以從“泰迪杯”全國數據挖掘挑戰賽網站（http://www.tipdm.org/ts/755.jhtml）上免費下載。讀者也可通過熱綫電話（40068-40020）、企業QQ（40068-40020）或以下微信公眾號谘詢獲取。

　　TipDM張良均〈大數據挖掘産品與服務〉本書適用對象開設有數據挖掘課程的高校教師和學生。

　　目前國內不少高校將數據挖掘引入本科教學中，在數學、計算機、自動化、電子信息、金融等專業開設瞭數據挖掘技術相關的課程，但目前這一課程的教學使用的工具仍然為SPSS、SAS等傳統統計工具，並沒有使用Python作為教學工具。本書提供瞭有關Python語言的從安裝到使用的一係列知識，將能有效指導高校教師和學生使用Python。

　　數據挖掘開發人員。

　　這類人員可以在理解數據挖掘應用需求和設計方案的基礎上，結閤本書提供的Python的使用方法快速入門並完成數據挖掘應用的編程實現。

　　進行數據挖掘應用研究的科研人員。

　　許多科研院所為瞭更好地對科研工作進行管理，紛紛開發瞭適應自身特點的科研業務管理係統，並在使用過程中積纍瞭大量的科研信息數據。Python可以提供一個優異的環境對這些數據進行挖掘分析應用。

　　關注高級數據分析的人員。

　　Python作為一個廣泛用於數據挖掘領域的編程語言，能為數據分析人員提供快速的、可靠的分析依據。

多行業業務場景的數據分析，有各個應用，拋開具體業務，能看到python在數據分析中的應用潛力

老師推薦加自己豆瓣找的，希望能看完

努力學習，天天嚮上。哈哈哈哈

東西不錯，很好，價格很低，快遞很快，推薦大傢購買啊啊啊啊啊啊

非常好，非常的劃算的，下次還買的

第一部分是基礎篇（第1～5章），第1章的主要內容是數據挖掘概述；第2章對Python以及本書所用到的數據挖掘建模庫進行瞭簡明扼要的說明；第3章、第4章、第5章對數據挖掘的建模過程，包括數據探索、數據預處理及挖掘建模的常用算法與原理進行瞭介紹。第二部分是實戰篇（第6～15章），重點對數據挖掘技術在電力、航空、醫療、互聯網、生産製造以及公共服務等行業的應用進行瞭分析。在案例結構組織上，本書是按照先介紹案例背景與挖掘目標，再闡述分析方法與過程，最後完成模型構建的順序進行的，在建模過程關鍵環節，穿插程序實現代碼。最後通過上機實踐，加深數據挖掘技術在案例應用中的理解。

努力學習！

適閤小白來看，但是還是有點看不下去

好。。。。。。。。。