R與Python的數(shù)據(jù)分析核心技巧：能源化學數(shù)據(jù)挖掘及可視化實戰(zhàn)

定　價：￥88.00

作　者：	李宇春、李梓昕編著
出版社：	化學工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥88.00)

ISBN：	9787122431172	出版時間：	2023-06-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《R與Python的數(shù)據(jù)分析核心技巧——能源化學數(shù)據(jù)挖掘及可視化實戰(zhàn)》從數(shù)據(jù)挖掘、數(shù)據(jù)分析及可視化、建模及診斷的角度，以案例結構化的方法，在能源化學、能源環(huán)境應用工程的基礎上，重點圍繞超臨界火電金屬材料、核電蒸汽發(fā)生器水質(zhì)、能源環(huán)境顆粒物、酸雨指標探討，例如數(shù)據(jù)信息分析、大數(shù)據(jù)挖掘、數(shù)據(jù)信息可視化、模型建立及診斷等。本書分為7章，分別是“R從安裝到實戰(zhàn)準備”“Python從安裝到實戰(zhàn)準備”“能源領域的核心金屬材料的性能分析”“水質(zhì)凈化工程的ORP數(shù)據(jù)分析”“能源環(huán)境的顆粒物、酸雨指標的數(shù)據(jù)挖掘”“能源大氣的AQI數(shù)據(jù)可視化實戰(zhàn)”及“數(shù)據(jù)回歸擬合預測一體化實戰(zhàn)”?！禦與Python的數(shù)據(jù)分析核心技巧——能源化學數(shù)據(jù)挖掘及可視化實戰(zhàn)》是專業(yè)性相對較強的科技讀物，由于其內(nèi)容涉及復雜的計算機軟件、智能、數(shù)據(jù)挖掘及可視化等知識體系，讀者不僅需要掌握“相對基礎”的能源化學、能源工程、電力、數(shù)統(tǒng)、智能算法等專業(yè)知識，還需要掌握若干復雜的開源平臺及軟件應用（如Linux平臺，R、Python、SwiProlog等開源軟件）作為閱讀本書的基礎；為了讓讀者能快速實現(xiàn)書中相應功能，絕大部分分析圖都附了相應軟件開發(fā)的核心代碼。本書既可供碩士研究生、博士研究生使用，也可供科研工作者使用；另外，對于科技愛好者或?qū)刑囟ōh(huán)節(jié)感興趣的讀者，本書亦頗具參考價值。

作者簡介

　　李宇春，長沙理工大學，教授，工學博士。湖南省新世紀“121人才工程”第三層次人才，湖南省青年骨干教師，長沙理工大學碩士生導師，粉末冶金國家重點實驗室博士后，學位與研究生教育專家，中國電力行業(yè)電廠化學標準化委員會技術專家。

圖書目錄

第1章R從安裝到實戰(zhàn)準備 1
1.1R4.1.2的安裝 1
1.2R軟件啟用后的基本操作 3
1.2.1設置R的工作目錄 3
1.2.2退出R軟件的方法 3
1.3快速熟悉R的常用指令 3
1.3.1data（）指令的強大功能 3
1.3.2demo（）指令的功能 4
1.4編寫程序?qū)嵗?6
1.5R軟件的常用指令及腳本應用 6
1.5.1常用指令 6
1.5.2腳本及其應用 8
第2章Python從安裝到實戰(zhàn)準備 10
2.1安裝前必須知道的事 10
2.1.1Python版本知識 10
2.1.2Python的優(yōu)點 10
2.1.3Python語言的功能 11
2.2Python的安裝 11
2.2.1Python 3.10.4版本的安裝 11
2.2.2Python庫模塊 11
2.2.3Python庫模塊的安裝 11
2.3Pandas、Numpy、Matplotlib庫模塊簡介 13
2.3.1Pandas庫 13
2.3.2Numpy庫 13
2.3.3Matplotlib庫 13
2.4Python的編程實例 13
2.4.1Python的起步 13
2.4.2一個簡單的Python程序 14
2.5Python的常用指令 15
2.5.1常用函數(shù)指令 15
2.5.2常用的一些代碼段指令 15
第3章能源領域的核心金屬材料的性能分析——基于R 18
3.1超臨界鍋爐水冷壁管T23合金材料的性能評估 18
3.1.1超臨界鍋爐水冷壁管材料 18
3.1.2T23合金的特點 18
3.1.3T23合金不同pH值的耐蝕率分析 19
3.1.4T23合金在不同硫酸根濃度條件下的耐蝕率分析 20
3.1.5T23合金在不同溫度條件下的耐蝕性能分析 21
3.2高參數(shù)火電機組過熱器管T91材料的性能評估 22
3.2.1高參數(shù)火電機組過熱器管材料 22
3.2.2不同條件對T91過熱器管材料的電化學性能影響 22
3.2.3不同條件對T91合金性能指標的相關性分析 24
3.3超臨界火電機組FGD系統(tǒng)材料性能評估 25
3.3.1FGD吸收塔入口的特種材料 25
3.3.2FGD泵葉輪材料的壽命影響因素分析 26
3.4超臨界火電機組耐高溫管P92材料的性能評估 27
3.4.1超臨界火電機組耐高溫管材料 27
3.4.2P92材料的壽命評估實驗分析 28
3.5本章小結 30
第4章水質(zhì)凈化工程的ORP數(shù)據(jù)分析——基于R 31
4.1氧化還原電位的意義及評價方法 31
4.1.1氧化還原電位的意義 31
4.1.2氧化還原電位的評價方法 32
4.2ORP的測試條件及測試方法 32
4.3ORP的測試數(shù)據(jù)的描述性統(tǒng)計信息 33
4.3.1數(shù)據(jù)集的基本描述性信息 3
4.3.2數(shù)據(jù)集的頻數(shù)分布圖及核密度曲線 36
4.3.3數(shù)據(jù)集的頻數(shù)分布分析 37
4.3.4數(shù)據(jù)集的累積概率分布分析 37
4.4數(shù)據(jù)集的正態(tài)性判斷及分析 38
4.5數(shù)據(jù)集的莖葉圖分布 39
4.6本章小結 39
第5章能源環(huán)境的顆粒物、酸雨指標的數(shù)據(jù)挖掘——基于R 40
5.1酸雨及可吸入顆粒物 40
5.1.1酸雨 40
5.1.2可吸入顆粒物 40
5.2能源環(huán)境顆粒物、酸雨指標數(shù)據(jù)集 41
5.3能源環(huán)境數(shù)據(jù)集的描述性統(tǒng)計分析 41
5.3.1數(shù)據(jù)集的基本描述性信息 41
5.3.2數(shù)據(jù)集的標準分數(shù)值信息 42
5.4能源環(huán)境數(shù)據(jù)集的分布及分組處理 45
5.4.1總體分布 45
5.4.2年度分布信息 46
5.4.3月度分布信息 47
5.4.4年份對月度分布影響的分析效果可視化 49
5.5能源大氣化學指標的多元分析及可視化 50
5.5.1大氣化學指標年度貢獻對比效果的實現(xiàn) 50
5.5.2大氣化學指標多元相關性分析 52
5.6本章小結 53
第6章能源大氣的AQI數(shù)據(jù)可視化實戰(zhàn)——基于Python 54
6.1AQI的特點及數(shù)據(jù)集的預處理 54
6.1.1AQI及分級 54
6.1.2AQI數(shù)據(jù)集的載入及預處理 54
6.2能源大氣AQI數(shù)據(jù)集及其描述性統(tǒng)計信息 56
6.3能源大氣AQI數(shù)據(jù)分布分析 57
6.3.1散點分布分析 58
6.3.2直方圖分布顯示 58
6.3.3多維散點圖顯示 62
6.4AQI數(shù)據(jù)帶標準差的可視化實現(xiàn) 64
6.4.1標準差信息條的可視化 64
6.4.2標準差信息條及數(shù)值的可視化 65
6.5本章小結 67
第7章數(shù)據(jù)回歸擬合預測一體化實戰(zhàn)——基于Python 69
7.1AQI數(shù)據(jù)分布的點線圖可視化 69
7.2AQI數(shù)據(jù)的線型回歸模型及擬合分析 71
7.2.1線性回歸模型的建立 71
7.2.2回歸模型的診斷分析 73
7.3AQI數(shù)據(jù)的多項式模型及優(yōu)化 73
7.3.1多項式回歸模型的建立 73
7.3.2多項式回歸模型的診斷分析 75
7.3.3優(yōu)化多項式回歸模型及其診斷 76
7.4AQI數(shù)據(jù)的組合多圖可視化 77
7.4.1條狀圖及點線分布圖的組合可視化 77
7.4.2組合圖的雙Y軸可視化 79
7.4.3組合圖的綜合分析可視化 81
7.4.4AQI年度均值及標準差的差值效果可視化 81
7.5能源化學人工智能的初步實現(xiàn) 83
7.5.1人工智能及其與Python的關系 83
7.5.2基于AIML的能源化學人工智能 84
7.6本章小結 86

參考文獻 87

后記 88