Python数据分析

使用 Python 数据分析、机器学习、pandas、scikit-learn 和数据可视化技术了解数据分析管道。为时间序列、NLP、图像分析和大数据处理构建可扩展的工作流程。

主要功能

• 使用 Python、pandas 和探索性数据分析技术准备、清理和转换数据
• 通过 Python 使用回归、分类、聚类、PCA 和贝叶斯方法应用机器学习
• 使用 Dask、Ray、Modin 和 PySpark 扩展分析工作流程

书籍说明

现代数据分析不仅仅是清理和可视化数据。当今的从业者需要构建可扩展的数据管道，应用机器学习，处理文本和图像数据，并了解新兴的人工智能技术，例如生成式人工智能和大型语言模型 (LLM)。本指南向您展示如何使用 Python 的现代数据生态系统应对这些挑战。

与专注于单一库或技术的书籍不同，本书提供了一种端到端的 Python 数据分析方法。您将学习如何从数据准备和探索性分析转向机器学习、NLP、图像分析、可扩展处理和人工智能驱动的工作流程。

从统计基础开始，您将学习如何清理、转换、整理和可视化数据。然后，您将探索时间序列分析、信号处理、预测和预测分析，然后再应用回归、分类、聚类、PCA、概率方法和贝叶斯方法等机器学习技术。

这本书还涵盖了图形分析、情感分析、NLP、图像分析、生成人工智能和法学硕士。最后，您将学习使用 Dask、Modin、Ray 和 PySpark 扩展分析工作流程。

读完本书后，您将能够构建端到端数据分析管道并应用现代数据科学和人工智能技术来解决现实世界的挑战。

你将学到什么

• 准备、清理和转换数据以进行探索性数据分析和数据整理
• 使用 Python 和 pandas 分析和可视化数据
• 执行时间序列分析、预测和信号处理
• 使用 scikit-learn 技术通过 Python 应用机器学习
• 使用回归、分类、聚类、PCA 和贝叶斯方法
• 执行情感分析、NLP、图形分析和图像分析
• 使用 Dask、Modin 和 Ray 加速工作流程
• 使用 PySpark 构建可扩展的大数据分析管道

这本书适合谁

本书适合想要增强 Python 数据分析技能的数据分析师、数据科学家、业务分析师、统计学家、学生和学术专业人士。对于希望使用 Python 将数据科学应用于涉及数据准备、可视化、机器学习、NLP、图像分析和大数据处理的现实问题的读者来说，它是理想的选择。对数学和 Python 工作知识的基本了解将帮助您从本书中获得最大收益。

目录

1. Python 库入门
2. NumPy 和 Pandas
3. 数据洞察统计
4. 线性代数
5. 数据可视化
6. 检索、处理和存储数据
7. 清理杂乱数据
8. 时间序列分析
9. 监督学习：回归和分类
10. 无监督学习：降维、聚类、异常检测
11. 集成方法：Bagging 和 Boosting 方法
12. 人工神经网络和深度学习
13. 分析文本数据
14. 分析图像数据
15. 法学硕士和人工智能
16. 使用 Dask、Modin 和 Ray 进行并行计算
17. 使用 PySpark 进行大数据分析