Python网络爬虫与文本数据分析

Stella981
• 阅读 585

Python网络爬虫与文本数据分析

课程介绍

在过去的两年间,Python一路高歌猛进,成功窜上“最火编程语言”的宝座。惊奇的是使用Python最多的人群其实不是程序员,而是数据科学家,尤其是社会科学家,涵盖的学科有经济学、管理学、会计学、社会学、传播学、新闻学等等。

大数据时代到来,网络数据正成为潜在宝藏,大量商业信息、社会信息以文本等非结构化、异构型数据格式存储于网页中。非计算机专业背景的人也可借助机器学习、人工智能等方法进行研究。使用网络世界数据进行研究,面临两大难点:

  • 数据的获取

  • 文本(非结构化)数据的处理与分析

数据获取需要借助Python编程语言设计网络爬虫,而获得的数据中有相当比例数据是非结构化数据,这就需要文本数据分析技术。本次课程参照已发表的社科类的文章,希望帮助大家解决文本分析这最难的两大难点。课程设计的初衷是用最少的时间让大家学到最有用的知识点,降低学习难度。希望学习完本课程后能让各位结合研究需要对自己学科内的文本分析有一个全面深刻的了解,方便各位开展后续研究。

课程试听

课程python语法入门和网络爬虫部分可免费试听,对python感兴趣的童鞋可以收藏观看~

试听

Python网络爬虫与文本数据分析

支付成功后,可下载腾讯课堂app或网页端打开腾讯课堂官网,使用微信扫码登录后即可学习

目录

=====

一、准备阶段

  1. Win中的Python配置

  2. Mac中的Python配置

二、Python语法入门

  1. Python跟英语一样是一门语言

  2. 数据类型之字符串

  3. 数据类型之列表元组集合

  4. 数据类型之字典

  5. 数据类型之布尔值、None

  6. 逻辑语句(if&for&tryexcept)

  7. 列表推导式

  8. 理解函数

  9. 常用的内置函数

  10. 内置库文件路径pathlib库

  11. 内置库csv文件库

  12. 内置库正则表达式re库

  13. 初学python常出错误汇总

三、数据采集

  1. 网络爬虫原理

  2. 网络访问requests库

  3. 网页解析pyquery库

  4. 实战:大众点评

  5. 实战:豆瓣读书

  6. 实战:Boss直聘

  7. 如何解析json数据

  8. 实战: 豆瓣电影

  9. 实战: 京东商城

  10. 如何用爬虫下载文档及多媒体文件

  11. 上市公司定期报告pdf批量下载

  12. 爬虫知识点总结

  13. 补充-用pandas采集表格数据

四、数据分析

  1. Pandas基础知识

  2. 数据去重与缺失值处理

  3. 合并数据

  4. 重塑数据

  5. 选取表中指定记录(行)

  6. 选取表中指定字段(列)

  7. 描述性统计

  8. 在表中创建新字段(列)

  9. 批操作apply与agg

  10. 透视表pivot_table

  11. 数据分组groupby

  12. 时间序列时间点创建

  13. 日期数据的dt属性

  14. 日期行索引操作(选取指定日期的数据)

  15. 时间序列date_range

  16. 时间序列重采样resample

  17. 时间序列时间窗口rolling

  18. 实战:Kaggle titanic数据集探索性分析

  19. 实战:Boss直聘Python岗位分析

五、初识文本分析

  1. 文本分析在经管领域中的应用概述(1)

  2. 读取不同格式文件中的数据

  3. 实战:实战之如何将多个整理到一个excel中

  4. 中文分词及数据清洗

  5. 实战:词频统计

  6. 实战:中文情感分析(词典法)

  7. 实战:对excel中的文本进行情感分析

  8. 实战:共现法扩展情感词典(领域词典)

六、机器学习与文本分析

  1. 了解机器学习

  2. 使用机器学习做文本分析的流程

  3. scikit-learn机器学习库简介

  4. 文本特征抽取(特征工程)

  5. 实战:在线评论文本分类

  6. 文本相似性计算

  7. 实战:使用文本相似性识别变化(政策连续性)

  8. 实战:Kmeans聚类算法

  9. 实战:LDA话题模型

  10. 简化版的LDA

  11. 文本分析在经管领域中的应用概述(2)

购买链接

扫码购买

Python网络爬虫与文本数据分析

支付成功后,可下载腾讯课堂app或网页端打开腾讯课堂官网,使用微信扫码登录后即可学习

本文分享自微信公众号 - 大邓和他的Python(DaDengAndHisPython)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
3个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
3年前
Python之time模块的时间戳、时间字符串格式化与转换
Python处理时间和时间戳的内置模块就有time,和datetime两个,本文先说time模块。关于时间戳的几个概念时间戳,根据1970年1月1日00:00:00开始按秒计算的偏移量。时间元组(struct_time),包含9个元素。 time.struct_time(tm_y
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这