实用数据分析（原书第2版）

　　本书提供了一系列将数据转化为重要结论的现实案例。书中覆盖了广泛的数据分析工具和算法，用于进行分类分析、聚类分析、数据可视化、数据模拟以及预测。本书的目标是帮助读者了解数据从而找到相应的模式、趋势、相互关系以及重要结论。书中所包括的实用项目充分利用了MongoDB、D3.js和Python语言，并采用代码片段和详细描述的方式呈现本书的核心概念。

　　作 者 简 介About the AuthorHector Cuesta　Dataxios（一家机器智能研发公司）的创办人及首席数据科学家，拥有信息学士及计算机科学硕士学位。他在金融、零售、金融科技、在线学习、人力资源等领域提供数据驱动产品设计的咨询服务。在空闲时间，他热衷于研究机器人。可以关注他的推特：https：//twitter.com/hmCuesta。本书献给我的妻子Yolanda和我可爱的孩子Damian和Issac，他们为我的生活带来了无比的快乐。同时把本书献给我的父母Elena和Miguel，感谢他们对我的支持和爱护。Dr. Sampath Kumar　Telangana大学应用统计系的助理教授和系主任，他拥有理学硕士、哲学硕士和统计学博士学位，拥有5年研究生教学经验，有超过4年的工作经验。他是SAS和MATLAB软件高级程序员，专长是利用SPSS、SAS、R、Minitab、MATLAB等软件进行数据统计。他在不同的应用学科和纯统计专业（如预测建模、应用回归分析、多变量数据分析、运营管理等）方面具有教学经验。

译者序
作者简介
审校者简介
前言
第1章　开始1
1.1　计算机科学1
1.2　人工智能2
1.3　机器学习2
1.4　统计学2
1.5　数学2
1.6　专业领域知识3
1.7　数据、信息和知识3
1.7.1　数据、信息和知识之间的相互性3
1.7.2　数据的本质4
1.8　数据分析过程5
1.8.1　问题6
1.8.2　数据准备6
1.8.3　数据探索7
1.8.4　预测建模7
1.8.5　结果可视化8
1.9　定量与定性数据分析9
1.10　数据可视化的重要性9
1.11　大数据10
1.12　自我量化12
1.12.1　传感器和摄像头12
1.12.2　社交网络分析13
1.13　本书的工具和练习13
1.13.1　为什么使用 Python14
1.13.2　为什么使用mlpy14
1.13.3　为什么使用D3.js14
1.13.4　为什么使用 MongoDB15
1.14　小结15
第2章　数据预处理16
2.1　数据源16
2.1.1　开源数据17
2.1.2　文本文件18
2.1.3　Excel文件18
2.1.4　SQL数据库18
2.1.5　NoSQL数据库19
2.1.6　多媒体20
2.1.7　网页检索20
2.2　数据清洗22
2.2.1　统计方法23
2.2.2　文本解析23
2.2.3　数据转化25
2.3　数据格式25
2.3.1　CSV26
2.3.2　JSON27
2.3.3　XML28
2.3.4　YAML29
2.4　数据归约30
2.4.1　过滤及抽样30
2.4.2　分箱算法30
2.4.3　降维31
2.5　开始使用OpenRefine工具32
2.5.1　text facet33
2.5.2　聚类33
2.5.3　文本过滤器34
2.5.4　numeric facet34
2.5.5　数据转化35
2.5.6　数据输出36
2.5.7　操作历史记录36
2.6　小结37
第3章　可视化38
3.1　可视化概述39
3.2　利用网页版的可视化39
3.3　探索科学可视化39
3.4　在艺术上的可视化40
3.5　可视化生命周期40
3.6　可视化不同类型的数据41
3.6.1　HTML41
3.6.2　DOM42
3.6.3　CSS42
3.6.4　JavaScript43
3.6.5　SVG43
3.7　开始使用D3.js43
3.7.1　柱状图44
3.7.2　饼图48
3.7.3　散点图50
3.7.4　单线图52
3.7.5　多线图55
3.8　交互与动画59
3.9　社交网络中的数据61
3.10　可视化分析的摘要62
3.11　小结62
第4章　文本分类63
4.1　学习和分类63
4.2　贝叶斯分类64
4.3　E-mail主题测试器65
4.4　数据66
4.5　算法68
4.6　分类器的准确性71
4.7　小结73
第5章　基于相似性的图像检索74
5.1　图像相似性搜索74
5.2　动态时间规整75
5.3　处理图像数据集77
5.4　执行DTW77
5.5　结果分析79
5.6　小结81
第6章　模拟股票价格82
6.1　金融时间序列82
6.2　随机漫步模拟83
6.3　蒙特卡罗方法84
6.4　生成随机数85
6.5　用D3.js实现86
6.6　计量分析师91
6.7　小结93
第7章　预测黄金价格94
7.1　处理时间序列数据94
7.2　平滑时间序列97
7.3　线性回归100
7.4　数据—历史黄金价格101
7.5　非线性回归101
7.5.1　核岭回归102
7.5.2　平滑黄金价格时间序列104
7.5.3　平滑时间序列的预测105
7.5.4　对比预测值106
7.6　小结107
第8章　使用支持向量机的方法进行分析108
8.1　理解多变量数据集109
8.2　降维111
8.2.1　线性无差别分析112
8.2.2　主成分分析112
8.3　使用支持向量机114
8.3.1　核函数115
8.3.2　双螺旋问题116
8.3.3　在mlpy中实现SVM116
8.4　小结119
第9章　应用细胞自动机的方法对传染病进行建模120
9.1　流行病学简介120
9.2　流行病模型122
9.2.1　SIR模型122
9.2.2　使用SciPy来解决SIR模型的常微分方程123
9.2.3　SIRS模型124
9.3　对细胞自动机进行建模125
9.3.1　细胞、状态、网格和邻域126
9.3.2　整体随机访问模型127
9.4　通过D3.js模拟CA中的SIRS模型127
9.5　小结135
第10章　应用社交图谱136
10.1　图谱的结构136
10.1.1　无向图137
10.1.2　有向图137
10.2　社交网络分析137
10.3　捕获Facebook图谱138
10.4　使用Gephi再现图谱139
10.5　统计分析142
10.6　度的分布144
10.6.1　图谱直方图145
10.6.2　集中度146
10.7　将GDF转化为JSON148
10.8　在D3.js环境下进行图谱可视化150
10.9　小结154
第11章　分析Twitter数据155
11.1　解析Twitter数据155
11.1.1　tweet156
11.1.2　粉丝156
11.1.3　热门话题156
11.2　使用OAuth访问Twitter API157
11.3　开始使用Twython158
11.3.1　利用Twython进行简单查询159
11.3.2　获取时间表数据163
11.3.3　获取粉丝数据165
11.3.4　获取地点和趋势信息167
11.3.5　获取用户数据168
11.3.6　API流169
11.4　小结171
第12章　使用MongoDB进行数据处理和聚合172
12.1　开始使用MongoDB172
12.1.1　数据库173
12.1.2　集合175
12.1.3　文件175
12.1.4　Mongo shell175
12.1.5　Insert/Update/Delete176
12.1.6　查询177
12.2　数据准备178
12.2.1　使用OpenRefine进行数据转换179
12.2.2　通过PyMongo插入文件180
12.3　分组182
12.4　聚合框架184
12.4.1　流水线184
12.4.2　表达式185
12.5　小结186
第13章　使用MapReduce方法188
13.1　MapReduce概述188
13.2　编程模型189
13.3　在MongoDB中使用MapReduce190
13.3.1　map函数190
13.3.2　reduce函数191
......