1.本書是目前市面上僅有的以Jupyter為主題的圖書。2.本書涵蓋大量的實際案例，幫助讀者學以致用。3.通過簡單易懂的Python示例，掌握數據科學技能。學習Python編程技能以展開獨立的數據科學項目。 通過Python語言學習線性代數和統計學的基礎知識。 建立預測模型，調整其參數並分析性能。 對無標簽的數據集進行聚類、轉換、可視化和提取。 學習如何使用matplotlib和seaborn實現數據可視化。 為實際業務場景實現和保存機器學習模型。現代商業中充斥著數據，因而等

●第1章 數據科學基本概念
1.1 數據的概念
1.1.1 結構化數據
1.1.2 非結構化數據
1.1.3 半結構化數據
1.2 數據科學的定義
1.3 數據科學家的工作
1.4 數據科學應用實例
1.5 為何Python適合數據科學
1.6 小結
第2章 軟件安裝與配置
2.1 繫統要求
2.2 下載Anaconda
2.3 在Windows繫統上安裝Anaconda
2.4 在Linux繫統上安裝Anaconda
2.5 如何在Anaconda中安裝新的Python庫
2.6 打開筆記本—Jupyter
2.7 了解筆記本
2.8 小結
第3章 列表與字典
3.1 什麼是列表
3.2 如何創建列表
3.3 列表的不同操作
3.4 列表與數組的差異
3.5 什麼是字典
3.6 如何創建字典
3.7 字典的相關操作
3.8 小結
第4章 函數與包
4.1 Python的Help()函數
4.2 如何導入Python包
4.3 如何創建並調用函數
4.4 在函數中傳遞參數
4.5 函數的默認參數
4.6 如何在函數中使用未知參數
4.7 函數的全局與本地變量
4.8 Lambda函數
4.9 了解Python中的main方法
4.10 小結
第5章 NumPy基本概念
5.1 導入NumPy包
5.2 為何NumPy數組優於列表
5.3 NumPy數組屬性
5.4 創建NumPy數組
5.5 訪問NumPy數素
5.6 NumPy數組的切片
5.7 數組連接
5.8 小結
第6章 Pandas和數據幀
6.1 導入Pandas
6.2 Pandas數據結構
6.3 .loc[]和.iloc[]
6.4 一些有用的數據幀函數
6.5 處理數據幀中的缺失值
6.6 小結
第7章 與數據庫交互
7.1 SQLAlchemy
7.2 安裝SQLAlchemy包
7.3 如何使用SQLAlchemy
7.4 SQLAlchemy引擎配置
7.5 在數據庫中新建表
7.6 在表中插入數據
7.7 更新記錄
7.8 如何合並表格
7.8.1 內連接
7.8.2 左連接
7.8.3 右連接
7.9 小結
第8章 數據科學中的統計思維
8.1 數據科學中的統計學
8.2 統計數據/變量的類型
8.3 平均數、中位數和眾數
8.4 概率的基本概念
8.5 統計分布
8.6 Pearson相關繫數
8.7 概率密度函數
8.8 真實案例
8.9 統計推斷與假設檢驗
8.10 小結
第9章 如何在Python中導入數據
9.1 導入TXT數據
9.2 導入CSV數據
9.3 導入Excel數據
9.4 導入JSON數據
9.5 導入腌制數據
9.6 導入壓縮數據
9.7 小結
第10章 清洗導入的數據
10.1 了解數據
10.2 分析缺失值
10.3 丟棄缺失值
10.4 自動填充缺失值
10.5 如何縮放和歸一化數據
10.6 如何解析日期
10.7 如何應用字符編碼
10.8 清洗不一致的數據
10.9 小結
第11章 數據可視化
11.1 條形圖
11.2 折線圖
11.3 直方圖
11.4 散點圖
11.5 堆積圖
11.6 箱線圖
11.7 小結
第12章 數據預處理
12.1 關於案例研究
12.2 導入數據集
12.3 探索性數據分析
12.4 數據清洗與預處理
12.5 特征工程
12.6 小結
第13章 監督式機器學習
13.1 常見的機器學習術語
13.2 機器學習導論
13.3 常用機器學習算法列述
13.4 監督式機器學習基礎
13.5 解決分類機器學習問題
13.6 為何要進行訓練/測試拆分和交叉驗證
13.7 解決回歸機器學習問題
13.8 如何調整機器學習模型
13.9 如何處理sklearn中的分類變量
13.10 處理缺失數據的高級技術
13.11 小結
第14章 無監督式機器學習
14.1 為何選擇無監督式機器學習
14.2 無監督式機器學習技術
14.2.1 聚類
14.2.2 主成分分析
14.3 案例研究
14.4 驗證無監督式機器學習
14.5 小結
第15章 處理時間序列數據
15.1 為何時間序列重要
15.2 如何處理日期和時間
15.3 轉換時間序列數據
15.4 操作時間序列數據
15.5 比較時間序列的增長率
15.6 如何改變時間序列頻率
15.7 小結
第16章 時間序列法
16.1 時間序列預測的定義
16.2 預測的基本步驟
16.3 時間序列預測的技術
16.3.1 自回歸
16.3.2 移動平均
16.3.3 自回歸移動平均
16.3.4 自回歸積分移動平均
16.3.5 季節性自回歸積分移動平均
16.3.6 季節性自回歸積分移動平均與外生回歸因子
16.3.7 向量自回歸移動平均
16.3.8 Holt-Winters指數平滑
16.4 預測網頁的未來流量
……
第17章 案例研究1
第18章 案例研究2
第19章 案例研究3
第20章 案例研究4

本書旨在成為讀者進入數據科學領域的指南。全書共20章，涵蓋了數據科學及其應用的各個方面，引入經典數據集將理論與實踐相結合，采用Jupyter等工具，以Python語言由淺入深地介紹了數據科學及相關學科的基本概念、數據預處理、機器學習及時間序列等內容，並提供了不同的案例研究，以達到學以致用的效果。通過閱讀本書，讀者將獲得成為一名數據科學家所需的基本知識和技能。本書適合有Python或其他編程語言基礎，並對數據科學感興趣的人員閱讀。

(印)普拉泰克·古普塔 著 王珮瑤 譯