R与Python的数据分析核心技巧：能源化学数据挖掘及可视化实战

　　《R与Python的数据分析核心技巧——能源化学数据挖掘及可视化实战》从数据挖掘、数据分析及可视化、建模及诊断的角度，以案例结构化的方法，在能源化学、能源环境应用工程的基础上，重点围绕超临界火电金属材料、核电蒸汽发生器水质、能源环境颗粒物、酸雨指标探讨，例如数据信息分析、大数据挖掘、数据信息可视化、模型建立及诊断等。本书分为7章，分别是“R从安装到实战准备”“Python从安装到实战准备”“能源领域的核心金属材料的性能分析”“水质净化工程的ORP数据分析”“能源环境的颗粒物、酸雨指标的数据挖掘”“能源大气的AQI数据可视化实战”及“数据回归拟合预测一体化实战”。《R与Python的数据分析核心技巧——能源化学数据挖掘及可视化实战》是专业性相对较强的科技读物，由于其内容涉及复杂的计算机软件、智能、数据挖掘及可视化等知识体系，读者不仅需要掌握“相对基础”的能源化学、能源工程、电力、数统、智能算法等专业知识，还需要掌握若干复杂的开源平台及软件应用（如Linux平台，R、Python、SwiProlog等开源软件）作为阅读本书的基础；为了让读者能快速实现书中相应功能，绝大部分分析图都附了相应软件开发的核心代码。本书既可供硕士研究生、博士研究生使用，也可供科研工作者使用；另外，对于科技爱好者或对书中特定环节感兴趣的读者，本书亦颇具参考价值。

　　李宇春，长沙理工大学，教授，工学博士。湖南省新世纪“121人才工程”第三层次人才，湖南省青年骨干教师，长沙理工大学硕士生导师，粉末冶金国家重点实验室博士后，学位与研究生教育专家，中国电力行业电厂化学标准化委员会技术专家。

第1章R从安装到实战准备 1
1.1R4.1.2的安装 1
1.2R软件启用后的基本操作 3
1.2.1设置R的工作目录 3
1.2.2退出R软件的方法 3
1.3快速熟悉R的常用指令 3
1.3.1data（）指令的强大功能 3
1.3.2demo（）指令的功能 4
1.4编写程序实例 6
1.5R软件的常用指令及脚本应用 6
1.5.1常用指令 6
1.5.2脚本及其应用 8
第2章Python从安装到实战准备 10
2.1安装前必须知道的事 10
2.1.1Python版本知识 10
2.1.2Python的优点 10
2.1.3Python语言的功能 11
2.2Python的安装 11
2.2.1Python 3.10.4版本的安装 11
2.2.2Python库模块 11
2.2.3Python库模块的安装 11
2.3Pandas、Numpy、Matplotlib库模块简介 13
2.3.1Pandas库 13
2.3.2Numpy库 13
2.3.3Matplotlib库 13
2.4Python的编程实例 13
2.4.1Python的起步 13
2.4.2一个简单的Python程序 14
2.5Python的常用指令 15
2.5.1常用函数指令 15
2.5.2常用的一些代码段指令 15
第3章能源领域的核心金属材料的性能分析——基于R 18
3.1超临界锅炉水冷壁管T23合金材料的性能评估 18
3.1.1超临界锅炉水冷壁管材料 18
3.1.2T23合金的特点 18
3.1.3T23合金不同pH值的耐蚀率分析 19
3.1.4T23合金在不同硫酸根浓度条件下的耐蚀率分析 20
3.1.5T23合金在不同温度条件下的耐蚀性能分析 21
3.2高参数火电机组过热器管T91材料的性能评估 22
3.2.1高参数火电机组过热器管材料 22
3.2.2不同条件对T91过热器管材料的电化学性能影响 22
3.2.3不同条件对T91合金性能指标的相关性分析 24
3.3超临界火电机组FGD系统材料性能评估 25
3.3.1FGD吸收塔入口的特种材料 25
3.3.2FGD泵叶轮材料的寿命影响因素分析 26
3.4超临界火电机组耐高温管P92材料的性能评估 27
3.4.1超临界火电机组耐高温管材料 27
3.4.2P92材料的寿命评估实验分析 28
3.5本章小结 30
第4章水质净化工程的ORP数据分析——基于R 31
4.1氧化还原电位的意义及评价方法 31
4.1.1氧化还原电位的意义 31
4.1.2氧化还原电位的评价方法 32
4.2ORP的测试条件及测试方法 32
4.3ORP的测试数据的描述性统计信息 33
4.3.1数据集的基本描述性信息 3
4.3.2数据集的频数分布图及核密度曲线 36
4.3.3数据集的频数分布分析 37
4.3.4数据集的累积概率分布分析 37
4.4数据集的正态性判断及分析 38
4.5数据集的茎叶图分布 39
4.6本章小结 39
第5章能源环境的颗粒物、酸雨指标的数据挖掘——基于R 40
5.1酸雨及可吸入颗粒物 40
5.1.1酸雨 40
5.1.2可吸入颗粒物 40
5.2能源环境颗粒物、酸雨指标数据集 41
5.3能源环境数据集的描述性统计分析 41
5.3.1数据集的基本描述性信息 41
5.3.2数据集的标准分数值信息 42
5.4能源环境数据集的分布及分组处理 45
5.4.1总体分布 45
5.4.2年度分布信息 46
5.4.3月度分布信息 47
5.4.4年份对月度分布影响的分析效果可视化 49
5.5能源大气化学指标的多元分析及可视化 50
5.5.1大气化学指标年度贡献对比效果的实现 50
5.5.2大气化学指标多元相关性分析 52
5.6本章小结 53
第6章能源大气的AQI数据可视化实战——基于Python 54
6.1AQI的特点及数据集的预处理 54
6.1.1AQI及分级 54
6.1.2AQI数据集的载入及预处理 54
6.2能源大气AQI数据集及其描述性统计信息 56
6.3能源大气AQI数据分布分析 57
6.3.1散点分布分析 58
6.3.2直方图分布显示 58
6.3.3多维散点图显示 62
6.4AQI数据带标准差的可视化实现 64
6.4.1标准差信息条的可视化 64
6.4.2标准差信息条及数值的可视化 65
6.5本章小结 67
第7章数据回归拟合预测一体化实战——基于Python 69
7.1AQI数据分布的点线图可视化 69
7.2AQI数据的线型回归模型及拟合分析 71
7.2.1线性回归模型的建立 71
7.2.2回归模型的诊断分析 73
7.3AQI数据的多项式模型及优化 73
7.3.1多项式回归模型的建立 73
7.3.2多项式回归模型的诊断分析 75
7.3.3优化多项式回归模型及其诊断 76
7.4AQI数据的组合多图可视化 77
7.4.1条状图及点线分布图的组合可视化 77
7.4.2组合图的双Y轴可视化 79
7.4.3组合图的综合分析可视化 81
7.4.4AQI年度均值及标准差的差值效果可视化 81
7.5能源化学人工智能的初步实现 83
7.5.1人工智能及其与Python的关系 83
7.5.2基于AIML的能源化学人工智能 84
7.6本章小结 86
 
参考文献 87
 
后记 88