數據科學實戰手冊 R+Python (Practical Data Science Cookbook) 数据科学实战手册 R+Python

<內容介紹>

這本書是基於R和Python的數據科學項目案例集錦，內容涵蓋了基於數據科學的所有要素，包括數據採集、處理、清洗、分析、建模、可視化以及數據產品的搭建。案例包含了汽車數據分析、股票市場建模、社交網絡分析、推薦系統、地理信息分析，以及Python代碼的計算優化。通過手把手的案例解析，令讀者知其然並知其所以然。業界的數據分析師、數據挖掘工程師、數據科學家都可以讀一讀。想要瞭解實際工作中如何用數據產生價值的在校學生，或者對數據科學感興趣的人也值得一讀。

<章節目錄>
　簡介1
　理解數據科學管道3
　處理流程3
　工作原理3
　在Windows、Mac OS X、Linux上安裝R 5
　準備工作5
　處理流程5
　工作原理7
　參考資料7
　在R和RStudio中安裝擴展包7
　準備工作8
　處理流程8
　工作原理9
　更多內容10
　參考資料10
　在Linux和Mac OS X上安裝Python 10
　準備工作11
　處理流程11
　工作原理11
　更多內容11
　參考資料12
　在Windows上安裝Python 12
　處理流程13
　工作原理13
　參考資料14
　在Mac OS X和Linux上安裝Python數據分析庫14
　準備工作14
　處理流程14
　工作原理15
　更多內容16
　參考資料16
　安裝更多Python包17
　準備工作17
　處理流程17
　工作原理18
　更多內容18
　參考資料18
　安裝和使用virtualenv 19
　準備工作19
　處理流程19
　工作原理21
　更多內容21
　參考資料22
第2章汽車數據的可視化分析（R） 23
　簡介23
　獲取汽車燃料效率數據24
　準備工作24
　處理流程25
　工作原理25
　為了你的第一個項目準備好R 26
　準備工作26
　處理流程26
　工作原理26
　參考資料26
　將汽車燃料效率數據導入R 27
　準備工作27
　處理流程27
　工作原理28
　更多內容29
　參考資料30
　探索和描述燃料效率數據30
　準備工作30
　處理流程30
　工作原理32
　更多內容33
　進一步分析汽車燃料效率數據34
　準備工作34
　處理流程34
　工作原理43
　參考資料44
　研究汽車的產量以及車型44
　準備工作44
　處理流程44
　工作原理46
　更多內容47
　參考資料47
第3章模擬美式橄欖球比賽數據（R） 48
　簡介48
　準備工作49
　獲取和清洗美式橄欖球比賽數據49
　準備工作50
　處理流程50
　工作原理53
　參考資料53
　分析和理解美式橄欖球比賽數據53
　準備工作53
　處理流程53
　工作原理61
　更多內容61
　參考資料62
　構建度量攻防能力的指標62
　準備工作62
　處理流程62
　工作原理64
　參考資料65
　模擬單場由程序決定勝負的比賽65
　準備工作65
　處理流程65
　工作原理68
　模擬多場由計算決定勝負的比賽68
　準備工作68
　處理流程69
　工作原理73
　更多內容74
第4章建模分析股票市場數據（R） 75
　簡介75
　準備工作76
　獲取股票市場數據76
　處理流程77
　描述數據78
　準備工作79
　工作原理80
　更多內容81
　清洗和研究數據82
　準備工作82
　處理流程82
　工作原理87
　參考資料87
　形成相對估值法87
　準備工作87
　處理流程88
　工作原理91
　分析歷史價格篩選股票92
　準備工作92
　處理流程92
　工作原理98
第5章就業數據的可視化探索（R） 99
　簡介99
　分析前的準備100
　準備工作101
　處理流程101
　工作原理102
　參考資料102
　將就業數據導入R 103
　準備工作103
　處理流程103
　工作原理104
　更多內容104
　參考資料105
　就業數據探究105
　準備條件105
　處理流程105
　工作原理107
　參考資料107
　獲取和合併添加附加信息107
　準備工作107
　處理流程108
　工作原理109
　添加地理信息110
　準備工作110
　處理流程110
　工作原理113
　參考資料114
　獲取州和 ​​縣級水平的薪資和就業信息114
　準備工作114
　處理流程114
　工作原理116
　參考資料117
　可視化薪資的地理分佈特性117
　準備工作118
　處理流程118
　工作原理120
　參考資料121
　探究各行業工作的地理分佈情況121
　處理流程122
　工作原理123
　更多內容124
　參考資料124
　繪製地理空間的時間序列地圖124
　準備工作124
　處理流程125
　工作原理128
　更多內容128
　函數性能測試和比較128
　準備工作129
　處理流程129
　工作原理131
　更多內容132
　參考資料132
第6章運用稅務數據進行應用導向的數據分析（Python） 133
　簡介133
　應用導向方法簡介134
　準備高收入數據集的分析135
　準備工作135
　處理流程135
　工作原理136
　導入並熟悉世界各國高收入數據集136
　準備工作137
　處理流程137
　工作原理143
　更多內容144
　參考資料144
　分析並可視化美國的高收入數據集144
　準備工作144
　處理流程145
　工作原理151
　進一步分析美國的高收入階層152
　準備工作152
　處理流程152
　工作原理156
　用Jinja2匯報結果157
　準備工作157
　處理流程157
　工作原理162
　更多內容162
　參考資料163
第7章運用汽車數據進行可視化分析（Python） 164
　簡介164
　IPython入門165
　準備工作165
　處理流程165
　工作原理167
　參考資料167
　熟悉IPython Notebook 167
　準備工作168
　處理流程168
　工作原理170
　更多內容170
　參考資料171
　準備分析汽車油耗171
　準備工作171
　處理流程171
　工作原理173
　更多內容173
　參考資料174
　用Python熟悉並描述汽車油耗數據174
　準備工作174
　處理流程174
　工作原理177
　更多內容177
　參考資料177
　用Python分析汽車油耗隨時間變化趨勢177
　準備工作177
　處理流程178
　工作原理183
　更多內容184
　參考資料185
　用Python調查汽車的製造商和型號185
　準備工作185
　處理流程185
　工作原理189
　參考資料189
第8章社交網絡分析（Python） 190
　簡介190
　理解圖和網絡191
　準備用Python進行社交網絡的分析工作192
　準備工作192
　處理流程193
　工作原理193
　更多內容193
　導入網絡194
　準備工作194
　處理流程194
　工作原理196
　探索英雄網絡的子圖196
　準備工作197
　處理流程197
　工作原理199
　更多內容199
　找出強關聯200
　準備工作201
　處理流程201
　工作原理203
　更多內容204
　找出關鍵人物204
　準備工作205
　處理流程205
　工作原理208
　更多內容209
　調查全網的特徵215
　準備工作216
　處理流程216
　工作原理217
　社交網絡中的聚類和發現社群217
　準備工作217
　處理流程218
　工作原理221
　更多內容221
　可視化圖222
　準備工作222
　處理流程222
　工作原理224
第9章大規模電影推薦（Python） 225
　簡介226
　對偏好建模227
　處理流程227
　工作原理228
　理解數據229
　準備工作229
　處理流程229
　工作原理231
　更多內容231
　加載電影評分數據231
　準備工作231
　處理流程232
　工作原理234
　尋找高評分電影235
　準備工作236
　處理流程236
　工作原理237
　更多內容238
　參考資料238
　提升電影評分系統238
　準備工作238
　處理流程238
　工作原理239
　更多內容240
　參考資料240
　計算用戶在偏好空間中的距離240
　準備工作241
　處理流程241
　工作原理243
　更多內容243
　參考資料243
　計算用戶相關性244
　準備工作244
　處理流程244
　工作原理245
　更多內容246
　為特定用戶尋找最好的影評人246
　準備工作246
　處理流程246
　工作原理247
　預測用戶評分249
　準備工作249
　處理流程249
　工作原理250
　基於物品的協同過濾251
　準備工作251
　處理流程252
　工作原理253
　建立非負矩陣分解模型254
　處理流程255
　工作原理255
　參考資料256
　將數據集加載內存256
　準備工作257
　處理流程257
　工作原理258
　更多內容258
　導出SVD模型至硬盤259
　處理流程259
　工作原理260
　訓練SVD模型261
　處理流程261
　工作原理262
　更多內容263
　測試SVD模型264
　處理流程264
　工作原理264
　更多內容264
第10章獲取和定位Twitter數據（Python） 266
　簡介266
　創建Twitter應用267
　準備工作268
　處理流程268
　工作原理271
　參考資料271
　瞭解Twitter API v1.1 271
　準備工作272
　處理流程272
　工作原理273
　更多內容274
　參考資料275
　獲取粉絲和朋友信息275
　準備工作275
　處理流程275
　工作原理277
　更多內容277
　參考資料278
　提取Twitter用戶檔案278
　準備工作278
　處理流程278
　工作原理279
　更多內容279
　參考資料280
　避免Twitter速度限制280
　準備工作280
　處理流程280
　工作原理281
　存儲JSON數據至硬盤281
　準備工作282
　處理流程282
　工作原理282
　安裝MongoDB 283
　準備工作283
　處理流程283
　工作原理284
　更多內容284
　參考資料285
　利用PyMongo將用戶信息存入MongoDB 285
　準備工作285
　處理流程285
　工作原理286
　探索用戶地理信息287
　準備工作287
　處理流程287
　工作原理289
　更多內容290
　參考資料290
　利用Python繪製地理分佈圖290
　準備工作290
　處理流程291
　工作原理292
　更多內容293
　參考資料294
第11章利用NumPy和SciPy優化數值計算（Python） 295
　簡介295
　瞭解優化的步驟297
　處理流程297
　工作原理297
　更多內容298
　識別代碼中常見性能瓶頸298
　處理流程299
　工作原理299
　通讀代碼301
　準備工作302
　處理流程302
　工作原理302
　參考資料304
　利用Unix time函數剖析Python代碼305
　準備工作305
　處理流程305
　工作原理306
　參考資料306
　利用Python內建函數剖析Python代碼306
　準備工作306
　處理流程306
　工作原理307
　參考資料308
　利用IPython %timeit函數剖析Python代碼308
　處理流程308
　工作原理309
　利用line_profiler剖析Python代碼309
　準備工作310
　處理流程310
　工作原理311
　更多內容312
　參考資料312
　摘取低處的（經過優化的）果實312
　準備工作312
　處理流程312
　工作原理314
　測試NumPy帶來的性能提升315
　準備工作315
　處理流程315
　工作原理316
　更多內容317
　參考資料317
　用NumPy重寫函數317
　準備工作317
　處理流程318
　工作原理320
　用NumPy優化最內層循環322
　準備工作322
　處理流程322
　工作原理324
　更多內容325