Python数据分析与挖掘实战配套教材电子课件（完整版）.pptx

数据挖掘基础;;;;; 分类与回归预测; 聚类分析; 关联规则;; 时间序列;;数据挖掘的通用流程;数据挖掘的通用流程;数据挖掘的通用流程;;;;;;;;;;;;;;;;;;;Python数据挖掘编程基础;;赋值运算 乘法运算 幂运算 多重赋值 字符串操作 ;a = 3 a * 3 a ** 3 a, b, c = 1, 2, 3 # 多重赋值 # 字符串操作 a = This is the Python world a + Welcome! # 将a与 Welcome!拼接，得到This is the Python world Welcome! a.split( ) # 将a以空格分割，得到列表[This, is, the, Python, world];判断语句;for循环语句;;for i in range(1, 5, 1): print(i);def pea(x): return x + 1 print(pea(1)) # 输出结果为2;c = lambda x: x + 1 # 定义函数c(x) = x + 1 d = lambda x, y: x + y + 6 # 定义函数d(x,y) = x + y + 6;数据结构;数据结构; （1）列表的基本操作 列表的创建 列表的长度 列表元素计数 列表的下标 列表的切片与索引 列表的运算 列表的增、删、改、查操作 ; （2）列表的其他常用函数 ; （1）元组的基本操作 元组的创建 元组的长度 元组元素计数 元组的下标 元组的切片与索引 元组的运算 元组的查询操作 ; 在数学上，字典实际上是一个映射。字典将键映射到值，通过键来调取数据 。 ;k = {1, 1, 2, 3, 3} # 注意1和3会自动去重，得到{1, 2, 3} k = set([1, 1, 2, 3, 3]) # 同样地，将列表转换为集合，得到{1, 2, 3};a = f | g # f和g的并集 b = f g # f和g的交集 c = f – g # 求差集（项在f中，但不在g中） d = f ^ g # 对称差集（项在f或g中，但不会同时出现在二者中）; 函数式编程（Functional programming）或函数程序设计，又称泛函编程，是一种编程范型。在Python中，函数式编程主要由lambda、map、reduce、filter几个函数构成。 假设有一个列表a = [5, 6, 7]，需要为列表a中的每个元素都加3，使用map函数实现并生成一个新列表：;函数式编程（Functional programming）或函数程序设计，又称泛函编程，是一种编程范型。在Python中，函数式编程主要由lambda、map、reduce、filter几个函数构成。 假设有一个列表a = [5, 6, 7]，需要为列表a中的每个元素都加3，使用map函数实现并生成一个新列表：;# 使用math库进行数学运算 import math math.sin(2) # 计算正弦 math.exp(2) # 计算指数 math.pi # 内置的圆周率常数 ;from math import * #导入math库中包含的所有函数，若大量地这样引入第三库，则可能会容易引起命名冲突 exp(2) sin(2) ;添加第三方库;;NumPy;pandas; Matplotlib是约翰·亨特（John Hunter）在2008年左右的博士后研究中发明出来的，最初只是为了可视化癞痢病人的一些健康指标，慢慢的Matplotlib变成了Python上最广泛使用的可视化工具包。 支持折线图、条形图、柱状图、饼图的绘制。 支持交互式绘图和非交互式绘图。 支持Linux、Windows、Mac OS X与Solaris的跨平台绘图。 迁移学习的成本比较低。 ;; scikit-learn还是Python下强大的机器学习工具包，提供了完善的机器学习工具箱，是一种简单高效的数据分析和挖掘的工具。scikit-learn不仅提供了一些实例数据用于练习，还提供了很多功能接口： model.fit()：用于训练模型 model.predict(X_new)：预测新样本 model.predict_proba(X_new)：预测概率 model.score()：得分越高，模型拟合效果越好 model.transform()：在fit函数的基础上，进行标准化，降维，归一化等数据处理操作 model.fit_transform()：fit函数和transform函数的组合，既包括了训练又包含了数