本书共10章,内容包括Python基本语法、Python科学计算、数据分析、数据处理、数据可视化等,通过图像分析、视觉分析、时序分析等方面的例子指导读者进行数据分析方面的工作。
本书与数据分析应用紧密结合,语言通俗易懂、案例实用性强,能够使读者对Python数据分析有一个较为全面的认识。除综合案例外,本书每章后面附有习题和作业,便于读者了解自己对内容的掌握程度。
本书可作为计算机科学与技术、人工智能、大数据、统计学及相关专业的本科生、研究生教材,也可以作为从事人工智能、大数据相关研究的科研人员的参考书。
前言
第1章Python简介
11Python概要介绍
111Python主要特点
112Python不足
113Python发展现状
12Python发展历史
121Python起源
122Python各版本
13Python常用工具包
14Python常见问题
141Python安装
142Python IDE安装
143Python和其他语言接口
144工具包的安装
145工具包的导入
15Python在国内的发展
151国内镜像
152中小学教育
153国内使用Python情况
习题和作业
第2章Python语法
21Python常用数据结构
211列表
212元组
213集合
214字典
22分支与循环
221分支
222循环
223三目表达式
23函数、类和模块
231函数
232类
233模块
24Python语言与其他语言比较
习题和作业
第3章Python科学计算
31Python基本计算
311算术运算
312比较运算
313赋值运算
314逻辑运算
315成员运算符
316计算实例
32利用NumPy科学计算
321多维数组
322广播特性
323遍历轴
324数组操作
325矩阵运算
326应用案例——图像压缩
33Scipy包
331Scipy简单介绍
332基本操作
333图像处理
334快速傅里叶变换
335函数插值
336优化
34NumPy与Python的性能比较
习题和作业
第4章Python数据分析
41Pandas包
411读入csv文件
412截取数据与描述数据
413数据显示
414数据处理
42Scikit-learn包
421特征降维
422聚类
423分类
43其他Python分析包
431频谱分析
432时频分析
433动力学分析
习题和作业
第5章Python数据处理
51数据清洗
52数据预处理
53统计分析
54网络数据采集
541网络爬虫
542网页解析
55案例应用
习题和作业
第6章Python数据可视化
61可视化的基本概念
62利用Matplotlib进行可视化
621绘制Matplotlib的图表组成元素
622图表的美化和修饰
63绘制统计图形
64案例应用
641气温数据可视化分析
642交通线路图可视化
习题和作业
第7章Python图像分析
71图像分析简介
72卷积神经网络组成
721卷积层
722激活函数层
723池化层
724Dropout层
725Batch Normalization(BN)层
726全连接层
73经典卷积网络架构
731LeNet-5
732Alexlvet
733VGGNet
734ResNet
74案例应用
741MNIST手写数字识别
742Kaggle猫狗大战
75深度学习框架
习题和作业
第8章Python视觉分析
81基于OpenCV的视频操作
82目标检测简介
83R-CNN系列发展历程
84Faster R-CNN详解
85YOLO系列发展历程
86YOLOv4详解
87案例应用
871Faster R-CNN目标检测
872YOLOv4目标检测
88国内视觉分析研究
881工业界
882学术界
习题和作业
第9章Python时序分析
91时序分析介绍
92循环神经网络
921记忆单元
922输入输出序列
923LSTM单元
924GRU单元
93案例应用
931LSTM预测JetRail高铁乘客
932GRU预测飞机乘客
933LSTM预测温度
习题和作业
第10章综合案例
101人脸识别系统
1011人脸数据收集
1012训练人脸分类器
1013人脸识别实现
102PM25预测系统
1021数据导入
1022建立数据集
1023构造预测模型
1024模型训练与测试
参考文献