数据科学实战手册

内容概要

Tony Ojeda(托尼·奥杰德)，华盛顿DC数据社区的联合创始人，一位经验丰富的数据科学家和企业家，他在佛罗里达国际大学获得金融硕士学位，并且在德保罗大学获得了MBA学位。

Sean Patrick Murphy(肖恩·派特里克·莫非)，华盛顿DC数据社区的联合创始人，曾在约翰霍普金斯大学的应用物理实验室做了15年的高级科学家，他专注于机器学习、信号处理、高性能计算以及建模和模拟。现在他是旧金山、纽约和华盛顿DC多家公司的数据顾问。

Benjamin Bengfort(本杰明·班福特)，一位非常有经验的数据科学家和Python开发者。他曾在军方、业界和学术界工作过8年。他目前在马里兰大学派克学院攻读计算机博士学位，研究元识别和自然语言处理。他拥有北达科塔州立大学的计算机硕士学位，并是乔治城大学的客座教授。

Abhijit Dasgupta(阿布吉特·达斯古普塔)，华盛顿DC数据社区的成员，华盛顿DC统计编程社群的创始人和联合组织者，他拥有华盛顿大学生物统计的博士学位，在生物制药行业咨询、商业分析、生物信息以及生物工程咨询方面拥有多年的经验。

译者简介

郝智恒，甘肃兰州人，南开大学概率统计专业毕业，统计之都活跃会员。目前在阿里巴巴商业智能部任职，擅长数据分析和数据挖掘，喜欢用数据探索商业世界的边界。

王佳玮，黄山脚下长大，香港城大-中科大联合培养博士毕业，现于阿里云大数据孵化器团队搬砖，喜欢数据分析和挖掘在社会各领域的应用，目前正致力于用数据和算法解决交通拥堵问题。

谢时光，2011年博士毕业于美国弗吉尼亚理工大学工业工程系运筹学专业，毕业后从事数据分析、优化和决策支持相关工作至今。曾先后在安飞士（Avis）、费埃哲（FICO）等行业领先的公司从事从供应链到风险控制等多个应用领域的数据分析和优化决策研究工作。

刘梦馨，灵雀云高级软件工程师，专注于容器虚拟化领域，机器学习爱好者。

书籍目录

第1章　准备你的数据科学环境　1

简介　1

理解数据科学管道　3

处理流程　3

工作原理　3

在Windows、Mac OS X、Linux上安装R　5

准备工作　5

处理流程　5

工作原理　7

参考资料　7

在R和RStudio中安装扩展包　7

准备工作　8

处理流程　8

工作原理　9

更多内容　10

参考资料　10

在Linux和Mac OS X上安装Python　10

准备工作　11

处理流程　11

工作原理　11

更多内容　11

参考资料　12

在Windows上安装Python　12

处理流程　13

工作原理　13

参考资料　14

在Mac OS X和Linux上安装Python数据分析库　14

准备工作　14

处理流程　14

工作原理　15

更多内容　16

参考资料　16

安装更多Python包　17

准备工作　17

处理流程　17

工作原理　18

更多内容　18

参考资料　18

安装和使用virtualenv　19

准备工作　19

处理流程　19

工作原理　21

更多内容　21

参考资料　22

第2章　汽车数据的可视化分析（R）　23

简介　23

获取汽车燃料效率数据　24

准备工作　24

处理流程　25

工作原理　25

为了你的第一个项目准备好R　26

准备工作　26

处理流程　26

工作原理　26

参考资料　26

将汽车燃料效率数据导入R　27

准备工作　27

处理流程　27

工作原理　28

更多内容　29

参考资料　30

探索和描述燃料效率数据　30

准备工作　30

处理流程　30

工作原理　32

更多内容　33

进一步分析汽车燃料效率数据　34

准备工作　34

处理流程　34

工作原理　43

参考资料　44

研究汽车的产量以及车型　44

准备工作　44

处理流程　44

工作原理　46

更多内容　47

参考资料　47

第3章　模拟美式橄榄球比赛数据（R）　48

简介　48

准备工作　49

获取和清洗美式橄榄球比赛数据　49

准备工作　50

处理流程　50

工作原理　53

参考资料　53

分析和理解美式橄榄球比赛数据　53

准备工作　53

处理流程　53

工作原理　61

更多内容　61

参考资料　62

构建度量攻防能力的指标　62

准备工作　62

处理流程　62

工作原理　64

参考资料　65

模拟单场由程序决定胜负的比赛　65

准备工作　65

处理流程　65

工作原理　68

模拟多场由计算决定胜负的比赛　68

准备工作　68

处理流程　69

工作原理　73

更多内容　74

第4章　建模分析股票市场数据（R）　75

简介　75

准备工作　76

获取股票市场数据　76

处理流程　77

描述数据　78

准备工作　79

工作原理　80

更多内容　81

清洗和研究数据　82

准备工作　82

处理流程　82

工作原理　87

参考资料　87

形成相对估值法　87

准备工作　87

处理流程　88

工作原理　91

分析历史价格筛选股票　92

准备工作　92

处理流程　92

工作原理　98

第5章　就业数据的可视化探索（R）　99

简介　99

分析前的准备　100

准备工作　101

处理流程　101

工作原理　102

参考资料　102

将就业数据导入R　103

准备工作　103

处理流程　103

工作原理　104

更多内容　104

参考资料　105

就业数据探究　105

准备条件　105

处理流程　105

工作原理　107

参考资料　107

获取和合并添加附加信息　107

准备工作　107

处理流程　108

工作原理　109

添加地理信息　110

准备工作　110

处理流程　110

工作原理　113

参考资料　114

获取州和县级水平的薪资和就业信息　114

准备工作　114

处理流程　114

工作原理　116

参考资料　117

可视化薪资的地理分布特性　117

准备工作　118

处理流程　118

工作原理　120

参考资料　121

探究各行业工作的地理分布情况　121

处理流程　122

工作原理　123

更多内容　124

参考资料　124

绘制地理空间的时间序列地图　124

准备工作　124

处理流程　125

工作原理　128

更多内容　128

函数性能测试和比较　128

准备工作　129

处理流程　129

工作原理　131

更多内容　132

参考资料　132

第6章　运用税务数据进行应用导向的数据分析（Python）　133

简介　133

应用导向方法简介　134

准备高收入数据集的分析　135

准备工作　135

处理流程　135

工作原理　136

导入并熟悉世界各国高收入数据集　136

准备工作　137

处理流程　137

工作原理　143

更多内容　144

参考资料　144

分析并可视化美国的高收入数据集　144

准备工作　144

处理流程　145

工作原理　151

进一步分析美国的高收入阶层　152

准备工作　152

处理流程　152

工作原理　156

用Jinja2汇报结果　157

准备工作　157

处理流程　157

工作原理　162

更多内容　162

参考资料　163

第7章　运用汽车数据进行可视化分析（Python）　164

简介　164

IPython入门　165

准备工作　165

处理流程　165

工作原理　167

参考资料　167

熟悉IPython Notebook　167

准备工作　168

处理流程　168

工作原理　170

更多内容　170

参考资料　171

准备分析汽车油耗　171

准备工作　171

处理流程　171

工作原理　173

更多内容　173

参考资料　174

用Python熟悉并描述汽车油耗数据　174

准备工作　174

处理流程　174

工作原理　177

更多内容　177

参考资料　177

用Python分析汽车油耗随时间变化趋势　177

准备工作　177

处理流程　178

工作原理　183

更多内容　184

参考资料　185

用Python调查汽车的制造商和型号　185

准备工作　185

处理流程　185

工作原理　189

参考资料　189

第8章　社交网络分析（Python）　190

简介　190

理解图和网络　191

准备用Python进行社交网络的分析工作　192

准备工作　192

处理流程　193

工作原理　193

更多内容　193

导入网络　194

准备工作　194

处理流程　194

工作原理　196

探索英雄网络的子图　196

准备工作　197

处理流程　197

工作原理　199

更多内容　199

找出强关联　200

准备工作　201

处理流程　201

工作原理　203

更多内容　204

找出关键人物　204

准备工作　205

处理流程　205

工作原理　208

更多内容　209

调查全网的特征　215

准备工作　216

处理流程　216

工作原理　217

社交网络中的聚类和发现社群　217

准备工作　217

处理流程　218

工作原理　221

更多内容　221

可视化图　222

准备工作　222

处理流程　222

工作原理　224

第9章　大规模电影推荐（Python）　225

简介　226

对偏好建模　227

处理流程　227

工作原理　228

理解数据　229

准备工作　229

处理流程　229

工作原理　231

更多内容　231

加载电影评分数据　231

准备工作　231

处理流程　232

工作原理　234

寻找高评分电影　235

准备工作　236

处理流程　236

工作原理　237

更多内容　238

参考资料　238

提升电影评分系统　238

准备工作　238

处理流程　238

工作原理　239

更多内容　240

参考资料　240

计算用户在偏好空间中的距离　240

准备工作　241

处理流程　241

工作原理　243

更多内容　243

参考资料　243

计算用户相关性　244

准备工作　244

处理流程　244

工作原理　245

更多内容　246

为特定用户寻找最好的影评人　246

准备工作　246

处理流程　246

工作原理　247

预测用户评分　249

准备工作　249

处理流程　249

工作原理　250

基于物品的协同过滤　251

准备工作　251

处理流程　252

工作原理　253

建立非负矩阵分解模型　254

处理流程　255

工作原理　255

参考资料　256

将数据集载入内存　256

准备工作　257

处理流程　257

工作原理　258

更多内容　258

导出SVD模型至硬盘　259

处理流程　259

工作原理　260

训练SVD模型　261

处理流程　261

工作原理　262

更多内容　263

测试SVD模型　264

处理流程　264

工作原理　264

更多内容　264

第10章　获取和定位Twitter数据（Python）　266

简介　266

创建Twitter应用　267

准备工作　268

处理流程　268

工作原理　271

参考资料　271

了解Twitter API v1．1　271

准备工作　272

处理流程　272

工作原理　273

更多内容　274

参考资料　275

获取粉丝和朋友信息　275

准备工作　275

处理流程　275

工作原理　277

更多内容　277

参考资料　278

提取Twitter用户档案　278

准备工作　278

处理流程　278

工作原理　279

更多内容　279

参考资料　280

避免Twitter速度限制　280

准备工作　280

处理流程　280

工作原理　281

存储JSON数据至硬盘　281

准备工作　282

处理流程　282

工作原理　282

安装MongoDB　283

准备工作　283

处理流程　283

工作原理　284

更多内容　284

参考资料　285

利用PyMongo将用户信息存入MongoDB　285

准备工作　285

处理流程　285

工作原理　286

探索用户地理信息　287

准备工作　287

处理流程　287

工作原理　289

更多内容　290

参考资料　290

利用Python绘制地理分布图　290

准备工作　290

处理流程　291

工作原理　292

更多内容　293

参考资料　294

第11章　利用NumPy和SciPy优化数值计算（Python）　295

简介　295

了解优化的步骤　297

处理流程　297

工作原理　297

更多内容　298

识别代码中常见性能瓶颈　298

处理流程　299

工作原理　299

通读代码　301

准备工作　302

处理流程　302

工作原理　302

参考资料　304

利用Unix time函数剖析Python代码　305

准备工作　305

处理流程　305

工作原理　306

参考资料　306

利用Python内建函数剖析Python代码　306

准备工作　306

处理流程　306

工作原理　307

参考资料　308

利用IPython %timeit函数剖析Python代码　308

处理流程　308

工作原理　309

利用line_profiler剖析Python代码　309

准备工作　310

处理流程　310

工作原理　311

更多内容　312

参考资料　312

摘取低处的（经过优化的）果实　312

准备工作　312

处理流程　312

工作原理　314

测试NumPy带来的性能提升　315

准备工作　315

处理流程　315

工作原理　316

更多内容　317

参考资料　317

用NumPy重写函数　317

准备工作　317

处理流程　318

工作原理　320

用NumPy优化最内层循环　322

准备工作　322

处理流程　322

工作原理　324

更多内容　325

作者简介

这本书是基于R和Python的数据科学项目案例集锦，内容涵盖了基于数据科学的所有要素，包括数据采集、处理、清洗、分析、建模、可视化以及数据产品的搭建。案例包含了汽车数据分析、股票市场建模、社交网络分析、推荐系统、地理信息分析，以及Python代码的计算优化。通过手把手的案例解析，令读者知其然并知其所以然。业界的数据分析师、数据挖掘工程师、数据科学家都可以读一读。想要了解实际工作中如何用数据产生价值的在校学生，或者对数据科学感兴趣的人也值得一读。

 数据科学实战手册下载