数据之魅：基于开源工具的数据分析

《数据之魅：基于开源工具的数据分析》结合作者多年来从事数据分析工作的丰富经验，阐述了数据分析所涉及的概念和方法。本书四部分19章，主题包括如何通过图表来观察数据，如何通过各种建模方法来分析数据，然后着重阐述如何进行数据挖掘，最后强调数据分析在商业和金融等领域的实际应用。本书包含大量的模拟过程及结果展示，并通过实例来阐述如何使用开源工具来进行数据分析。通过本书的阅读，读者可以清楚地了解这些方法的实际用法及用途。
本书结构合理，通俗易懂，适合数据分析爱好者和从业者阅读，也适合以科学计算为工具的科研人员参考。同时，本书还适用于计算机科学、数学、工程技术和其他相关专业本科或研究生的数据分析课程，是一本不错的参考书。

“一本通俗易懂的参考书，有助于理解如何征服海量数据。”
——Austin King，Mozolla资深Web开发人员

“造就数据科学家的必读工具书。”
——Michael E. Driscoll，Dataspora的CEO兼创始人

第1 章导论
数据分析
本书内容
关于讲习班
关于数学
需要具备的知识
本书不涉及的内容
第Ⅰ部分图表：观察数据
第 2 章单一变量：形状和分布
数据点和抖动图
直方图和核密度估计
直方图
核密度估计
(选学)如何选择最优带宽
累积分布函数
(选学)概率图分布和QQ 图
分布的对比
秩序图和上升图
仅用于适当时机：汇总统计量和箱形图
汇总统计量
Box-and-Whisker 图
(讲习班)NumPy
NumPy 实践
NumPy 详解
扩展阅读
第3 章两个变量：建立关系
散点图
克服噪声：平滑
样条
LOESS
示例
残差
其他观点及提醒
对数图
倾斜
线性回归以及诸如此类的方法
描述重要信息
图形分析与图形演示
(讲习班)matplotlib
交互式使用matplotlib
案例学习：matplotlib 与
LOESS
控制属性
matplotlib 对象模型及结构

零碎知识
扩展阅读
第4 章以时间为变量：
时序分析
示例
任务
需求和现实
平滑处理
移动平均法
指数平滑法
不要忽视显而易见的东西
相关函数
示例
实现上的问题
(选学)过滤器和卷积
(讲习班)scipysignal
扩展阅读
第5 章多变量：图形的多变量分析
假色图
概览：多值图
散点图矩阵
协作图
变种
组成问题
组成的改变
多维组成：树形图和马赛克图
新颖的曲线类型标识符
平行坐标图
交互式探索
查询和缩放
连接和涂层
大游览与投影寻踪工具
(讲习班)多变量图形工具R
实验工具Python 的Chaco 库
扩展阅读
第6 章插曲：数据分析会话
数据分析会话
(讲习班)gnuplot 软件
扩展阅读
第Ⅱ部分分析：数据建模
第 7 章推算和粗略计算
推算的原理
估计大小
建立关联
使用数字
10 的幂
小扰动
对数

更多示例
我所知道的一些常见事(物)
的相关数字
这些数字是否足够好？
准备工作：可行性和成本
完成之后：引用和
呈现数字
(选学)进一步探索摄动理论和
误差传播
误差传播
(讲习班)Gnu 科学库(GSL)
扩展阅读
第8 章缩放参数模型
模型
建模
模型的运用和误用
参数的缩放
缩放参数
示例：维度参数
示例：优化问题
示例：成本模型
(选学)缩放参数与
量纲分析
其他理论
平均场近似
背景知识和其他示例
常见的时间演变方案
无限增长和衰减现象
约束增长：逻辑斯谛方程
振荡
案例学习：多少台服务器才是
最好的？
为什么要建模？
(讲习班)Sage
扩展阅读
第9 章关于概率模型的讨论
91 二项分布和伯努利试验
精确的结果
利用伯努利试验建立平均场
模型
92 高斯分布和中心极限定理
中心极限定理
中心项与尾项
为什么高斯分布如此实用？
(选学)高斯积分
幂律分布和非常规统计学
幂律分布的用法
(选学)期望值为无限时的
分布
接下来的研究
其他分布
几何分布
泊松分布
对数正态分布
特殊用途的分布

(选学)案例学习--随时间变化的单一访问者数量
(讲习班)幂律分布
扩展阅读
第10 章你真正需要了解的经典统计学知识起源
统计学的定义
从统计学角度解释
示例：公式测验
VS 图解法
控制实验VS 观察研究
实验设计
前景
(选学)贝叶斯统计--
另一种观点
用频率论来解释概率
用贝叶斯方法来理解概率
贝叶斯数据分析： 一个实际有
效的例子
贝叶斯推理：总结与讨论
(讲习班)R 语言
扩展阅读
第11 章插叙：数学大搜捕--
大脚怪和最小二
乘等
111 如何平均均值
辛普森(Simpson)悖论
标准差
如何计算
(选学)应该选择哪一个
(选学)标准误差
最小二乘
统计参数估计
函数逼近
扩展阅读
第Ⅲ部分计算：数据挖掘
第 12 章模拟
热身问题
蒙特卡洛模拟
组合问题
获得结果分布
优点和缺点
重新采样方法
拔靴法
拔靴法适用于哪些情况？
拔靴变量
(讲习班)SimPy 离散事件模拟
SimPy 简介
最简单的排队过程
(选学)排队理论
运行SimPy 模拟
小结

扩展阅读
第13 章找出簇
簇由什么组成？
一种不同的观点
距离计算和相似度计算
常见的距离和相似度
计算方法
聚类方法
中心探索法
树形构造器
邻居生长器
前期处理和后期处理
规模的规范化
类的属性和评估
其他想法
具体案例：超市购物篮的
分析
提醒
(讲习班)Pycluster 和C 聚类库
扩展阅读
第14 章一木见林：
找出重要属性
主成分分析法
动机
(选学)理论
解释
计算
实用观点
双标图
可视化技术
多元尺度法
网络图
柯霍南图
(讲习班)用R 进行PCA
扩展阅读
线性代数
第15 章插曲：当数据不成
比例地增长时
一个真实的故事
一些建议
map/reduce 如何
(讲习班)生成排列
扩展阅读
第Ⅳ部分应用：数据的使用
第 16 章报表、商务智能和
仪表板
商务智能
报表
企业指标和仪表板
关于指标计划的建议
数据的质量问题
数据的可用性
数据的一致性
(讲习班)Berkeley DB 和SQLite

Berkeley DB
SQLite
扩展阅读
第17 章金融计算与建模
货币的时间价值
一次性支付：未来值和
现值
多笔付款：复利
复利的计算技巧
概览：现金流分析和
净现值
计划成本和机会成本中的
不确定性
用账户的期望值来考虑
不确定性
机会成本
成本概念及贬值
直接成本和间接成本
固定成本和可变成本
资本开支与运营成本
是否应该加以关注？
这些就是全部吗？
(讲习班)报纸经销商问题
(选学)精确解
扩展阅读
报纸经销商问题
第18 章预测分析
预测分析的主题
一些分类术语
分类算法
基于实例的分类和最近邻
分类算法
贝叶斯分类器
回归
支持向量机
决策树和基于规则的
分类器
其他分类算法
流程
集成方法：Bagging 和
Boosting
估计预测误差
类不平衡问题
私家秘诀
统计学习的本质
(讲习班)自己编写的两个
分类器
扩展阅读
第19 章结语：事实并非
现实
附录A 科学计算与数据分析的
编程环境
附录B 应用：微积分
附录C 使用数据
索引