Python数据分析基础与案例实战

图书介绍

本书特色：1、紧扣交通大数据分析全流程：本书的设计思路以数据分析的流程为导向，结合交通数据讲解流程中的每个环节，并通过课后习题巩固所学知识，详细介绍如何使用Python实现交通大数据分析的完整流程。2、注重项目实战应用：本书通过讲解实际交通行业的相关项目，让读者明确如何利用所学知识来解决生产、生活中的问题，真正理解并能够应用所学知识。3、注重启发式教学：全书大部分章节紧扣具体应用展开，不堆积知识点，着重于思路的启发与解决方案的实施。

本书简介：本书以Python数据分析的常用技术与交通行业真实案例相结合的方式，深入浅出的介绍Python数据分析与挖掘技术的重要内容。全书共10章，内容包括交通大数据的背景与应用、数据分析的基本任务和基本流程、开发环境，Python的基本命令和基本数据结构、Python数据分析常用类库、常见数据来源、交通信息采集技术、常见数据类型、常见数据读取方法、数据探索、数据预处理、常见分类与回归模型、聚类模型、时间序列模型等技术，以及运输车辆驾驶行为分析、公交站点设置优化分析、铁路旅客客流量预测、如何使用TipDM数据挖掘建模平台实现运输车辆驾驶行为分析案例。本书大部分章节包含了课后习题，通过练习和操作实践，帮助读者巩固所学的内容。

本书适用对象：1、开设有数据分析与挖掘课程的交通行业高校的学生；2、数据分析与挖掘应用的开发人员；3、进行数据分析应用研究的科研人员。

图书目录

第1章 绪论

1.1 了解交通大数据
        1.1.1 交通大数据的背景
        1.1.2 交通大数据的应用
1.2 认识数据分析
        1.2.1 掌握数据分析的基本任务
        1.2.2 熟悉数据分析的基本流程
1.3 了解常用的数据分析工具
1.4配置Python开发环境
        1.4.1 安装Anaconda
        1.4.2 掌握Jupyter Notebook的使用方法
小结
课后习题

第2章 Python数据分析简介

2.1 入门Python数据分析
        2.1.1 了解基本命令
        2.1.2 掌握数据结构
        2.1.3 导入与添加库
2.2 了解Python数据分析常用类库
        2.2.1 NumPy
        2.2.2 SciPy
        2.2.3 pandas
        2.2.4 Matplotlib
        2.2.5 scikit-learn
小结
课后习题

第3章 数据获取

3.1 了解常见的数据来源
3.2 了解交通信息的采集
        3.2.1 交通信息的分类与特点
        3.2.2 常见的交通信息采集技术
3.3 了解常见的数据类型
3.4 掌握数据的读取方式
        3.4.1 读取数据库数据
        3.4.2 读取文件数据
小结
课后习题

第4章 数据探索

4.1 分析数据质量
        4.1.1 分析缺失值
        4.1.2 分析异常值
4.2 分析数据特征
        4.2.1 分析数据的统计量
        4.2.2 分析数据的分布情况
        4.2.3 对比分析数据
        4.2.4 分析数据的周期性
        4.2.5 分析数据的相关性
小结
课后习题

第5章 数据预处理

5.1 清洗数据
        5.1.1 处理缺失值
        5.1.2 处理异常值
5.2 变换数据
        5.2.1 函数变换
        5.2.2 标准化数据
        5.2.3 离散化连续型数据
5.3 属性构造
5.4 属性规约
5.5 合并数据
        5.5.1 合并多个表
        5.5.2 分组聚合数据
小结
课后习题

第6章 构建模型

6.1 构建分类与回归模型
        6.1.1 常用的分类与回归算法
        6.1.2 了解回归分析
        6.1.3 了解决策树
        6.1.4 了解人工神经网络
        6.1.5 评价分类与回归算法
6.2 构建聚类模型
        6.2.1 了解常用的聚类算法
        6.2.2 了解K-Means聚类
        6.2.3 了解密度聚类
        6.2.4 聚类模型评价
6.3 构建时间序列模型
        6.3.1 了解常用的时间序列算法
        6.3.2 预处理时间序列
        6.3.3 分析平稳时间序列
        6.3.4 分析非平稳时间序列
小结
课后习题

第7章 运输车辆驾驶行为分析

7.1 分析背景与目标
        7.1.1 背景
        7.1.2 数据说明
        7.1.3 分析目标
7.2 数据探索分析
        7.2.1 分布分析
        7.2.2 相关性分析
        7.2.3 异常值检测
7.3 驾驶行为聚类分析
        7.3.1 K-Means聚类
        7.3.2 层次聚类
        7.3.3 高斯混合模型聚类
        7.3.4 谱聚类
7.4 构建驾驶行为预测模型
        7.4.1 构建线性判别分析模型
        7.4.2 构建朴素贝叶斯模型
        7.4.3 构建神经网络模型
7.5 驾驶行为分析总结与建议
小结
课后习题

第8章 公交站点设置优化分析

8.1 分析背景与目标
        8.1.1 背景
        8.1.2 数据说明
        8.1.3 分析目标
8.2 探索公交车刷卡数据
8.3 预处理公交车GPS数据与刷卡数据
        8.3.1 属性规约
        8.3.2 处理缺失值
        8.3.3 数据去重
8.4 构建DBSCAN模型
8.5 公交站点优化分析
        8.5.1 计算上车人数
        8.5.2 计算下车人数
        8.5.3 结果分析
小结
课后习题

第9章 铁路旅客客流量预测

9.1 分析背景与目标
        9.1.1 背景
        9.1.2 数据说明
        9.1.3 分析目标
9.2 预处理客流量数据
9.3 探索客流量数据
        9.3.1 不同站点客流量分布分析
        9.3.2 不同时段上下车客流量分布分析
        9.3.3 分析节假日客流量变化
9.4 构建模型并预测客流量
        9.4.1 构建时间序列模型
        9.4.2 预测非节假日客流量
        9.4.3 预测节假日客流量
小结
课后习题

第10章 基于TipDM大数据挖掘建模平台实现运输车辆驾驶行为分析

10.1 TipDM大数据挖掘建模平台简介
        10.1.1 共享库
        10.1.2 数据连接
        10.1.3 数据集
        10.1.4 我的工程
        10.1.5 个人算法
10.2 实现运输车辆驾驶行为分析
        10.2.1 数据源配置
        10.2.2 数据探索分析
        10.2.3 驾驶行为聚类分析
        10.2.4 构建驾驶行为预测模型
小结