基于jupyer notebook 使用requests库提取数据 BeautifulSoup解析数据

Python数据挖掘 《 Python数据分析与挖掘实战》原始码和学习总结 第1章数据挖掘基础 第2章Python数据分析简介 第3章数据探索 第4章数据预处理 第5章挖掘建模 第6章电力窃漏电用户自动识别 第7章航空公司客户价值分析 第8章中医证型关联规则挖掘 第9章基于水色图像的水质评价 第10章家用电器用户行为分析与事件识别 第11章应用系统负载分析与磁盘容量预测 第12章电子商务网站用户行为分析及服务推荐 第13章财政收人影响因素分析及预测模型 第14章基于基站定位数据的商圈分析 第15章电商产品评论数据情感分析

Python数据分析与应用-

Python数据分析与机器学习-Python实现逻辑回归与梯度下降策略

内容：其中包含2002、2011、2017三年国民经济行业分类和代码的MySQL文件，每一个表的格式如下：例如第一列是“ A0111 ”，那么第二列就是“ 农、林、牧、渔业·农业·谷物及其他作物的种植·谷物的种植 ”，三年的行业代码和分类做了汇总统计，每一个代码分为四级结构，“门类·大类·中类·小类”。 适用人群：需要对数据进行行业维度的清洗和标准化的大数据技术人员。

含有机器学习的ppt文档和源码教程，含有python快速入门、numpy和pandas模块的使用以及机器学习的相关模型，包含线性回归、决策树、knn、svm、贝叶斯、聚类等。

内容：压缩包有6个excel文件，分别对应2002,2011,2017年三年的国民经济行业分类与代码表，每一年的表有两个，其中一个是国家统计局发的原版，另一个是经过处理的简化版。简化版表格共有两列，其中一列是编码，另一列是编码对应的名称，比如第一列是”“A”，对应的第二列就是“农、林、牧、渔业”。 适用人群：需要做行业维度的数据分析和数据清洗的相关技术人员，需要国民经济行业分类与代码excel表的人员。 使用场景：主要用于行业分类和编码的标准化。

Python数据分析库--Pandas视频教程，pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。通过本门课程的学习，可以应付后续机器学习课程中的绝大多数应用，建议掌握本部分的内容。

Python数据分析常用方法手册.pdf

机器学习（1）-数据预处理：数据集与源码下载。博客当中用到的源码与数据集