不论是数据挖掘还是数学建模，都免不了数据可视化的问题。对于Python来说，Matplotlib是最著名的绘图库，它主要用于二维绘图，当然它也可以进行简单的三维绘图。它不但提供了一整套和Matlab相似但更为丰富的命令

关键词： Matplotlib 

如果说Numpy让Python有了Matlab的味道，那么Scipy就让Python真正地成为了半个Matlab了。Numpy提供了多维数组功能，但它只是一般的数组，并不是矩阵。例如，当两个数组相乘时，只是对应元素相乘，而不是矩阵乘法。

关键词： Scipy 

Python并没有提供数组功能。虽然列表可以完成基本的数组功能，但它不是真正的数组，而且在数据量较大时，使用列表的速度就会慢得让人难以接受。为此，Numpy提供了真正的数组功能，以及对数据进行快速处理的函数。

关键词： Numpy 

Python本身的数据分析功能不强，需要安装一些第三方扩展库来增强它的能力。本书用到的库有Numpy、Scipy、Matplotlib、Pandas、Scikit-Learn、Keras和Gensim等，下面将对这些库的安装和使用进行简单的介绍。如果读

关键词： 数据　分析  工具 

exp as e 只导入math库中的exp函数，并起别名ee(1) 计算指数sin(1) 此时sin(1)和math sin(1)都会出错，因为没被导入直接地导入库中的所有函数：from math import * 直接的导入，也就是去掉math ，但

关键词： 库　的　导入　与　添加 

Python有4个内建的数据结构—List（列表）、Tuple（元组）、Dictionary（字典）以及Set（集合），它们可以统称为容器（container），因为它们实际上是一些东西组合而成的结构，而这些东西，可以是数字、字符甚至

关键词： 数据结构 

（1）基本运算认识Python的第一步，是可以把它当做一个方便的计算器来看待。读者可以打开Python，试着输入以下命令。a = 2a * 2a ** 2以上是Python几个基本的运算，第一个是赋值运算，第二是乘法，最后是一

关键词： 命令 

本节示例代码使用的是Python 2 7。运行Python代码有两种方式，一种方式是启动Python，然后在命令窗口下直接输入相应的命令；另外一种就是将完整的代码写成 py脚本，如hello py，然后通过python hello py执行，

关键词： 方式 

限于篇幅，本书不可能详细地讲解Python的使用，而只能是针对本书涉及的数据挖掘案例所用到的代码进行基本讲解。如果读者是初步接触Python，并且用Python的目的就是数据挖掘，那么相信本节的介绍对你来说是比较充

关键词： Python　使用　入门 

第一步是Python核心程序的安装，分为Windows和Linux介绍；最后介绍一个Python的科学计算发行版—Anaconda。（1）Windows在Windows系统中安装Python比较容易，直接到官方网站下载相应的msi安装包安装即可，和一般

关键词： 基础  平台 

2 1　搭建Python开发平台2 1 1　所要考虑的问题Python的官网：https: www python org 。搭建Python开发平台有几个问题需要考虑，第一是选择什么操作系统，是Windows还是Linux？第二是选择哪个Python版本，是2 x

关键词： 问题 

Python是一门简单易学且功能强大的编程语言。它拥有高效的高级数据结构，并且能够用简单而又高效的方式进行面向对象编程。Python优雅的语法和动态类型，再结合它的解释性，使其在许多领域成为编写脚本或开发应用

关键词： 引言 

本章从一个知名餐饮企业经营过程中存在的困惑出发，引出数据挖掘的概念、基本任务、建模过程及常用工具。如何帮助企业从数据中洞察商机，提取价值，这是现阶段所有企业都关心的问题。通过发生在身边的案例，由浅

关键词： 小结 

1 5　常用的数据挖掘建模工具数据挖掘是一个反复探索的过程，只有将数据挖掘工具提供的技术和实施经验与企业的业务逻辑和需求紧密结合，并在实施过程中不断地磨合，才能取得好的效果。下面简单介绍几种常用的数据

关键词： 数据挖掘  常用  工具 

从1 4 5节的建模过程中会得出一系列的分析结果，模型评价的目的之一就是从这些模型中自动找出一个最好的模型，另外就是要根据业务对模型进行解释和应用。对分类与预测模型和聚类分析模型的评价方法是不同的，具体

关键词： 模型 

样本抽取完成并经预处理后，接下来要考虑的问题是：本次建模属于数据挖掘应用中的哪类问题（分类、聚类、关联规则、时序模式或者智能推荐），选用哪种算法进行模型构建？这一步是数据挖掘工作的核心环节。针对餐

关键词： 挖掘　建模 

当采样数据维度过大时，如何进行降维处理、缺失值处理等都是数据预处理要解决的问题。由于采样数据中常常包含许多含有噪声、不完整，甚至不一致的数据，对数据挖掘所涉及的数据对象必须进行预处理。那么，如何对

关键词： 数据 

前面所叙述的数据取样，多少是带着人们对如何实现数据挖掘目标的先验认识进行操作的。当我们拿到了一个样本数据集后，它是否达到我们原来设想的要求；样本中有没有什么明显的规律和趋势；有没有出现从未设想过的

关键词： 数据 

在明确了需要进行数据挖掘的目标后，接下来就需要从业务系统中抽取出一个与挖掘目标相关的样本数据子集。抽取数据的标准，一是相关性，二是可靠性，三是有效性，而不是动用全部企业数据。通过对数据样本的精选，

关键词： 数据 

1 4　数据挖掘建模过程从本节开始，将以餐饮行业的数据挖掘应用为例来详细介绍数据挖掘的建模过程，如图1-1所示。1 4 1　定义挖掘目标针对具体的数据挖掘应用需求，首先要明确本次的挖掘目标是什么？系统完成后能

关键词： 目标