《Python数据处理、分析、可视化与数据化运营》常见问题

====================【好书推荐，我为自己代言】====================

《Python数据分析与数据化运营》第二版上市啦！

50+数据流工作知识点

14个数据分析与挖掘主题

8个综合性运营分析案例

涵盖会员、商品、流量、内容4大主题

360°把脉运营问题并贴合数据场景落地

本书主要基于Python实现，其中主要用到的计算库是numpy、pandas和sklearn，其他相关库还包括：

• 标准库：re、time、datetime、json、 base64、os、sys、cPickle、tarfile
• Python调用R的rpy2
• 统计分析：Statsmodels
• 中文处理：结巴分词
• 文本挖掘：Gensim
• 数据挖掘和算法：XGboost、gplearn、TPOT
• 爬虫和解析：requests、Beautiful Soup、xml
• 图像处理：OpenCV和PIL/Pollow
• 数据读取：xlrd、pymongo、pymysql
• 数据预处理：imblearn
• 展示美化类：Matplotlib、pyecharts、graphviz、prettytable、wordcloud、mpl_toolkits、pydotplus

如果你对以下内容感兴趣，那么本书将值得一看：

• KMeans聚类的自动K均值的确立方法
• 基于软方法的多分类模型组合评估模型的应用
• 基于自动下探（下钻、细分）的应用
• 基于增量学习的多项式贝叶斯分类
• pipeline管道技术的应用
• 基于超参数的自动参数值的优化方法
• 特征自动选择
• 文本分类、文本主题挖掘
• 基于自动时间序列ARIMA的P、D、Q的调整
• python决策树规则输出
• 基于自定义图像的文本标签云
• 非结构化数据，例如图像、音频、文本等处理
• 对象持久化处理
• 如何使用Python调用R实现数据挖掘
• 自动化学习：增加了对于自动化数据挖掘与机器学习的理论、流程、知识和应用库介绍，并基于TPOT做自动化回归和分类学习案例演示