123,123

內(nèi)容簡(jiǎn)介

　　《R與Python的數(shù)據(jù)分析核心技巧——能源化學(xué)數(shù)據(jù)挖掘及可視化實(shí)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(jié)構(gòu)化的方法，在能源化學(xué)、能源環(huán)境應(yīng)用工程的基礎(chǔ)上，重點(diǎn)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(biāo)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(shū)分為7章，分別是“R從安裝到實(shí)戰(zhàn)準(zhǔn)備”“Python從安裝到實(shí)戰(zhàn)準(zhǔn)備”“能源領(lǐng)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(biāo)的數(shù)據(jù)挖掘”“能源大氣的AQI數(shù)據(jù)可視化實(shí)戰(zhàn)”及“數(shù)據(jù)回歸擬合預(yù)測(cè)一體化實(shí)戰(zhàn)”?！禦與Python的數(shù)據(jù)分析核心技巧——能源化學(xué)數(shù)據(jù)挖掘及可視化實(shí)戰(zhàn)》是專業(yè)性相對(duì)較強(qiáng)的科技讀物，由于其內(nèi)容涉及復(fù)雜的計(jì)算機(jī)軟件、智能、數(shù)據(jù)挖掘及可視化等知識(shí)體系，讀者不僅需要掌握“相對(duì)基礎(chǔ)”的能源化學(xué)、能源工程、電力、數(shù)統(tǒng)、智能算法等專業(yè)知識(shí)，還需要掌握若干復(fù)雜的開(kāi)源平臺(tái)及軟件應(yīng)用（如Linux平臺(tái)，R、Python、SwiProlog等開(kāi)源軟件）作為閱讀本書(shū)的基礎(chǔ)；為了讓讀者能快速實(shí)現(xiàn)書(shū)中相應(yīng)功能，絕大部分分析圖都附了相應(yīng)軟件開(kāi)發(fā)的核心代碼。本書(shū)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(duì)于科技愛(ài)好者或?qū)?shū)中特定環(huán)節(jié)感興趣的讀者，本書(shū)亦頗具參考價(jià)值。

作者簡(jiǎn)介

　　李宇春，長(zhǎng)沙理工大學(xué)，教授，工學(xué)博士。湖南省新世紀(jì)“121人才工程”第三層次人才，湖南省青年骨干教師，長(zhǎng)沙理工大學(xué)碩士生導(dǎo)師，粉末冶金國(guó)家重點(diǎn)實(shí)驗(yàn)室博士后，學(xué)位與研究生教育專家，中國(guó)電力行業(yè)電廠化學(xué)標(biāo)準(zhǔn)化委員會(huì)技術(shù)專家。

圖書(shū)目錄

第1章R從安裝到實(shí)戰(zhàn)準(zhǔn)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(shè)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(qiáng)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(yīng)用 6
1.5.1常用指令 6
1.5.2腳本及其應(yīng)用 8
第2章Python從安裝到實(shí)戰(zhàn)準(zhǔn)備 10
2.1安裝前必須知道的事 10
2.1.1Python版本知識(shí) 10
2.1.2Python的優(yōu)點(diǎn) 10
2.1.3Python語(yǔ)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(kù)模塊 11
2.2.3Python庫(kù)模塊的安裝 11
2.3Pandas、Numpy、Matplotlib庫(kù)模塊簡(jiǎn)介 13
2.3.1Pandas庫(kù) 13
2.3.2Numpy庫(kù) 13
2.3.3Matplotlib庫(kù) 13
2.4Python的編程實(shí)例 13
2.4.1Python的起步 13
2.4.2一個(gè)簡(jiǎn)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(lǐng)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(píng)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(diǎn) 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(jī)組過(guò)熱器管T91材料的性能評(píng)估 22
3.2.1高參數(shù)火電機(jī)組過(guò)熱器管材料 22
3.2.2不同條件對(duì)T91過(guò)熱器管材料的電化學(xué)性能影響 22
3.2.3不同條件對(duì)T91合金性能指標(biāo)的相關(guān)性分析 24
3.3超臨界火電機(jī)組FGD系統(tǒng)材料性能評(píng)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(jī)組耐高溫管P92材料的性能評(píng)估 27
3.4.1超臨界火電機(jī)組耐高溫管材料 27
3.4.2P92材料的壽命評(píng)估實(shí)驗(yàn)分析 28
3.5本章小結(jié) 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(píng)價(jià)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(píng)價(jià)方法 32
4.2ORP的測(cè)試條件及測(cè)試方法 32
4.3ORP的測(cè)試數(shù)據(jù)的描述性統(tǒng)計(jì)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(jié) 39
第5章能源環(huán)境的顆粒物、酸雨指標(biāo)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(biāo)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(jì)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(biāo)準(zhǔn)分?jǐn)?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(duì)月度分布影響的分析效果可視化 49
5.5能源大氣化學(xué)指標(biāo)的多元分析及可視化 50
5.5.1大氣化學(xué)指標(biāo)年度貢獻(xiàn)對(duì)比效果的實(shí)現(xiàn) 50
5.5.2大氣化學(xué)指標(biāo)多元相關(guān)性分析 52
5.6本章小結(jié) 53
第6章能源大氣的AQI數(shù)據(jù)可視化實(shí)戰(zhàn)——基于Python 54
6.1AQI的特點(diǎn)及數(shù)據(jù)集的預(yù)處理 54
6.1.1AQI及分級(jí) 54
6.1.2AQI數(shù)據(jù)集的載入及預(yù)處理 54
6.2能源大氣AQI數(shù)據(jù)集及其描述性統(tǒng)計(jì)信息 56
6.3能源大氣AQI數(shù)據(jù)分布分析 57
6.3.1散點(diǎn)分布分析 58
6.3.2直方圖分布顯示 58
6.3.3多維散點(diǎn)圖顯示 62
6.4AQI數(shù)據(jù)帶標(biāo)準(zhǔn)差的可視化實(shí)現(xiàn) 64
6.4.1標(biāo)準(zhǔn)差信息條的可視化 64
6.4.2標(biāo)準(zhǔn)差信息條及數(shù)值的可視化 65
6.5本章小結(jié) 67
第7章數(shù)據(jù)回歸擬合預(yù)測(cè)一體化實(shí)戰(zhàn)——基于Python 69
7.1AQI數(shù)據(jù)分布的點(diǎn)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(xiàng)式模型及優(yōu)化 73
7.3.1多項(xiàng)式回歸模型的建立 73
7.3.2多項(xiàng)式回歸模型的診斷分析 75
7.3.3優(yōu)化多項(xiàng)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(diǎn)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(biāo)準(zhǔn)差的差值效果可視化 81
7.5能源化學(xué)人工智能的初步實(shí)現(xiàn) 83
7.5.1人工智能及其與Python的關(guān)系 83
7.5.2基于AIML的能源化學(xué)人工智能 84
7.6本章小結(jié) 86

參考文獻(xiàn) 87

后記 88