数据科学与大数据 - 第1页

适读人群 ：本书既适合Excel用户，也适合Python用户阅读。内容简介xlwings创始人教你如何让Excel飞起来！告别烦琐公式和VBA代码办公人士零压力学Python流行Python库xlwings创始人亲授每当花上几小时手动更新Excel工作簿时，或者每当Excel工作簿因保存了太多数据而崩溃时，你都应该停下来，思考自己是否应该换个工作方式。本书将展示为什么在Excel中引入Python

Python已成为数据驱动AI、金融优先选择的编程语言。现在，一些大型的投资银行和对冲资金均使用Python及其生态系统来构建核心交易与风险管理系统。在本书中，作者向开发人员和量化分析人员介绍了使用Python程序库与工具，完成金融数据科学、算法交易和计算金融任务的方法。Python与金融：Python交互式金融分析与程序开发入门。基本知识：学习Python数据类型与结构、NumPy、pandas

《Python数据分析与大数据处理从入门到精通》主要讲解数据分析与大数据处理所需的技术、基础设施、核心概念、实施流程。从编程语言准备、数据采集与清洗、数据分析与可视化，到大型数据的分布式存储与分布式计算，贯穿了整个大数据项目开发流程。本书轻理论、重实践，目的是让读者快速上手。第1 篇首先介绍了Python 的基本语法、面向对象开发、模块化设计等，掌握Python的编程方式。然后介绍了多线程、多进程

如果你是一名IT工程师，CTO希望你在一周内提交一份公司未来IT系统基础架构的初步建议；如果你是一位IT营销人员，客户需要你在一周内向他汇报未来大数据系统的大致技术方向；……在这个信息严重过剩的时代，一周内从浩渺的技术细节的海洋中抓住关键的技术脉络，并进一步提出有一定理论依据的技术思考，这几乎是不可能完成的任务。您是否想过阅读一本关于大数据的图书帮助解决如上问题？浩如烟海的大数据领域图书可以大致归

Python 简单易学，拥有丰富的库，并且具有极强的包容性。《Python数据分析实战》展示了如何利用Python 语言的强大功能，以最小的编程代价进行数据的提取、处理和分析，主要内容包括：数据分析和Python 的基本介绍，NumPy 库，pandas 库，如何使用pandas 读写和提取数据，用matplotlib 库和scikit-learn 库分别实现数据可视化和机器学习，以实例演示如何从

《Python 数据分析从小白到专家》面向希望从零开始学习 Python 数据分析的读者，从 Python 环境搭建和基础语法讲起，再逐步进入数据处理、可视化、数学基础以及机器学习算法，形成一条比较完整的学习路径。基础部分介绍 Python 常用数据类型、分支、循环和异常处理，并系统讲解 NumPy、Pandas 和 Matplotlib。读者可以学习数组和矩阵运算、CSV 与 Excel 数据读

《对比Excel，轻松学习SQL数据分析》是《对比Excel，轻松学习Python 数据分析》的姊妹篇，同样采用对比的方法，降低学习门槛，提高学习效率。全书分为3 篇：第1 篇主要介绍数据分析的基础知识，包括数据分析的基本概念、为什么要进行数据分析及常规的数据分析流程，使读者对数据分析有一个整体的认识；第2 篇主要围绕数据分析的整个流程来介绍与SQL 语法相关的知识，包括如何选取一列数据、如何对数

数据，自古就有，人口普查、农业统计、军事战争、政治计算……数据虽小，却有助于治国安邦。美国之所以繁荣鼎盛，数据文化根基牢不可破概是主因之一。信息爆炸、互联互通、智慧城市时代，大数据，更以排山倒海之势席卷全球，政府施政、企业掘金，大众要公平与正义，大数据被赋予了新的历史使命。在《数据之巅：大数据革命，历史、现实与未来》这本书中，从小数据时代到大数据的崛起，作者以宏大的历史观、文化观、大数据观，给我们

本书介绍了一些重要的建模和预测技术以及相关应用，涵盖以下主题：线性回归、分类、重采样方法、收缩方法、基于树的方法、支持向量机、聚类、深度学习、生存分析、多重测试等。书中每一章都包含一个教程，通过图形和实例介绍如何实现 R 语言提供的分析方法。本书还提供了关于深度学习、生存分析和多重测试的新章节，以及朴素贝叶斯、广义线性模型、贝叶斯加性回归树和矩阵补全的扩展内容，并对 R 代码进行了全面更新。本书旨

《Python数据挖掘入门与实践》作为数据挖掘入门读物，介绍了数据挖掘的基础知识、基本工具和实践方法，通过循序渐进地讲解算法，带你轻松踏上数据挖掘之旅。本书采用理论与实践相结合的方式，呈现了如何使用决策树和随机森林算法预测美国职业篮球联赛比赛结果，如何使用亲和性分析方法推荐电影，如何使用朴素贝叶斯算法进行社会媒体挖掘，等等。本书也涉及神经网络、深度学习、大数据处理等内容。