Python数据导论：概念、技术与应用 [Introduction to Data Science：A Python Approach to Concepts，Techniques and Applications]这本书，是由机械工业出版社在2018-08-01月出版的，本书著作者是 [西] 劳拉·伊瓜尔（Laura Igual） 著，章宗长，王艺深 译，此次本版是第1次印刷发行， 国际标准书号(ISBN)：9787111604648，品牌为机工出版, 这本书的包装是16开平装，所用纸张为胶版纸，全书共有182页字数26万8000字， 是一本非常不错的Python编程书籍。

此书内容摘要

《Python数据导论：概念、技术与应用》介绍了新兴的、跨学科的数据领域的基础知识，内容易懂且经过课堂检验。
《Python数据导论：概念、技术与应用》涵盖了统计学和机器学习中的关键概念，图分析和并行编程的有用技术，以及数据在推荐系统、情感分析中的实际应用。
作为一本强调实用性的教科书，《Python数据导论：概念、技术与应用》为计算机、数学、统计学及其他工科的高年级本科生和低年级研究生提供了关于该领域基础内容的有趣介绍。
《Python数据导论：概念、技术与应用》也非常适合参加继续教育短期课程的专业人员和自学研究人员阅读。

关于此书作者

Laura Igual博士是巴塞罗那大学数学和计算机系的副教授。她于2000 年获得西班牙瓦伦西亚大学的数学学位，并于2006 年获得西班牙庞培法布拉大学的博士学位。她的研究领域包括计算机视觉、医学成像、机器学习和数据。

Santi Seguí博士是巴塞罗那大学数学和计算机系的助理教授。自2007 年起，他担任了西班牙巴塞罗那自治大学的计算机工程师。他于2011 年获得西班牙巴塞罗那大学的博士学位。他的研究领域包括计算机视觉、应用机器学习和数据。

章宗长博士，苏州大学特聘副教授，硕士生导师，网易人工智能研究顾问。2012年6月毕业于中国技术大学计算机应用技术专业，获工学博士学位。2010年10月-2011年10月在美国罗格斯大学计算机系做访问学者，2012年8-10月在华为诺亚方舟实验室担任研究工程师，2012年11月-2014年6月在新加坡国立大学计算学院从事博士后研究，2014年7月起在苏州大学工作。目前主要从事部分可观测马氏决策过程（POMDPs）、强化学习和多智能体系统理论等方面的研究。

编辑们的推荐

适读人群 ：本书可被用于任何入门的数据课程。采用基于问题的方法来引入新概念对初学者来说是有帮助的。针对不同问题实现的代码解决方案对学生来说是一种很好的练习。而且，当学生面对更大的项目时，这些代码可以作为基准。

《Python数据导论：概念、技术与应用》已用于西班牙巴塞罗那大学“数据和大数据”课程。

《Python数据导论：概念、技术与应用》具有如下特色：
1) 提供了许多基于真实世界数据的实际案例研究。
2) 通过使用Python解决数据问题的实践经验来加深理解。
3) 介绍了用于统计分析、机器学习、图像分析和并行编程的技术和工具。
4) 回顾了数据的一系列应用，包括推荐系统和基于文本数据的情感分析。
5) 在相关网站上提供了补充代码资源和数据（见本书前言）。

Python数据导论：概念、技术与应用 [Introduction to Data Science：A Python Approach to Concepts，Techniques and Applications]图书的目录

译者序
原书前言
作者和贡献者简介

第1章 数据概述 // 1
1.1什么是数据 //1
1.2关于本书 //2

第2章数据专家的工具箱 //4
2.1引言 // 4
2.2为什么选择Python // 4
2.3数据专家的基本Python库 // 5
2.3.1数值和计算：NumPy和SciPy // 5
2.3.2Scikit-learn：Python中的机器学习库 // 5
2.3.3Pandas：Python数据分析库 // 5
2.4数据生态系统的安装 // 6
2.5集成开发环境 // 6
2.5.1网络集成开发环境：Jupyter // 7
2.6数据专家从Python开始 // 7
2.6.1读取 // 11
2.6.2选择数据 // 13
2.6.3筛选数据 // 14
2.6.4筛选缺失的数据 // 15
2.6.5处理数据 // 15
2.6.6排序 // 19
2.6.7分组数据 // 20
2.6.8重排数据 // 21
2.6.9对数据进行排名 // 22
2.6.10绘图 // 23
2.7小结 // 24

第3章描述统计学 // 25
3.1引言 // 25
3.2数据准备 // 25
3.2.1Adult数据集示例 // 26
3.3探索性数据分析 // 28
3.3.1汇总数据 // 28
3.3.2数据分布 // 31
3.3.3离群点的处理 // 33
3.3.4测量不对称性：偏度和皮尔逊中值偏度系数 // 36
3.3.5连续分布 // 38
3.3.6核密度 // 39
3.4估计 // 41
3.4.1样本和估计均值、方差和标准记分 // 41
3.4.2协方差、皮尔逊相关和斯皮尔曼秩相关 // 42
3.5小结 // 44
参考文献 // 45

第4章统计推断 // 46
4.1引言 // 46
4.2统计推断：频率论方法 // 46
4.3测量估计的差异性 // 47
4.3.1点估计 // 47
4.3.2置信区间 // 50
4.4假设检验 // 53
4.4.1用置信区间检验假设 // 53
4.4.2使用p值检验假设 // 55
4.5效应E是真实的吗 // 57
4.6小结 // 57
参考文献 // 58

第5章监督学习 // 59
5.1引言 // 59
5.2问题 // 60
5.3第一步 // 60
5.4什么是学习？ // 69
5.5学习曲线 // 70
5.6训练、验证和测试 // 73
5.7两种学习模型 // 76
5.7.1学习三要素 // 76
5.7.2支持向量机 // 77
5.7.3随机森林 // 79
5.8结束学习过程 // 80
5.9商业案例 // 81
5.10小结 // 83
参考文献 // 83

第6章回归分析 // 84
6.1引言 // 84
6.2线性回归 // 84
6.2.1简单线性回归 // 85
6.2.2多元线性回归和多项式回归 // 90
6.2.3稀疏模型 // 90
6.3逻辑斯蒂回归 // 97
6.4小结 // 99
参考文献 // 99

第7章无监督学习 // 100
7.1引言 // 100
7.2聚类 // 100
7.2.1相似度和距离 // 101
7.2.2什么是一个好的聚类？定义衡量聚类质量的度量 // 101
7.2.3聚类技术的分类标准 // 104
7.3案例学习 // 113
7.4小结 // 118
参考文献 // 119

第8章网络分析 // 120
8.1引言 // 120
8.2图的基本定义 // 121
8.3社交网络分析 // 122
8.3.1NetworkX基础 // 122
8.3.2实际案例：Facebook数据集 // 123
8.4中心性 // 125
8.4.1在图中绘制中心性 // 130
8.4.2PageRank // 132
8.5自我网络 // 134
8.6社区发现 // 138
8.7小结 // 139
参考文献 // 139

第9章推荐系统 // 140
9.1引言 // 140
9.2推荐系统如何工作？ // 140
9.2.1基于内容的过滤 // 141
9.2.2协作过滤 // 141
9.2.3混合推荐系统 // 141
9.3建模用户偏好 // 142
9.4评估推荐系统 // 142
9.5实际案例 // 143
9.5.1MovieLens数据集 // 143
9.5.2基于用户的协作过滤 // 145
9.6小结 // 153
参考文献 // 153

第10章用于情感分析的统计自然语言处理 // 154
10.1引言 // 154
10.2数据清洗 // 155
10.3文本表示 // 158
10.3.1二元组和n元组 // 163
10.4实际案例 // 163
10.5小结 // 168
参考文献 // 168

第11章并行计算 // 169
11.1引言 // 169
11.2架构 // 170
11.2.1入门指南 // 171
11.2.2连接到集群（引擎）// 171
11.3多核编程 // 172
11.3.1引擎的直接视图 // 172
11.3.2引擎的负载均衡视图 // 175
11.4分布式计算 // 176
11.5实际应用：纽约出租车旅行 // 177
11.5.1直接视图非阻塞方案 // 178
11.5.2实验结果 // 180
11.6小结 // 182
参考文献 // 182

部分内容试读

《Python数据导论》的主题范围
在这个时代，来自不同领域的大量信息被收集和存储，其分析和价值提取已成为公司和社会普遍关注的课题之一。需要多学科团队共同设计方案来解决数据带来的新问题。计算机家、统计学家、数学家、生物学家、记者和社会学家以及其他许多人现在一起工作，以便从数据中提供知识。这个新的跨学科领域被称为数据（data science）。
任何数据都涉及提出正确的问题、收集数据、清洗数据、生成假设、做出推断、可视化数据和评估解决方案等环节。

《Python数据导论》的组织和特点
本书是对数据的概念、技术和应用的介绍。内容侧重于数据分析，涵盖统计学和机器学习的概念，图像分析技术和并行编程技术以及推荐系统或情感分析等应用。
本书所有章节都通过使用真实数据的实际案例来阐述新概念。本书使用了欧盟统计局、不同的社交网络以及MovieLens等公共数据库。有关数据的具体问题在每章中都有提出。这些问题的解决方案是使用Python编程语言实现的，并在代码框中进行了恰当的展示。这
使得读者可以通过解决问题来学习数据，做到举一反三。
本书不打算涵盖整套数据方法，也不提供完整的参考文献。目前，数据是一个日益增长的新兴领域，因此我们鼓励读者使用网络中的关键词来寻找具体的方法和文献。

目标读者
《Python数据导论》面向高年级本科生和一年级的工科研究生。此外，本书还面向参加继续教育短期课程的专业人员和来自不同领域的自学研究人员。
计算机、数学和统计学的基本知识是必需的。有Python代码编程背景学习起来会更轻松。但是，即使读者不熟悉Python，也不是问题，因为在短时间内掌握Python的基础知识是可行的。

材料的先前用途
《Python数据导论》所提供材料的一部分已用于巴塞罗那大学“数据和大数据”（Data Science and Big Data）的研究生课程。本书所有的贡献者都参与了这门课程。

《Python数据导论》的使用建议
本书可被用于任何入门的数据课程。采用基于问题的方法来引入新概念对初学者来说是有帮助的。针对不同问题实现的代码解决方案对学生来说是一种很好的练习。而且，当学生面对更大的项目时，这些代码可以作为基准。

配套资源
《Python数据导论》附带一套IPython笔记本，其中包含解决本书实际案例所需的所有代码。笔记本可以在以下GitHub库中找到：https://github.com/DataScienceUB/introduction-datasciencepython-book。

致谢
我们感谢所有的贡献者：J.Vitriagrave;、E.Puertas、P.Radeva、O.Pujol、S.Escalera，L.Garrido和F.Dantí。

Laura Igual
Santi Seguiacute;
西班牙巴塞罗那

数据是一门新兴的学科，但它与我们的距离并非遥不可及，我们每时每刻都在使用数据产品。例如，微博通过网络分析向我们推荐可能感兴趣的人；淘宝通过推荐系统实现商品的精准展示；Facebook通过情感分析来预测美国大选的结果等。这些应用都是基于数

据来实现的。

人类社会正在步入智能时代，大数据是智能革命中不可或缺的驱动力。随着各行各业生成的数据越来越多，需要对海量数据进行有效的管理和利用，数据是在这种社会大背景下诞生的一门应用性学科。作者为了让更多人学会管理和利用数据而编写了《Python数据导论》。

在第1章，作者对数据的现状及本书的使用方法进行了简要阐述。学习数据需要一定的理论基础。如果读者此前没接触过统计学和机器学习方面的内容，也不必担心。本书在第3、4章及第5～7章分别对统计学和机器学习进行了概要介绍，涉及描述统计学、统计推断、监督学习、回归分析、无监督学习等主题，并结合实际案例来加深读者对这些知识的理解。

除了理论，学习数据离不开编程实践。《Python数据导论》的所有代码均使用Python语言编写。Python语言简洁优美、功能强大、可读性强，对初学者非常友好。在第2章，作者对常用的Python语言数据工具箱进行了介绍，包括NumPy、SciPy和Pandas等。但是本书并没有讲解Python语言的基本语法，所以建议没有这方面编程经验的读者在学习本书之前，先阅读一本入门书籍。

数据有广泛的应用场景。本书在第8～10章分别介绍了网络分析、推荐系统和情感分析这些常见的数据应用。为满足数据对计算机性能的需求，第11章介绍了并行计算及性能优化方法。

《Python数据导论》既可作为数据初学者的入门书籍，也可作为高等院校相关专业学生的参考书。

由于译者水平有限，书中难免会出现错漏之处，恳请读者朋友批评指正。

译者于苏州大学

关于此书评价

《Python数据导论》包含数据中的很多热点主题，并提供了在真实数据上使用Python的有趣实例……本书是对Python和数据参考书的有益补充。不仅是学生，应用型的数据家和工程师也能从本书介绍的许多技术和实例中获益。

——Computing Reviews

《Python数据导论》是为初步地介绍概念、技术与方法而撰写的，这些促成了家与数据初的联系……因其叙述风格，我推荐本科生和研究生阅读本书，结束语和参考文献为下一步进行特定主题的研究提供了指导。

——Irina Ioana Mohorianu，zbMATH，卷1365.62003

书摘内容

暂无.

Python数据导论：概念、技术与应用 [Introduction to Data Science：A Python Approach to Concepts，Techniques and Applications]最新最全的试读、书评、目录、简介信息由Python中文网整理提供。