Python Data Analysis: Master Python Analytics with Machine Learning, Deep Learning, GenAI, LLMs, and Data Engineering
内容简介
本书引领您超越常规的数据清洗与可视化，深入现代数据分析的核心——构建可扩展的数据管道，应用机器学习，处理文本与图像数据，并一窥生成式AI与大语言模型等前沿AI技术。依托Python蓬勃发展的数据生态，本书手把手教您攻克这些现实挑战。
不同于聚焦单一库或技术的著作，本书采用端到端的系统化视角，覆盖Python数据分析的完整流程。您将从数据准备、探索性分析起步，一路进阶至机器学习、自然语言处理、图像分析、规模化计算，直至AI驱动的工作流构建。
全书从统计学基础出发，系统讲解数据清洗、变换、整理与可视化技巧；随后深入时间序列分析、信号处理、预测建模，并实战应用回归、分类、聚类、主成分分析、概率方法与贝叶斯推断等机器学习技术。
书中还涵盖图分析、情感分析、自然语言处理、图像分析、生成式AI与大语言模型等前沿专题。最后，您将学会运用Dask、Modin、Ray和PySpark等框架，为分析工作流赋予大规模并行处理能力。
学完本书，您将具备构建端到端数据分析管道的完整能力，能够运用现代数据科学与AI技术，从容应对真实世界的复杂问题。
核心特色
借助Python、pandas及探索性数据分析技术，完成数据准备、清洗与变换
使用Python实现回归、分类、聚类、主成分分析及贝叶斯方法等机器学习应用
利用Dask、Ray、Modin和PySpark扩展分析工作流，实现规模化计算
你将学到什么
为探索性数据分析和数据整理，完成数据准备、清洗与变换
使用Python和pandas进行数据分析与可视化
执行时间序列分析、预测与信号处理
基于scikit-learn应用Python机器学习技术
运用回归、分类、聚类、主成分分析及贝叶斯方法
进行情感分析、自然语言处理、图分析与图像分析
借助Dask、Modin和Ray加速工作流
使用PySpark构建可扩展的大数据分析管道
适合读者
本书面向数据分析师、数据科学家、商业分析师、统计学家、在校学生及学术研究人员，尤其适合希望强化Python数据分析技能，并将数据科学方法应用于数据准备、可视化、机器学习、自然语言处理、图像分析及大数据处理等实际问题的读者。具备基础的数学知识和Python使用经验，将有助于您更充分地吸收书中内容。
目录
第1章 Python库入门
第2章 NumPy与Pandas
第3章 数据洞察统计学
第4章 线性代数
第5章 数据可视化
第6章 数据获取、处理与存储
第7章 清洗脏数据
第8章 时间序列分析
第9章 监督学习：回归与分类
第10章 无监督学习：降维、聚类与异常检测
第11章 集成方法：Bagging与Boosting
第12章 人工神经网络与深度学习
第13章 文本数据分析
第14章 图像数据分析
第15章 大语言模型与生成式AI
第16章 使用Dask、Modin和Ray进行并行计算
第17章 使用PySpark进行大数据分析
