123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)主要面向高職大數(shù)據(jù)技術(shù)專(zhuān)業(yè)的學(xué)生，注重大數(shù)據(jù)分析技術(shù)的應(yīng)用和實(shí)踐。本書(shū)每個(gè)項(xiàng)目主要分為兩個(gè)部分。部分是大數(shù)據(jù)分析技術(shù)的理論知識(shí)，主要講解了大數(shù)據(jù)分析模型、Python數(shù)據(jù)分析工具、NumPy和Pandas數(shù)據(jù)分析庫(kù)、Matplotlib數(shù)據(jù)分析可視化庫(kù)、Hadoop及其常用組件以及scikitlearn機(jī)器學(xué)習(xí)庫(kù)的基本原理和操作。第二部分是任務(wù)實(shí)施，通過(guò)17個(gè)實(shí)操任務(wù)充分展現(xiàn)了大數(shù)據(jù)分析技術(shù)的主要功能和特點(diǎn)。 \n本書(shū)既可作為高等職業(yè)院校大數(shù)據(jù)技術(shù)、信息安全與管理、軟件技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、云計(jì)算技術(shù)等專(zhuān)業(yè)的教材，也適合有一定Python編程經(jīng)驗(yàn)并對(duì)大數(shù)據(jù)分析技術(shù)感興趣的讀者閱讀。

作者簡(jiǎn)介

　　李俊翰，中共黨員，執(zhí)教13年。教學(xué)經(jīng)驗(yàn)豐富。作為主研參與大數(shù)據(jù)技術(shù)與應(yīng)用國(guó)家專(zhuān)業(yè)教學(xué)資源庫(kù)建設(shè)工作，主持子課程《應(yīng)用程序開(kāi)發(fā)基礎(chǔ)（Java）》；發(fā)表SCI2篇，中文核心3篇；完成軟件著作權(quán)1項(xiàng)，實(shí)用新型專(zhuān)利4項(xiàng)，橫向課題2項(xiàng)；作為指導(dǎo)教師，指導(dǎo)學(xué)生參加全國(guó)職業(yè)院校技能大賽“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項(xiàng)獲二等獎(jiǎng)，重慶市職業(yè)院校技能競(jìng)賽“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項(xiàng)獲得一等獎(jiǎng)3項(xiàng)，“一帶一路”暨金磚國(guó)際技能大賽大數(shù)據(jù)賽項(xiàng)三等獎(jiǎng)等；主參編教材《大數(shù)據(jù)采集與爬蟲(chóng)》《大數(shù)據(jù)平臺(tái)應(yīng)用》《Python編程基礎(chǔ)》《Spark大數(shù)據(jù)實(shí)時(shí)分析實(shí)戰(zhàn)》；作為主講教師先后承擔(dān)《數(shù)據(jù)預(yù)處理》《大數(shù)據(jù)編程基礎(chǔ)（Python）》和《大數(shù)據(jù)可視化技術(shù)》等十余門(mén)課程。

圖書(shū)目錄

目錄 \n
前言 \n
項(xiàng)目1 認(rèn)識(shí)大數(shù)據(jù)分析 \n
1.1　大數(shù)據(jù)分析概述 \n
1.1.1　大數(shù)據(jù)分析的概念和發(fā)展 \n
1.1.2 大數(shù)據(jù)分析的作用和影響 \n
1.2 大數(shù)據(jù)分析模型 \n
1.2.1 大數(shù)據(jù)分析的技術(shù)和工具 \n
1.2.2　大數(shù)據(jù)分析的流程 \n
1.2.3 大數(shù)據(jù)分析的模型簡(jiǎn)介 \n
【任務(wù)實(shí)施】 \n
任務(wù)1 網(wǎng)站用戶(hù)活躍度指標(biāo)綜合分析 \n
任務(wù)2 身高體重指標(biāo)數(shù)據(jù)關(guān)聯(lián)分析 \n
練習(xí)題 \n
項(xiàng)目2 安裝Python數(shù)據(jù)分析工具 \n
2.1　Python數(shù)據(jù)分析基本概念 \n
2.1.1 Python數(shù)據(jù)分析的特點(diǎn) \n
2.1.2 Python與其他數(shù)據(jù)分析工具的比較 \n
2.2　Python數(shù)據(jù)分析常用庫(kù)介紹 \n
2.2.1 NumPy簡(jiǎn)介 \n
2.2.2 Pandas簡(jiǎn)介 \n
2.2.3 SciPy簡(jiǎn)介 \n
2.2.4 Matplotlib簡(jiǎn)介 \n
2.2.5 scikitlearn簡(jiǎn)介 \n
2.2.6 Statmodels簡(jiǎn)介 \n
2.2.7 Seaborn簡(jiǎn)介 \n
【任務(wù)實(shí)施】 \n
任務(wù)1 在Windows系統(tǒng)中安裝Anaconda \n
任務(wù)2 運(yùn)行Jupyter Notebook \n
任務(wù)3 PyCharm的安裝和使用 \n
練習(xí)題 \n
項(xiàng)目3 使用NumPy實(shí)現(xiàn)統(tǒng)計(jì)分析和處理 \n
3.1　NumPy的基本概念 \n
3.1.1 NumPy基礎(chǔ)理論和引用方法 \n
3.1.2 ndarry對(duì)象 \n
3.1.3 NumPy數(shù)據(jù)類(lèi)型 \n
3.1.4 NumPy數(shù)組屬性 \n
3.1.5 NumPy切片和索引 \n
3.2 NumPy函數(shù) \n
3.2.1 NumPy數(shù)學(xué)函數(shù) \n
3.2.2 NumPy數(shù)組維度操作函數(shù) \n
3.2.3 NumPy創(chuàng)建數(shù)組函數(shù) \n
3.2.4 NumPy常用IO函數(shù) \n
3.2.5 NumPy廣播 \n
【任務(wù)實(shí)施】 \n
任務(wù)1 使用Numpy實(shí)現(xiàn)股票數(shù)據(jù)分析 \n
任務(wù)2 使用Numpy實(shí)現(xiàn)豆瓣電影數(shù)據(jù) \n
分析 \n
練習(xí)題 \n
項(xiàng)目4 Pandas數(shù)據(jù)分析和處理 \n
4.1　Pandas的基本概念 \n
4.1.1 Pandas基礎(chǔ)理論和引用方法 \n
4.1.2 Pandas基本數(shù)據(jù)結(jié)構(gòu) \n
4.2 Pandas的基本用法 \n
4.2.1 創(chuàng)建Pandas對(duì)象 \n
4.2.2 查看Pandas基本數(shù)據(jù) \n
4.2.3 Pandas索引和切片 \n
4.2.4 Pandas缺失值和空值處理 \n
4.2.5 Pandas連接和合并數(shù)據(jù) \n
4.2.6 Pandas分組 \n
4.2.7 Pandas重塑 \n
4.2.8 Pandas數(shù)據(jù)透視表 \n
4.2.9 Pandas時(shí)間序列 \n
4.2.10 Pandas分類(lèi) \n
4.2.11 Pandas IO操作 \n
【任務(wù)實(shí)施】 \n
任務(wù)1 使用Pandas實(shí)現(xiàn)水果銷(xiāo)售數(shù)據(jù)分析 \n
任務(wù)2 使用Pandas實(shí)現(xiàn)用戶(hù)消費(fèi)行為數(shù)據(jù)分析 \n
任務(wù)3 使用Pandas實(shí)現(xiàn)電商銷(xiāo)售數(shù)據(jù)分析 \n
練習(xí)題 \n
項(xiàng)目5 Matplotlib數(shù)據(jù)分析可視化庫(kù) \n
5.1 Matplotlib的基本概念 \n
5.1.1 Matplotlib基礎(chǔ)理論和引用方法 \n
5.1.2 散點(diǎn)圖 \n
5.1.3 條形圖 \n
5.1.4 折線圖 \n
5.1.5 餅圖 \n
5.1.6 直方圖 \n
5.1.7 箱形圖 \n
5.2 組合圖 \n
5.2.1 曲線組合圖 \n
5.2.2 柱狀、散點(diǎn)、折線組合圖 \n
5.2.3 直方圖組合圖123 【任務(wù)實(shí)施】 \n
任務(wù)1 使用餅圖實(shí)現(xiàn)零售總額數(shù)據(jù)分析 \n
任務(wù)2 使用折線圖實(shí)現(xiàn)零售總額數(shù)據(jù)分析 \n
任務(wù)3 使用雙柱狀圖實(shí)現(xiàn)零售總額變化情況數(shù)據(jù)分析 \n
練習(xí)題 \n
項(xiàng)目6 基于Hadoop的數(shù)據(jù)分析 \n
6.1 掌握Hadoop框架和生態(tài)組件 \n
6.1.1 Hadoop簡(jiǎn)介 \n
6.1.2 Hadoop核心組件和工作原理 \n
6.1.3 Hadoop安裝、部署和應(yīng)用 \n
6.2 Hadoop生態(tài)組件 \n
6.2.1 Hadoop生態(tài)圈簡(jiǎn)介 \n
6.2.2 Hive的安裝、部署和應(yīng)用 \n
6.2.3 Spark的安裝、部署和應(yīng)用 \n
6.2.4 HBase的安裝、部署和應(yīng)用 \n
6.2.5 Kafka的安裝、部署和應(yīng)用 \n
6.2.6 Flume的安裝、部署和應(yīng)用 \n
6.2.7 Sqoop的安裝、部署和應(yīng)用 \n
6.2.8 Zookeeper的安裝、部署和應(yīng)用 \n
【任務(wù)實(shí)施】 \n
任務(wù)1 使用Hadoop及其組件Hive實(shí)現(xiàn)數(shù)據(jù)分析 \n
任務(wù)2 使用Hadoop及其組件Spark實(shí)現(xiàn)數(shù)據(jù)分析 \n
練習(xí)題 \n
項(xiàng)目7 基于scikitlearn機(jī)器學(xué)習(xí)庫(kù)的數(shù)據(jù)分析 \n
7.1 掌握機(jī)器學(xué)習(xí)基本概念 \n
7.1.1 機(jī)器學(xué)習(xí)簡(jiǎn)介 \n
7.1.2 機(jī)器學(xué)習(xí)基本流程 \n
7.1.3 機(jī)器學(xué)習(xí)開(kāi)發(fā)流程 \n
7.1.4 機(jī)器學(xué)習(xí)算法分類(lèi) \n
7.2 掌握scikitlearn的基本用法 \n
7.2.1 scikitlearn的安裝和引用方法 \n
7.2.2 scikitlearn的基本用法 \n
【任務(wù)實(shí)施】 \n
任務(wù)1 使用scikitlearn實(shí)現(xiàn)鳶尾花數(shù)據(jù)分析 \n
任務(wù)2 使用scikitlearn實(shí)現(xiàn)波士頓房?jī)r(jià)數(shù)據(jù)分析 \n
練習(xí)題 \n
參考文獻(xiàn)