Python数据预处理技术与实践

封面

书名页

版权信息

作者简介

内容简介

前言

本书的主要内容

本书的主要特色

本书面向的读者

源码下载和说明

本书作者介绍

第1章 概 述

1.1 Python数据预处理

1.2 开发工具与环境

1.3 实战案例：第一个中文分词程序

1.4 本章小结

第2章 Python科学计算工具

2.1 NumPy

2.2 SciPy

2.3 Pandas

2.4 本章小结

第3章 数据采集与存储

3.1 数据与数据采集

3.2 数据类型与采集方法

3.3 网络爬虫技术

3.4 爬取数据以JSON格式进行存储

3.5 爬取数据的MySQL存储

3.6 网络爬虫技术扩展

3.7 本章小结

第4章 文本信息抽取

4.1 文本抽取概述

4.2 文本抽取问题

4.3 Pywin32抽取文本信息

4.4 文本批量编码

4.5 实战案例：遍历文件批量抽取新闻文本内容

4.6 本章小结

第5章 文本数据清洗

5.1 新闻语料的准备

5.2 高效读取文件

5.3 通过正则表达式来清洗文本数据

5.4 清洗HTML网页数据

5.5 简繁字体转换

5.6 实战案例：批量新闻文本数据清洗

5.7 本章小结

第6章 中文分词技术

6.1 中文分词简介

6.2 结巴分词精讲

6.3 HanLP分词精讲

6.4 自定义去除停用词

6.5 词频统计

6.6 自定义去高低词频

6.7 自定义规则提取特征词

6.8 实战案例：新闻文本分词处理

6.9 本章小结

第7章 文本特征向量化

7.1 解析数据文件

7.2 处理缺失值

7.3 数据的归一化处理

7.4 特征词转文本向量

7.5 词频-逆词频（TF-IDF）

7.6 词集模型与词袋模型

7.7 实战案例：新闻文本特征向量化

7.8 本章小结

第8章 Gensim文本向量化

8.1 Gensim的特性和核心概念

8.2 Gensim构建语料词典

8.3 Gensim统计词频特征

8.4 Gensim计算TF-IDF

8.5 Gensim实现主题模型

8.6 实战案例：Gensim实现新闻文本特征向量化

8.7 本章小结

第9章 PCA降维技术

9.1 什么是降维

9.2 PCA概述

9.3 PCA应用场景

9.4 PCA的算法实现

9.5 实战案例：PCA技术实现新闻文本特征降维

9.6 本章小结

第10章 数据可视化

10.1 Matplotlib概述

10.2 Matplotlib绘制折线图

10.3 Matplotlib绘制散点图

10.4 Matplotlib绘制直方图

10.5 练习：Matplotlib绘制气温图

10.6 练习：Matplotlib绘制三维图

10.7 本章小结

第11章 竞赛神器XGBoost

11.1 XGBoost概述

11.2 XGBoost的优点

11.3 使用XGBoost预测毒蘑菇

11.4 XGBoost优化调参

11.5 预测糖尿病患者

11.6 本章小结

第12章 XGBoost实现新闻文本分类

12.1 文本分类概述

12.2 文本分类的原理

12.3 分类模型评估

12.4 数据预处理

12.5 XGBoost分类器

12.6 新闻文本分类应用