本書詳細(xì)講解了Python數(shù)據(jù)分析的相關(guān)內(nèi)容，共分為10章，第1～9章分別講解了數(shù)據(jù)分析概述、Python與數(shù)據(jù)分析、Python語言基礎(chǔ)、NumPy數(shù)組與矢量計(jì)算、用NumPy進(jìn)行簡(jiǎn)單統(tǒng)計(jì)分析、數(shù)據(jù)可視化——Matplotlib庫、pandas數(shù)據(jù)分析基礎(chǔ)、用pandas進(jìn)行數(shù)據(jù)預(yù)處理、機(jī)器學(xué)習(xí)庫scikit-learn入門；第10章用一個(gè)綜合案例——電影數(shù)據(jù)分析項(xiàng)目，帶領(lǐng)讀者靈活掌握本書所學(xué)內(nèi)容。 本書適合作為高

本書以項(xiàng)目為導(dǎo)向，由淺入深地介紹Excel在數(shù)據(jù)分析與可視化方面的應(yīng)用。全書以自動(dòng)售貨機(jī)產(chǎn)品銷售為主線，共分7個(gè)項(xiàng)目。項(xiàng)目1介紹了某企業(yè)自動(dòng)售貨機(jī)的經(jīng)營困惑，以及自動(dòng)售貨機(jī)數(shù)據(jù)分析的流程；項(xiàng)目2為商品的整體銷售情況分析；項(xiàng)目3為區(qū)域銷售情況分析；項(xiàng)目4為商品庫存的分析；項(xiàng)目5為用戶行為的分析；項(xiàng)目6為商品銷售量的預(yù)測(cè)；項(xiàng)目7介紹了自動(dòng)售貨機(jī)周報(bào)的撰寫。項(xiàng)目2～項(xiàng)目7都包含了技能拓展和技能訓(xùn)練，可以幫助讀者鞏固所學(xué)的內(nèi)

本書內(nèi)容安排遵循學(xué)生的認(rèn)知規(guī)律，結(jié)合Python的特點(diǎn)，將教學(xué)內(nèi)容分為Python基礎(chǔ)及數(shù)據(jù)分析兩大部分。全書分為11章，前6章講解了Python基本語法和基本應(yīng)用，后5章系統(tǒng)地講解了用Python爬取數(shù)據(jù)、處理數(shù)據(jù)、分析數(shù)據(jù)的方法與過程。每章除了豐富的實(shí)例外，還設(shè)計(jì)了來源于實(shí)踐的項(xiàng)目訓(xùn)練及拓展訓(xùn)練項(xiàng)目，引導(dǎo)讀者學(xué)以致用。本書可以作為高校計(jì)算機(jī)類專業(yè)和相關(guān)專業(yè)的教材，也可作為Python愛好者的自學(xué)用書。

本書主要介紹了數(shù)據(jù)分析的基礎(chǔ)知識(shí)和實(shí)操過程。全書分為8章，首先從數(shù)據(jù)分析技術(shù)概述入手，介紹了數(shù)據(jù)分析的基本概念、數(shù)據(jù)分析的工作流程、數(shù)據(jù)分析方法論與方法，并介紹了常用的數(shù)據(jù)分析工具；接著以Excel工具為例，從數(shù)據(jù)收集、數(shù)據(jù)加工與處理、統(tǒng)計(jì)分析、數(shù)據(jù)展示等數(shù)據(jù)分析工作流程切入，結(jié)合具體的案例進(jìn)行數(shù)據(jù)剖析；*后將理論與實(shí)踐相結(jié)合，講解了電商數(shù)據(jù)、股票數(shù)據(jù)兩個(gè)真實(shí)的企業(yè)案例。本書結(jié)構(gòu)清晰，案例豐富，通俗易懂，可作為大數(shù)據(jù)

本書以Hive為開發(fā)平臺(tái)，主要介紹了如何使用HiveQL來查詢和分析存儲(chǔ)在Hadoop分布式文件系統(tǒng)上的大數(shù)據(jù)集合，具體內(nèi)容包括Hive入門、Hive數(shù)據(jù)庫及表操作、Hive元數(shù)據(jù)、Hive高級(jí)操作、Hive函數(shù)與Streaming、Hive視圖與索引、Hive調(diào)優(yōu)、Hive與HBase集成、數(shù)據(jù)遷移框架Sqoop等。本書介紹的每個(gè)任務(wù)都運(yùn)用了大量案例，緊密結(jié)合實(shí)際應(yīng)用，融入了含金量十足的開發(fā)經(jīng)驗(yàn)。在此基礎(chǔ)上，本書通

本書以任務(wù)驅(qū)動(dòng)為主線，圍繞企業(yè)級(jí)應(yīng)用進(jìn)行項(xiàng)目任務(wù)設(shè)計(jì)，主要內(nèi)容包括數(shù)據(jù)采集與預(yù)處理準(zhǔn)備、網(wǎng)絡(luò)爬蟲實(shí)踐、日志數(shù)據(jù)采集實(shí)踐和數(shù)據(jù)預(yù)處理實(shí)踐，全面地講述了Scrapy、Flume、Pig、Kettle、Pandas、OpenRefine等技術(shù)，以及urllib、Selenium基本庫和BeautifulSoup解析庫的相關(guān)知識(shí)與應(yīng)用案例。 本書內(nèi)容實(shí)用，可操作性強(qiáng)，語言精練、通俗易懂，可作為高等院校計(jì)算機(jī)應(yīng)用技術(shù)、大數(shù)據(jù)技

本書全面地講解了在科學(xué)領(lǐng)域廣泛運(yùn)用的微積分、概率論與數(shù)理統(tǒng)計(jì)、線性代數(shù)、數(shù)值計(jì)算、多元統(tǒng)計(jì)分析等數(shù)學(xué)基礎(chǔ)知識(shí)。全書共6章：第1章介紹了大數(shù)據(jù)與數(shù)學(xué)、數(shù)學(xué)與Python的關(guān)系；第2章介紹了微積分的基礎(chǔ)知識(shí)，包括極限、導(dǎo)數(shù)、微分、不定積分與定積分等；第3章介紹了概率論與數(shù)理統(tǒng)計(jì)的基礎(chǔ)知識(shí)，包括數(shù)據(jù)分布特征、概率與概率分布、參數(shù)估計(jì)、假設(shè)檢驗(yàn)等；第4章介紹了線性代數(shù)的基礎(chǔ)知識(shí)，包括行列式、矩陣的運(yùn)算和特征分解、奇異值分解；

本書注重基礎(chǔ)、循序漸進(jìn)，系統(tǒng)地講述了Microsoft推出的智能商業(yè)數(shù)據(jù)分析軟件PowerBI的相關(guān)基礎(chǔ)知識(shí)，涵蓋了安裝PowerBIDesktop、獲取數(shù)據(jù)、查詢編輯器、數(shù)據(jù)分析表達(dá)式、數(shù)據(jù)視圖、管理關(guān)系、報(bào)表、可視化效果、PowerBI服務(wù)等內(nèi)容，并在最后一章以社科研究數(shù)據(jù)分析為例進(jìn)行了知識(shí)點(diǎn)的綜合講解。對(duì)于每一個(gè)知識(shí)點(diǎn)，本書都盡量結(jié)合實(shí)例幫助讀者學(xué)習(xí)理解。前8章最后都配有綜合實(shí)例來說明本章知識(shí)的使用方法。 本書

本書以項(xiàng)目為導(dǎo)向，由淺入深地介紹Excel2016在數(shù)據(jù)獲取與處理中的應(yīng)用。全書共14個(gè)項(xiàng)目，項(xiàng)目1簡(jiǎn)單介紹Excel2016的界面，以及工作簿、工作表、單元格的概念；項(xiàng)目2介紹各種類型數(shù)據(jù)的輸入；項(xiàng)目3介紹如何美化工作表；項(xiàng)目4介紹如何使用Excel獲取文本數(shù)據(jù)；項(xiàng)目5介紹如何使用Excel獲取網(wǎng)站數(shù)據(jù)；項(xiàng)目6介紹如何使用Excel獲取MySQL數(shù)據(jù)庫中的數(shù)據(jù)；項(xiàng)目7介紹如何對(duì)數(shù)據(jù)進(jìn)行排序；項(xiàng)目8介紹如何篩選數(shù)據(jù)中

本書詳細(xì)地介紹了機(jī)器學(xué)習(xí)的基本原理，并采用“原理簡(jiǎn)述+問題實(shí)例+實(shí)際代碼+運(yùn)行結(jié)果”的模式介紹常用算法。全書共11章，主要包括決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、貝葉斯分類器、集成學(xué)習(xí)、聚類、降維等內(nèi)容。

本書將基本概念與實(shí)例相結(jié)合，由淺入深、循序漸進(jìn)地對(duì)大數(shù)據(jù)思維、技術(shù)和應(yīng)用做了全面系統(tǒng)的介紹。全書共12章，分為大數(shù)據(jù)基礎(chǔ)篇、大數(shù)據(jù)存儲(chǔ)篇、大數(shù)據(jù)處理篇、大數(shù)據(jù)挖掘篇和大數(shù)據(jù)應(yīng)用篇。 大數(shù)據(jù)基礎(chǔ)篇的內(nèi)容涵蓋了大數(shù)據(jù)思維理念、大數(shù)據(jù)的產(chǎn)生與作用、大數(shù)據(jù)基本概念、大數(shù)據(jù)采集工具Flume和Scribe、大數(shù)據(jù)爬蟲工具Nutch和Scapy、大數(shù)據(jù)預(yù)處理工具Kettle、大數(shù)據(jù)處理架構(gòu)Hadoop；大數(shù)據(jù)存儲(chǔ)篇的內(nèi)容包含分布

本書以任務(wù)為導(dǎo)向，較為全面地介紹了不同場(chǎng)景下Python爬取網(wǎng)絡(luò)數(shù)據(jù)的方法，包括靜態(tài)網(wǎng)頁、動(dòng)態(tài)網(wǎng)頁、登錄后才能訪問的網(wǎng)頁、PC客戶端、App等場(chǎng)景。全書共7章，第1章介紹了爬蟲與反爬蟲的基本概念，以及Python爬蟲環(huán)境的配置，第2章介紹了爬取過程中涉及的網(wǎng)頁前端基礎(chǔ)，第3章介紹了在靜態(tài)網(wǎng)頁中爬取數(shù)據(jù)的過程，第4章介紹了在動(dòng)態(tài)網(wǎng)頁中爬取數(shù)據(jù)的過程，第5章介紹了對(duì)登錄后才能訪問的網(wǎng)頁進(jìn)行模擬登錄的方法，第6章介紹了爬取

本書全面地講解了在科學(xué)領(lǐng)域運(yùn)用廣泛的數(shù)據(jù)微積分、線性代數(shù)、統(tǒng)計(jì)學(xué)、數(shù)值計(jì)算、多元統(tǒng)計(jì)分析等數(shù)學(xué)基礎(chǔ)知識(shí)。全書共6章：第1章介紹了大數(shù)據(jù)與數(shù)學(xué)、數(shù)學(xué)與R語言的關(guān)系；第2章介紹了微積分的基礎(chǔ)知識(shí)，包括函數(shù)、極限、導(dǎo)數(shù)、微分、不定積分與定積分及其應(yīng)用；第3章介紹了線性代數(shù)的基礎(chǔ)知識(shí)，包括矩陣的運(yùn)算、行列式、特征分解、奇異值分解；第4章介紹了統(tǒng)計(jì)學(xué)的基礎(chǔ)知識(shí)，包括數(shù)據(jù)分布特征、概率論、隨機(jī)變量的數(shù)字特征、參數(shù)估計(jì)、假設(shè)檢驗(yàn)；

Hadoop是一個(gè)分布式系統(tǒng)的基礎(chǔ)架構(gòu)，支持對(duì)大量數(shù)據(jù)進(jìn)行分布式處理，能以高效、可靠的方式完成數(shù)據(jù)處理。本書圍繞Hadoop生態(tài)圈技術(shù)進(jìn)行講解，主要包括Hadoop環(huán)境配置、Hadoop分布式文件系統(tǒng)（HDFS）、Hadoop分布式計(jì)算框架MapReduce、Hadoop資源調(diào)度框架YARN與Hadoop新特性、Hadoop分布式數(shù)據(jù)庫HBase、Oozie工作流調(diào)度系統(tǒng)等內(nèi)容。 本書以Linux操作系統(tǒng)為平臺(tái)，緊密

本書以理論結(jié)合示例操作的方式，全面介紹了R語言編程基礎(chǔ)及其知識(shí)的應(yīng)用，講解了利用R語言解決部分實(shí)際問題的方法。全書共7章：第1章為R語言概述，包括學(xué)習(xí)R語言的優(yōu)勢(shì)、R語言的編譯環(huán)境、R包的獲取及加載、R包的內(nèi)置數(shù)據(jù)等；第2～6章主要介紹R語言的數(shù)據(jù)對(duì)象與數(shù)據(jù)讀寫、數(shù)據(jù)集基本處理、函數(shù)與控制流、初級(jí)繪圖、繪圖；第7章主要介紹可視化數(shù)據(jù)挖掘工具Rattle。本書的每章都包含了課后習(xí)題，通過練習(xí)幫助讀者鞏固所學(xué)的內(nèi)容。

本書以任務(wù)為導(dǎo)向，較為全面地介紹了商務(wù)領(lǐng)域中R語言數(shù)據(jù)分析的應(yīng)用。全書共9章，介紹商務(wù)領(lǐng)域不同方向項(xiàng)目的數(shù)據(jù)分析方法，具體內(nèi)容包括R語言數(shù)據(jù)分析概述、商品零售購物籃分析、航空公司客戶價(jià)本書以任務(wù)為導(dǎo)向，較為全面地介紹了商務(wù)領(lǐng)域中R語言數(shù)據(jù)分析的應(yīng)用。全書共9章，介紹商務(wù)領(lǐng)域不同方向項(xiàng)目的數(shù)據(jù)分析方法，具體內(nèi)容包括R語言數(shù)據(jù)分析概述、商品零售購物籃分析、航空公司客戶價(jià)值分析、財(cái)政收入預(yù)測(cè)分析、金融服務(wù)機(jī)構(gòu)資金流量預(yù)測(cè)、

大數(shù)據(jù)技術(shù)讓我們以一種前所未有的方式，對(duì)海量數(shù)據(jù)進(jìn)行分析，從中獲得有巨大價(jià)值的產(chǎn)品和服務(wù)，最終形成變革之力。本書圍繞Hadoop和Spark兩個(gè)主流大數(shù)據(jù)技術(shù)進(jìn)行講解，主要內(nèi)容包括Hadoop環(huán)境配置、Hadoop分布式文件系統(tǒng)（HDFS）、Hadoop分布式計(jì)算框架MapReduce、Hadoop資源調(diào)度框架YARN與Hadoop新特性、Hadoop分布式數(shù)據(jù)庫HBase、數(shù)據(jù)倉庫Hive、大數(shù)據(jù)離線處理輔助系統(tǒng)、

本書以任務(wù)為導(dǎo)向，全面地介紹數(shù)據(jù)分析的流程和Python數(shù)據(jù)分析庫的應(yīng)用，詳細(xì)講解利用Python解決企業(yè)實(shí)際問題的方法。全書共9章，*1章介紹了數(shù)據(jù)分析的基本概念等相關(guān)知識(shí)；*2～6章介紹了Python數(shù)據(jù)分析的常用庫及其應(yīng)用，涵蓋NumPy數(shù)值計(jì)算、Matplotlib數(shù)據(jù)可視化、pandas統(tǒng)計(jì)分析、使用pandas進(jìn)行數(shù)據(jù)預(yù)處理、使用scikit-learn構(gòu)建模型，較為全面地闡述了Python數(shù)據(jù)分析方法；

本書以任務(wù)為導(dǎo)向，較為全面地介紹了Spark大數(shù)據(jù)技術(shù)的相關(guān)知識(shí)。全書共9章，具體內(nèi)容包括Spark概述；Scala基礎(chǔ)；Spark編程；Spark編程進(jìn)階；SparkSQL：結(jié)構(gòu)化數(shù)據(jù)文件處理；SparkStreaming：實(shí)時(shí)計(jì)算框架；SparkGraphX：圖計(jì)算框架；SparkMLlib：功能強(qiáng)大的算法庫；項(xiàng)目案例：餐飲平臺(tái)菜品智能推薦。本書的大部分章節(jié)都包含了實(shí)訓(xùn)與課后習(xí)題，通過練習(xí)和操作實(shí)踐，幫助讀者鞏固

本書以任務(wù)為導(dǎo)向，較為全面地介紹了Hadoop大數(shù)據(jù)技術(shù)的相關(guān)知識(shí)。全書共6章，具體內(nèi)容包括Hadoop介紹、Hadoop集群的搭建及配置、Hadoop基礎(chǔ)操作、MapReduce編程入門、MapReduce進(jìn)階編程、項(xiàng)目案例：電影網(wǎng)站用戶性別預(yù)測(cè)。本書的2～5章包含了實(shí)訓(xùn)與課后練習(xí)，通過練習(xí)和操作實(shí)踐，幫助讀者鞏固所學(xué)的內(nèi)容。 本書可以作為高校大數(shù)據(jù)技術(shù)類專業(yè)的教材，也可作為大數(shù)據(jù)技術(shù)愛好者的自學(xué)用書。

本書分基礎(chǔ)篇和提高篇兩部分，共12章。基礎(chǔ)篇包括第1-6章，具體包含Hadoop概述、Hadoop基礎(chǔ)環(huán)境配置、分布式存儲(chǔ)HDFS、計(jì)算模型MapReduce、計(jì)算模型Yarn、項(xiàng)目實(shí)戰(zhàn)——簡(jiǎn)易網(wǎng)盤。提高篇包括第7-12章，具體包含協(xié)調(diào)系統(tǒng)Zookeeper、數(shù)據(jù)庫Hbase、數(shù)據(jù)倉庫Hive、數(shù)據(jù)采集Flume、數(shù)據(jù)遷移Sqoop、項(xiàng)目實(shí)戰(zhàn)——OTA旅游網(wǎng)離線數(shù)據(jù)分析平臺(tái)。