万本电子书0元读

万本电子书0元读

顶部广告

Python社会媒体挖掘电子书

Python是非常适合数据科学家在中小型数据集上建造原型、可视化和分析数据的编程语言。本书将帮助你获取和分析来自各大社会媒体网站的数据,展示如何使用科学的Python工具来挖掘Stack Exchange等流行社交网站。 ※ 通过公共API与社会媒体平台行交互 ※ 以方便的格式存储社交数据以行分析 ※ 使用Python数据科学工具对社交数据行切片和分段 ※ 应用文本分析技术来理解人们在社会媒体上谈论的内容

售       价:¥

纸质售价:¥51.70购买纸书

118人正在读 | 0人评论 6.2

作       者:(意)马尔科·邦扎尼尼(Marco Bonzanini)

出  版  社:人民邮电出版社

出版时间:2018-10-01

字       数:23.3万

所属分类: 科技 > 计算机/网络 > 程序设计

温馨提示:数字商品不支持退换货,不提供源文件,不支持导出打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
本书共分为9章,从社会媒体API、数据挖掘技巧和Python的数据科学工具这3个主题行阐释。主要内容包括:如何用Python通过公共API与社会媒体平台交互,如何以方便的格式为数据分析存储社会媒体数据,如何使用Python数据科学工具分割社会媒体数据,如何用文本分析方法理解社会媒体数据,如何用先的统计和分析手段从海量数据中挖掘出有用信息,以及如何用Web技术来可视化数据。<br/>【推荐语】<br/>Python是非常适合数据科学家在中小型数据集上建造原型、可视化和分析数据的编程语言。本书将帮助你获取和分析来自各大社会媒体网站的数据,展示如何使用科学的Python工具来挖掘Stack Exchange等流行社交网站。 ※ 通过公共API与社会媒体平台行交互 ※ 以方便的格式存储社交数据以行分析 ※ 使用Python数据科学工具对社交数据行切片和分段 ※ 应用文本分析技术来理解人们在社会媒体上谈论的内容 ※ 运用先的统计和分析技术从数据中发现有用的见解 ※ 采用Web技术行可视化,以探索数据和呈现数据产品<br/>【作者】<br/>马尔科·邦扎尼尼(Marco Bonzanini) 数据科学咨询师,拥有伦敦玛丽王后大学信息检索专业博士学位,是PyData伦敦meetup及系列会议的合作组织者,在很多国际会议上做过演讲,并且在PacktPub上教授“Python数据分析”和“实用Python数据科学技术”两门课程。他在个人博上分享了很多技术主题,主要关于Python、文本分析和数据科学。<br/>
目录展开

前言

本书内容

本书需要的工具

目标读者

排版约定

读者反馈

客户支持

第1章 社会媒体、社交数据和Python

1.1 入门

1.2 社会媒体——机遇和挑战

1.2.1 机遇

1.2.2 挑战

1.2.3 社会媒体挖掘技术

1.3 Python的数据科学工具

1.3.1 Python开发环境的安装

1.3.2 高效的数据分析

1.3.3 机器学习

1.3.4 自然语言处理

1.3.5 社会网络分析

1.3.6 数据可视化

1.4 Python中的数据处理

1.5 创建复杂的数据管道

1.6 小结

第2章 Twitter数据挖掘——标签、话题和时间序列

2.1 入门

2.2 Twitter API

2.2.1 接口访问频率限制

2.2.2 搜索与流

2.3 从Twitter收集数据

2.3.1 从时间线获取推文

2.3.2 推文的结构

2.3.3 使用流API

2.4 分析推文——实体分析

2.5 分析推文——文本分析

2.6 分析推文——时间序列分析

2.7 小结

第3章 Twitter用户、粉丝和社区

3.1 用户、好友和粉丝

3.1.1 回到Twitter API

3.1.2 用户资料的结构

3.1.3 下载好友和粉丝的资料

3.1.4 分析你的社会网络

3.1.5 度量影响力和参与度

3.2 挖掘粉丝

3.3 挖掘对话

3.4 在地图上绘制推文

3.4.1 将推文转换为GeoJSON

3.4.2 用Folium轻松绘制地图

3.5 小结

第4章 Facebook帖子、页面和用户互动

4.1 Facebook Graph API

4.1.1 注册你的应用

4.1.2 鉴权和安全

4.1.3 用Python连接Facebook Graph API

4.2 挖掘你的帖子

4.2.1 帖子的结构

4.2.2 时间频率分析

4.3 挖掘Facebook页面

4.3.1 从页面获取帖子

4.3.2 度量参与度

4.3.3 用词云可视化帖子

4.4 小结

第5章 Google+话题分析

5.1 Google+ API入门

在Google+中搜索

5.2 在Web GUI中嵌入搜索结果

5.2.1 Python的装饰器

5.2.2 Flask路由和模板

5.3 Google+页面的笔记和活动

5.4 笔记的文本分析和TF-IDF计算

用n-gram方法捕获短语

5.5 小结

第6章 Stack Exchange提问和回答

6.1 提问和回答

6.2 Stack Exchange API入门

6.2.1 搜索带标签的问题

6.2.2 搜索用户

6.3 处理Stack Exchange的存档数据

6.4 问题标签的文本分类

6.4.1 监督学习和文本分类

6.4.2 分类算法

6.4.3 评估

6.4.4 Stack Exchange数据的文本分类

6.4.5 在实时应用中嵌入分类器

6.5 小结

第7章 博客、RSS、维基百科和自然语言处理

7.1 博客和自然语言处理

7.2 从博客和网站获取数据

7.2.1 使用WordPress.com API

7.2.2 使用Blogger API

7.2.3 解析RSS和Atom订阅

7.2.4 从维基百科获取数据

7.2.5 关于网络爬取的一点建议

7.3 自然语言处理基础

7.3.1 文本处理

7.3.2 信息抽取

7.4 小结

第8章 挖掘所有数据

8.1 很多社交API

8.2 挖掘YouTube上的视频

8.3 挖掘GitHub上的开源软件

8.4 挖掘Yelp上的本地商家

8.5 创建自定义的Python客户端

HTTP让事情变得简单

8.6 小结

第9章 关联数据和语义网

9.1 数据网

9.1.1 语义网词汇

9.1.2 微格式

9.1.3 关联数据和开放数据

9.1.4 RDF

9.1.5 JSON-LD格式

9.1.6 Schema.org

9.2 从DBpedia挖掘关系

9.3 挖掘地理坐标

9.3.1 从维基百科抽取地理数据

9.3.2 在Google Maps上绘制地理数据

9.4 小结

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部