网站数据挖掘分析与工具套装（京东套装共2册）

by Wes McKinney

社交网站数据如同深埋地下的“金矿”，如何利用这些数据来发现哪些人正通过社交媒介进行联系？他们正在谈论什么？或者他们在哪儿？本书第2版对上一版内容进行了全面更新和修订，它将揭示回答这些问题的方法与技巧。你将学到如何获取、分析和汇总散落于社交网站（包括Facebook、Twitter、LinkedIn、Google+、GitHub、邮件、网站和博客等）的数据，以及如何通过可视化找到你一直在社交世界中寻找的内容和你闻所未闻的有用信息。■借助IPythonNotebook、自然语言工具包、NetworkX和其他科学计算工具挖掘主流社交网站■使用高级文本挖掘技术（如聚类和TF-IDF）来提取人类语言数据中有价值的知识■通过发现GitHub上人、编程语言和代码工程间的亲密性，构建兴趣图谱■利用D3.js进行交互式可视化，充分发挥HTML5和JavaScript工具包的灵活特性■以“问题－解决方案－讨论”的方式详细讲解深入挖掘Twitter数据的实用技术，并提供代码示例本书的配套代码在公开的GitHub代码库中进行维护，可以通过一站式虚拟机来访问，你只需要使用方便易用的IPythonNotebook，即可进入愉快的交互式学习情景。《利用Python进行数据分析》讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用）。《利用Python进行数据分析》重点介绍了用于高效解决各种数据分析问题的Python语言和库。《利用Python进行数据分析》没有阐述如何利用Python实现具体的分析方法。讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用）。全面讲解社交网站数据分析的指南；第21届Jolt生产效率大奖获奖图书；对主流的各种社交网络进行了全面覆盖，全部源码维护于Github，读者可以通过IPythonNotebook运行书中的全部示例代码第1章准备工作本书主要内容本书讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用）。本书重点介绍了用于高效解决各种数据分析问题的Python语言和库。本书没有阐述如何利用Python实现具体的分析方法。当书中出现“数据”时，究竟指的是什么呢？主要指的是结构化数据（structureddata），这个故意含糊其辞的术语代指了所有通用格式的数据，例如：多维数组（矩阵）。表格型数据，其中各列可能是不同的类型（字符串、数值、日期等）。比如保存在关系型数据库中或以制表符/逗号为分隔符的文本文件中的那些数据。通过关键列（对于SQL用户而言，就是主键和外键）相互联系的多个表。间隔平均或不平均的时间序列。这绝不是一个完整的列表。大部分数据集都能被转化为更加适合分析和建模的结构化形式，虽然有时这并不是很明显。如果不行的话，也可以将数据集的特征提取为某种结构化形式。例如，一组新闻文章可以被处理为一张词频表，而这张词频

Paperback

Published February 1, 2015