Python数据分析与应用

前言 \n
\n
\n
\n
第1章Python简介 \n
\n
11Python概要介绍 \n
\n
111Python主要特点 \n
\n
112Python不足 \n
\n
113Python发展现状 \n
\n
12Python发展历史 \n
\n
121Python起源 \n
\n
122Python各版本 \n
\n
13Python常用工具包 \n
\n
14Python常见问题 \n
\n
141Python安装 \n
\n
142Python IDE安装 \n
\n
143Python和其他语言接口 \n
\n
144工具包的安装 \n
\n
145工具包的导入 \n
\n
15Python在国内的发展 \n
\n
151国内镜像 \n
\n
152中小学教育 \n
\n
153国内使用Python情况 \n
\n
习题和作业 \n
\n
第2章Python语法 \n
\n
21Python常用数据结构 \n
\n
211列表 \n
\n
212元组 \n
\n
213集合 \n
\n
214字典 \n
\n
22分支与循环 \n
\n
221分支 \n
\n
222循环 \n
\n
223三目表达式 \n
\n
23函数、类和模块 \n
\n
231函数 \n
\n
232类 \n
\n
233模块 \n
\n
24Python语言与其他语言比较 \n
\n
习题和作业 \n
\n
第3章Python科学计算 \n
\n
31Python基本计算 \n
\n
311算术运算 \n
\n
312比较运算 \n
\n
313赋值运算 \n
\n
314逻辑运算 \n
\n
315成员运算符 \n
\n
316计算实例 \n
\n
32利用NumPy科学计算 \n
\n
321多维数组 \n
\n
322广播特性 \n
\n
\n
\n
323遍历轴 \n
\n
324数组操作 \n
\n
325矩阵运算 \n
\n
326应用案例——图像压缩 \n
\n
33Scipy包 \n
\n
331Scipy简单介绍 \n
\n
332基本操作 \n
\n
333图像处理 \n
\n
334快速傅里叶变换 \n
\n
335函数插值 \n
\n
336优化 \n
\n
34NumPy与Python的性能比较 \n
\n
习题和作业 \n
\n
第4章Python数据分析 \n
\n
41Pandas包 \n
\n
411读入csv文件 \n
\n
412截取数据与描述数据 \n
\n
413数据显示 \n
\n
414数据处理 \n
\n
42Scikit-learn包 \n
\n
421特征降维 \n
\n
422聚类 \n
\n
423分类 \n
\n
43其他Python分析包 \n
\n
431频谱分析 \n
\n
432时频分析 \n
\n
433动力学分析 \n
\n
习题和作业 \n
\n
\n
\n
\n
第5章Python数据处理 \n
\n
51数据清洗 \n
\n
52数据预处理 \n
\n
53统计分析 \n
\n
54网络数据采集 \n
\n
541网络爬虫 \n
\n
542网页解析 \n
\n
55案例应用 \n
\n
习题和作业 \n
\n
第6章Python数据可视化 \n
\n
61可视化的基本概念 \n
\n
62利用Matplotlib进行可视化 \n
\n
621绘制Matplotlib的图表组成元素 \n
\n
622图表的美化和修饰 \n
\n
63绘制统计图形 \n
\n
64案例应用 \n
\n
641气温数据可视化分析 \n
\n
642交通线路图可视化 \n
\n
习题和作业 \n
\n
第7章Python图像分析 \n
\n
71图像分析简介 \n
\n
72卷积神经网络组成 \n
\n
721卷积层 \n
\n
\n
722激活函数层 \n
\n
723池化层 \n
\n
724Dropout层 \n
\n
725Batch Normalization(BN)层 \n
\n
726全连接层 \n
\n
73经典卷积网络架构 \n
\n
731LeNet-5 \n
\n
732Alexlvet \n
\n
\n
\n
733VGGNet \n
\n
\n
\n
\n
734ResNet \n
\n
74案例应用 \n
\n
741MNIST手写数字识别 \n
\n
742Kaggle猫狗大战 \n
\n
75深度学习框架 \n
\n
习题和作业 \n
\n
第8章Python视觉分析 \n
\n
81基于OpenCV的视频操作 \n
\n
82目标检测简介 \n
\n
83R-CNN系列发展历程 \n
\n
84Faster R-CNN详解 \n
\n
85YOLO系列发展历程 \n
\n
86YOLOv4详解 \n
\n
\n
\n
87案例应用 \n
\n
871Faster R-CNN目标检测 \n
\n
872YOLOv4目标检测 \n
\n
88国内视觉分析研究 \n
\n
881工业界 \n
\n
882学术界 \n
\n
习题和作业 \n
\n
第9章Python时序分析 \n
\n
91时序分析介绍 \n
\n
92循环神经网络 \n
\n
921记忆单元 \n
\n
922输入输出序列 \n
\n
923LSTM单元 \n
\n
924GRU单元 \n
\n
93案例应用 \n
\n
931LSTM预测JetRail高铁乘客 \n
\n
932GRU预测飞机乘客 \n
\n
933LSTM预测温度 \n
\n
习题和作业 \n
\n
第10章综合案例 \n
\n
101人脸识别系统 \n
\n
1011人脸数据收集 \n
\n
1012训练人脸分类器 \n
\n
1013人脸识别实现 \n
\n
102PM25预测系统 \n
\n
1021数据导入 \n
\n
1022建立数据集 \n
\n
1023构造预测模型 \n
\n
1024模型训练与测试 \n
\n
参考文献