《Python数据分析与挖掘实战》由张良均、王路、谭立云、苏剑林合著，2015年机械工业出版社出版的计算机技术类教材。该书以Python编程为基础工具，系统讲解数据挖掘理论及行业应用，旨在通过案例实践帮助读者掌握数据分析全流程技能 [1-2]。
全书分为基础篇与实战篇两部分。基础篇（第1-5章）涵盖数据挖掘基本原理、Python开发环境搭建及Numpy、Pandas等工具库使用，详细解析数据探索、预处理和建模算法的技术流程。实战篇（第6-15章）通过电力、航空、医疗等10个行业真实案例，按照"背景分析-方法实施-模型构建"逻辑展开，结合数据集与代码实现分类预测、聚类分析等技术应用，强调数据清洗、建模评估等实践操作。书中配套案例数据与工具资源，侧重培养读者解决实际问题的能力 [1]。
- 书 名
- Python数据分析与挖掘实战
- 作 者
- 张良均、王路、谭立云、苏剑林
- 出版社
- 机械工业出版社
- 出版时间
- 2015年11月1日
- 页 数
- 332 页
- 开 本
- 16 开
- 装 帧
- 平装
- ISBN
- 9787111521235
- 丛书名
- 数据分析与决策技术丛书
- 用 纸
- 胶版纸
内容简介
播报编辑
本书共15章，分两个部分：基础篇、实战篇。基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中夜祝踏通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，翻采影应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。 [1]
基础篇（第1～5章），第1章的主要内戏拘容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工估埋乐具Python语言进行了简明扼要的说明；第3章、第4店糠禁章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。 [1]
实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用垫霸船嫌进行了分析。在案例结构组织立重上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建舟骗的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。 [1]
图书目录
播报编辑
前言
基础篇
第1章数据挖掘基础
1.1某知名连锁餐饮企业的困惑
1.2从餐饮服务到数据挖掘
1.3数据挖掘的基本任务
1.4数据挖掘建模过程
1.4.1定义挖掘目标
1.4.2数据取样
1.4.3数据探索
1.4.4数据预处理
1.4.5挖掘建模
1.4.6模型评价
1.5常用的数据挖掘建模工具
1.6小结
每2章Python数据分析简介
2.1搭建Python开发平台
2.1.1所要考虑的问题
2.1.2基础平台的搭建
2.2 Python使用入门
2.2.1运行方式
2.2.2基本命令
2.2.3数据结构
2.2.4库的导入与添加
2.3 Python数据分析工具
2.3.1 Numpy
2.3.2 Scipy
2.3.3 Matplotlib
2.3.4 Pandas
2.3.5 StatsModels'''''
2.3.6 Scikit-Leam'''''
2.3.7 Keras
2.3.8 Gensim
2.4配套资源使用设置
2.5小结
第3章数据探索
3.1数据质量分析
3.1.1缺失值分析
3.1.2异常值分析
3.1.3 -致性分析
3.2数据特征分析
3.2.1分布分析
3.2.2对比分析
3.2.3统计量分析
?3.3Python主要数据探索函数
3.3.1基本统计特征函数
3.3.2拓展统计特征函数
3.3.3统计作图函数
3.4小结
数据预处理
4.1数据清洗
4.1.1缺失值处理
4.1.2异常值处理
4.2数据集成
4.2.1实体识别
4.2.2冗余属性识别
413数据变换
4.3.1简单函数变换
4.3.2规范化
4.3.3连续属性离散化
4.3.4属性构造
4.3.5小波变换
4.4数据规约
4.4.1属性规约
4.4.2数值规约
4.5 Python主要数据预处理函数
4.6小结
第5章挖掘建模
5.1分类与预测
5.1.1实现过程
5.1.2常用的分类与预测算法
5.1.3回归分析
5.1.4决策树
5.1.5人工神经网络
5.1.6分类与预测算法评价
5.1.7 Python分类预测模型特点 -
5.2聚类分析
5.2.1 常用聚类分析算法
5.2.2 K-Means聚类算法
5.2.3聚类分析算法评价
5.2.4 Python主要聚类分析算法
5.3关联规则
5.3.1 常用关联规则算法
5.3.2 Apriori算法
5.4时序模式
5.4.1时间序列算法
5.4.2时间序列的预处理
5.4.3平稳时间序列分析
5.4.4非平稳时间序列分析
5.4.5 Python主要时序模式算法
5.5离群点检测 134
5.5.1离群点检测方法
5.5.2基于模型的离群点检测方法
5.5.3基于聚类的离群点检测方法
5.6小结
实战篇
第6章电力窃漏电用户自动识别
6.1背景与挖掘目标
6.2分析方法与过程
6.2.1数据抽取
6.2.2数据探索分析
6.2.3数据预处理
6.2.4构建专家样本
6.3上机实验
6.4拓展思考
6.5小结
第7章航空公司客户价值分析
7.1背景与挖掘目标
7.2分析方法与过程
7.2.1数据抽取
7.2.2数据探索分析
7.2.3数据预处理
7.2.4模型构建
7.3上机实验
7.4拓展思考 一
7.5小结
第8章中医证型关联规则挖掘
8.1背景与挖掘目标
8.2分析方法与过程
8.2.1数据获取
8.2.2数据预处理
8.2.3模型构建
8.3上机实验
8.4拓展思考
8.5小结
第9章基于水色图像的水质评价
9.1背景与挖掘目标
9.2分析方法与过程
9.2.1数据预处理
9.2.2模型构建
9.2.3水质评价
9.3上机实验
9.4拓展思考
9.5小结
第10章家用电器用户行为分析与
事件识别
10.1背景与挖掘目标
10.2分析方法与过程
10.2.1数据抽取
10.2.2数据探索分析
10.2.3数据预处理
10.2.4模型构建
10.2.5模型检验
10.3上机实验
10.4拓展思考
10.5小结
第11章应用系统负载分析与磁盘
容量预测
11.1背景与挖掘目标
11.2分析方法与过程
11.2.1数据抽取
11.2.2数据探索分析
11.2.3数据预处理
11.2.4模型构建
11.3上机实验
11.4拓展思考
11.5小结
第12章电子商务网站用户行为分析
及服务推荐
12.1背景与挖掘目标
12.2分析方法与过程
12.2.1数据抽取
12.2.2数据探索分析
12.2.3数据预处理
12.2.4模型构建
12.3上机实验
12.4拓展思考
12.5小结
第13章财政收入影响因素分析及
13.1预测模型
13.2背景与挖掘目标
分析方法与过程
13.2.1灰色预测与神经网络的组合
模型
13.2.2数据探索分析
13.2.3模型构建
13.3上机实验
13.4拓展思考
13.5小结 一
第14章 基于基站定位数据的商圈
分析 一
14.1背景与挖掘目标
14.2分析方法与过程
14.2.1数据抽取
14.2.2数据探索分析
14.2.3数据预处理
14.2.4模型构建
14.3上机实验
14.4拓展思考
14.5小结
第15章电商产品评论数据情感
分析
15.1背景与挖掘目标
15.2分析方法与过程
15.2.1评论数据采集
15.2.2评论预处理
15.2.3文本评论分词
15.2.4模型构建
15.3.上机实验
15.4拓展思考
15.5小结
参考文献 [1]
