《Python数据处理、分析、可视化与数据化运营》常见问题
本篇仅包括由人民邮电出版社出版的《Python数据处理、分析、可视化与数据化运营》的常见问题，供读者参考使用。
最近更新时间：2021-01-27
以下内容为常见问题详情：
1.问题：本书附件和源代码在哪里下载？
具体下载地址如下：
http://www.dataivy.cn/book/python_analysis_basic/python_book_basic.zip
====================【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
- 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
