本書旨在成為讀者進入數據科學領域的指南。全書共20章，涵蓋了數據科學及其應用的各個方面，引入經典數據集將理論與實踐相結合，采用Jupyter等工具，以Python語言由淺入深地介紹了數據科學及相關學科的基本概念、數據預處理、機器學習及時間序列等內容，并提供了不同的案例研究，以達到學以致用的效果。通過閱讀本書，讀者將獲得成為一名數據科學家所需的基本知識和技能。
本書適合有Python或其他編程語言基礎，并對數據科學感興趣的人員閱讀。
1.本書是目前市面上僅有的以Jupyter為主題的圖書。
2.本書涵蓋大量的實際案例，幫助讀者學以致用。
3.通過簡單易懂的Python示例，掌握數據科學技能。
學習Python編程技能以展開獨立的數據科學項目。
通過Python語言學習線性代數和統計學的基礎知識。
建立預測模型，調整其參數并分析性能。
對無標簽的數據集進行聚類、轉換、可視化和提取。
學習如何使用matplotlib和seaborn實現數據可視化。
為實際業務場景實現和保存機器學習模型。
現代商業中充斥著數據，因而由數據驅動的決策任務變得越來越復雜，執行此類任務就需要相關的技術知識和分析技能。本書旨在幫助您掌握Python知識，同時熟練使用Jupyter Notebook等工具，以勝任數據科學家的角色。
本書簡要介紹了數據科學的基礎知識和您在學習中可能遇到的問題，并概述了書中涵蓋的關鍵主題。您將學會如何安裝Anaconda和設置Jupyter Notebook，如何使用導入、清理、可視化和處理數據所需的基本數據結構、函數、庫和包，并且深入研究監督學習、無監督學習和其他機器學習技術。
本書的最后通過一些案例將書中介紹的知識用于實踐，解決實際的業務問題，如預測借款人償還貸款的能力、對垃圾短信進行分類、構建電影推薦引擎和預測房價。
普拉泰克·古普塔（Prateek Gupta）是一位有著超過6年工作經驗的數據科學專業人士，曾在HCL、Zensar和Sapient等多家跨國IT巨頭就職，其專業領域主要是尋找模式、運用先進統計方法和算法揭示隱藏的規律，力爭最大限度地提高企業收入和盈利能力，并確保高效的運營管理。
他是一位具有主觀能動性并且在電子商務領域頗有建樹的忠實數據愛好者，還憑借自己在商品自動分類、情感分析、客戶細分和推薦引擎方面的機器學習專業知識幫助了NTUC Singapore和Times Group India等多個客戶。他秉持著這一理念：“當天才放棄努力時，勤奮將超越天賦”。
他感興趣的是有關機器學習和自然語言處理在各個行業的應用的前沿研究領域。閑暇時，他喜歡通過自己的博客分享知識，并激勵年輕人進入令人興奮的數據科學世界。
第 1章 數據科學基本概念 1
1.1 數據的概念 2
1.1.1 結構化數據 2
1.1.2 非結構化數據 2
1.1.3 半結構化數據 3
1.2 數據科學的定義 3
1.3 數據科學家的工作 4
1.4 數據科學應用實例 5
1.5 為何Python適合數據科學 6
1.6 小結 7
第 2章 軟件安裝與配置 8
2.1 系統要求 9
2.2 下載Anaconda 9
2.3 在Windows系統上安裝Anaconda 10
2.4 在Linux系統上安裝Anaconda 11
2.5 如何在Anaconda中安裝新的Python庫 13
2.6 打開筆記本—Jupyter 14
2.7 了解筆記本 15
2.8 小結 19
第3章 列表與字典 20
3.1 什么是列表 21
3.2 如何創建列表 21
3.3 列表的不同操作 22
3.4 列表與數組的差異 25
3.5 什么是字典 26
3.6 如何創建字典 26
3.7 字典的相關操作 26
3.8 小結 28
第4章 函數與包 29
4.1 Python的Help()函數 30
4.2 如何導入Python包 30
4.3 如何創建并調用函數 31
4.4 在函數中傳遞參數 31
4.5 函數的默認參數 32
4.6 如何在函數中使用未知參數 32
4.7 函數的全局與本地變量 33
4.8 Lambda函數 35
4.9 了解Python中的main方法 35
4.10 小結 38
第5章 NumPy基本概念 39
5.1 導入NumPy包 39
5.2 為何NumPy數組優于列表 40
5.3 NumPy數組屬性 41
5.4 創建NumPy數組 41
5.5 訪問NumPy數組中的元素 43
5.6 NumPy數組的切片 44
5.7 數組連接 46
5.8 小結 47
第6章 Pandas和數據幀 48
6.1 導入Pandas 48
6.2 Pandas數據結構 49
6.3 .loc[]和.iloc[] 54
6.4 一些有用的數據幀函數 55
6.5 處理數據幀中的缺失值 57
6.6 小結 60
第7章 與數據庫交互 61
7.1 SQLAlchemy 62
7.2 安裝SQLAlchemy包 62
7.3 如何使用SQLAlchemy 63
7.4 SQLAlchemy引擎配置 64
7.5 在數據庫中新建表 65
7.6 在表中插入數據 66
7.7 更新記錄 67
7.8 如何合并表格 68
7.8.1 內連接 68
7.8.2 左連接 69
7.8.3 右連接 70
7.9 小結 70
第8章 數據科學中的統計思維 71
8.1 數據科學中的統計學 72
8.2 統計數據/變量的類型 72
8.3 平均數、中位數和眾數 73
8.4 概率的基本概念 74
8.5 統計分布 75
8.6 Pearson相關系數 77
8.7 概率密度函數 78
8.8 真實案例 79
8.9 統計推斷與假設檢驗 79
8.10 小結 86
第9章 如何在Python中導入數據 87
9.1 導入TXT數據 88
9.2 導入CSV數據 89
9.3 導入Excel數據 90
9.4 導入JSON數據 90
9.5 導入腌制數據 91
9.6 導入壓縮數據 91
9.7 小結 92
第 10章 清洗導入的數據 93
10.1 了解數據 94
10.2 分析缺失值 95
10.3 丟棄缺失值 97
10.4 自動填充缺失值 98
10.5 如何縮放和歸一化數據 99
10.6 如何解析日期 102
10.7 如何應用字符編碼 104
10.8 清洗不一致的數據 105
10.9 小結 106
第 11章 數據可視化 107
11.1 條形圖 108
11.2 折線圖 109
11.3 直方圖 110
11.4 散點圖 111
11.5 堆積圖 111
11.6 箱線圖 113
11.7 小結 115
第 12章 數據預處理 116
12.1 關于案例研究 116
12.2 導入數據集 117
12.3 探索性數據分析 118
12.4 數據清洗與預處理 122
12.5 特征工程 124
12.6 小結 129
第 13章 監督式機器學習 130
13.1 常見的機器學習術語 131
13.2 機器學習導論 132
13.3 常用機器學習算法列述 133
13.4 監督式機器學習基礎 134
13.5 解決分類機器學習問題 136
13.6 為何要進行訓練/測試拆分和交叉驗證 140
13.7 解決回歸機器學習問題 144
13.8 如何調整機器學習模型 152
13.9 如何處理sklearn中的分類變量 154
13.10 處理缺失數據的高級技術 155
13.11 小結 158
第 14章 無監督式機器學習 159
14.1 為何選擇無監督式機器學習 160
14.2 無監督式機器學習技術 160
14.2.1 聚類 161
14.2.2 主成分分析 169
14.3 案例研究 172
14.4 驗證無監督式機器學習 178
14.5 小結 179
第 15章 處理時間序列數據 180
15.1 為何時間序列重要 181
15.2 如何處理日期和時間 181
15.3 轉換時間序列數據 184
15.4 操作時間序列數據 187
15.5 比較時間序列的增長率 189
15.6 如何改變時間序列頻率 192
15.7 小結 198
第 16章 時間序列法 199
16.1 時間序列預測的定義 200
16.2 預測的基本步驟 200
16.3 時間序列預測的技術 201
16.3.1 自回歸 201
16.3.2 移動平均 202
16.3.3 自回歸移動平均 203
16.3.4 自回歸積分移動平均 203
16.3.5 季節性自回歸積分移動平均 204
16.3.6 季節性自回歸積分移動平均與外生回歸因子 205
16.3.7 向量自回歸移動平均 205
16.3.8 Holt-Winters指數平滑 206
16.4 預測網頁的未來流量 207
16.5 小結 214
第 17章 案例研究1 215
第 18章 案例研究2 230
第 19章 案例研究3 239
第 20章 案例研究4 247
新書資訊