目录__eol__ 第1章 数据与信息概述 1__eol__1.1 数据的概念、特征和作用 1__eol__1.1.1 数据的概念 1__eol__1.1.2 数据的特征 2__eol__1.1.3 数据的作用 3__eol__1.2 数据的尺度与类型 3__eol__1.2.1 定性数据和定量数据 4__eol__1.2.2 离散数据和连续数据 5__eol__1.2.3 结构化数据和非结构化数据 5__eol__1.3 数据的表格化 8__eol__1.3.1 个体数据的表格化 8__eol__1.3.2 批量汇总数据的表格化 9__eol__1.3.3 统计指标 11__eol__1.4 数据的数字化 12__eol__1.4.1 二进制与数字化 12__eol__1.4.2 文本的数字化 13__eol__1.4.3 数字的数字化 15__eol__1.4.4 多媒体的数字化 17__eol__1.4.5 数字化转型与数字化经济 18__eol__1.5 信息与信息熵 19__eol__1.5.1 信息熵：不确定性的度量 19__eol__1.5.2 信息增益：不确定性减少的度量 20__eol__ 第2章 数据科学概述 22__eol__2.1 数据科学的科学观 22__eol__2.1.1 从科学高度看数据科学 22__eol__2.1.2 通过案例初识数据科学 23__eol__2.2 数据科学概念 25__eol__2.2.1 数据科学产生的重大技术背景 25__eol__2.2.2 数据科学产生的典型应用背景 25__eol__2.2.3 数据科学的定义 27__eol__2.3 历史观察：探讨数据科学的发展历程 27__eol__2.3.1 古代：从结绳记事到阿拉伯数字 27__eol__2.3.2 古典：政治算术和国势学 29__eol__2.3.3 近代：随机现象、概率论与数理统计 29__eol__2.3.4 现代：抽样与推断统计 31__eol__2.3.5 计算机时代：技术革命带来的繁荣 32__eol__2.3.6 大数据时代：奠定数据科学基础 33__eol__2.4 数据世界：探讨数据科学的对象 37__eol__2.4.1 数据世界和数据科学 37__eol__2.4.2 数据世界和数字孪生 38__eol__2.5 DIKW模型：探讨数据科学中的若干基本概念 39__eol__2.5.1 DIKW模型 39__eol__2.5.2 从DIKW模型看数据科学 41__eol__2.6 维恩图：探讨数据科学的学科交叉性 42__eol__2.6.1 文献中的数据科学维恩图 42__eol__2.6.2 数据科学学科交叉性的总结 43__eol__2.7 从数据到模型：探讨数据科学的一般方法 45__eol__2.7.1 反问题的方法 45__eol__2.7.2 数据驱动的方法 46__eol__2.7.3 模型化的方法 47__eol__2.8 数据处理流程：探讨数据科学方法论 53__eol__2.8.1 传统理念下的数据处理方法论 53__eol__2.8.2 计算机时代的数据处理方法论 54__eol__2.8.3 大数据时代的数据处理方法论 56__eol__2.9 三维视角：总览数据科学 58__eol__2.9.1 从三维视角看数据科学 58__eol__2.9.2 理论方法维度 58__eol__2.9.3 处理流程维度 60__eol__2.9.4 应用领域维度 60__eol__ 第3章 数据科学中的计算机基础 61__eol__3.1 计算机系统概述 61__eol__3.1.1 计算机的发展 62__eol__3.1.2 计算机的种类 62__eol__3.2 计算机硬件 63__eol__3.2.1 计算机硬件的组成 63__eol__3.2.2 计算机硬件的工作原理 64__eol__3.3 计算机软件 65__eol__3.3.1 操作系统 65__eol__3.3.2 计算机语言 66__eol__3.3.3 应用软件 68__eol__3.4 计算机网络 68__eol__3.4.1 局域网、广域网和因特网 69__eol__3.4.2 计算机网络的通信协议 71__eol__3.5 计算机应用的技术模式 72__eol__3.5.1 主机/终端模式 72__eol__3.5.2 客户机/服务器模式 73__eol__3.5.3 浏览器/服务器模式 74__eol__3.5.4 云计算模式 75__eol__3.5.5 对等模式 78__eol__3.6 计算机应用 79__eol__3.6.1 科学计算 79__eol__3.6.2 数据处理与大数据 80__eol__3.6.3 人工智能 81__eol__3.6.4 过程控制 85__eol__ 第4章 数据科学中的数学与统计学基础 86__eol__4.1 微积分与数据科学应用 87__eol__4.1.1 微积分的产生背景 87__eol__4.1.2 微积分的基本思想方法 88__eol__4.1.3 梯度下降法及数据科学应用示例 90__eol__4.2 线性代数与数据科学应用 93__eol__4.2.1 向量与向量空间及应用示例 93__eol__4.2.2 矩阵与线性变换及应用示例 95__eol__4.2.3 特征值与奇异值及数据科学应用示例 99__eol__4.3 统计学与数据科学应用 103__eol__4.3.1 描述统计要点 104__eol__4.3.2 概率与概率分布要点 107__eol__4.3.3 推断统计和多元统计分析要点 108__eol__4.3.4 贝叶斯思维在数据科学中的应用 109__eol__4.4 集合论与数据科学的应用 113__eol__4.4.1 集合论与罗素悖论 113__eol__4.4.2 粗糙集与数据科学应用示例 115__eol__4.5 图论与数据科学的应用 120__eol__4.5.1 欧拉和哥尼斯堡七桥问题 120__eol__4.5.2 图论的发展沿革 121__eol__4.5.3 图论与数据科学应用示例 122__eol__ 第5章 数据科学中的SQL基础 125__eol__5.1 SQL概述 125__eol__5.1.1 SQL的优点 125__eol__5.1.2 MySQL和SQL入门 127__eol__5.2 SQL的数据定义和应用 130__eol__5.2.1 SQL数据定义语句 131__eol__5.2.2 SQL数据定义应用 133__eol__5.3 SQL的数据操纵和应用 137__eol__5.3.1 SQL数据操纵语句 137__eol__5.3.2 SQL数据操纵应用 137__eol__5.4 SQL的数据查询 139__eol__5.4.1 SELECT语句的简单应用 139__eol__5.4.2 SELECT语句的进阶应用 145__eol__5.4.3 SELECT语句的其他应用 150__eol__5.5 MySQL的系统管理 151__eol__5.5.1 MySQL的用户管理 151__eol__5.5.2 MySQL的权限管理 152__eol__5.5.3 MySQL的事务管理 153__eol__5.5.4 MySQL的文件存储和日志管理 155__eol__5.5.5 MySQL的客户端数据库管理工具Navicat 158__eol__ 第6章 数据科学中的Python基础 160__eol__6.1 Python概述 160__eol__6.1.1 Python的特点 160__eol__6.1.2 Python的安装和启动 161__eol__6.1.3 第一个Python程序与帮助 162__eol__6.2 Python基础 164__eol__6.2.1 Python的基本数据类型和组织 164__eol__6.2.2 Python的程序结构和流程控制 169__eol__6.2.3 异常处理结构 173__eol__6.3 Python语言进阶 176__eol__6.3.1 面向对象程序设计 176__eol__6.3.2 模块与包 177__eol__6.3.3 Python综合：chaos混沌态 178__eol__6.4 NumPy入门 181__eol__6.4.1 NumPy数组的创建 182__eol__6.4.2 NumPy数组的访问 185__eol__6.4.3 NumPy数组的计算 186__eol__6.5 Pandas入门 190__eol__6.5.1 Pandas的数据组织 191__eol__6.5.2 Pandas的数据加工处理 194__eol__6.6 Matplotlib入门 196__eol__6.6.1 Matplotlib的基本绘图 196__eol__6.6.2 Matplotlib的参数配置 198__eol__6.6.3 Matplotlib的子图设置 200__eol__6.6.4 Matplotlib的常见统计图