大数据分析：Python 实践与大型语言模型应用

　　本教材在众多同类图书中可谓独树一帜，在于实现了理论与实践的深度融合、跨学科视野的系统整合，以及前沿技术的创新应用。首先，我们秉持“实践出真知”的理念，在全书各章节中精心设计了大量真实场景下的编程案例与代码实现，涵盖从数据获取、清洗、建模到结果可视化的完整流程。读者不仅能够深入理解理论原理，更可通过亲手编码操作，逐步构建起对大数据分析方法的直观认知与实操能力，真正实现“学以致用”。
其次，本教材突破传统数据科学与经济管理学科之间的界限，将大数据技术、机器学习算法及大型语言模型等现代智能工具，有机嵌入企业战略、市场营销、金融预测、政策评估等经济管理领域的典型问题之中。这种跨学科融合不仅拓展了数据分析的应用边界，也赋予了研究方法更强的解释力与预测力。尤其在文本大数据分析部分，本书深入探讨了大型语言模型如何重构传统自然语言处理范式，推动情感分析、主题建模与语义推理迈向智能化新阶段，体现出鲜明的前沿性与时代感。

　　第1 章　大数据概述：基础与范式革命／1
学习目标／1
本章导读／2
1.1　大数据的内涵与经济学特征／2
1.2　经济金融领域的大数据类型与应用场景／11
1.3　大数据在经济管理学科中的重要性及变革性影响／15
1.4　大数据应用的挑战与突破／19
1.5　大数据分析全流程与研究方法／24
本章小结／31
第2 章　Python 语言基础／33
学习目标／33
本章导读／34
2.1　Python基础／34
2.2　数据结构／41
2.3　流程控制与逻辑结构／54
2.4　函数与模块／67
本章小结／82
第3 章　Python 语言进阶／83
学习目标／83
本章导读／84
3.1　文件的输入输出／84
3.2　正则表达式／92
3.3　Numpy／105
3.4　Pandas／119
3.5　Matplotlib／131
3.6　如何编写好代码／148
本章小结／154
第4 章　大数据采集与处理／155
学习目标／155
本章导读／156
4.1　大数据采集：方法与工具／156
4.2　网络访问Requests库／167
4.3　网络解析库／182
4.4　动态渲染页面爬取／208
4.5　清洗与预处理／226
本章小结／240
第5 章　大数据分析策略及机器学习／241
学习目标／241
本章导读／242
5.1　三类统计分析策略／242
5.2　时间序列分析／247
5.3　机器学习及sklearn库／261
5.4　线性回归／272
5.5　Logistic回归／287
5.6　决策树分类／298
5.7　神经网络／303
5.8　KNN算法／313
5.9　支持向量机／320
5.10　贝叶斯分类／326
5.11　K-Means聚类分析／328
5.12　基于密度的聚类／336
5.13　聚类评估／341
本章小结／347
第6 章　文本大数据基本分析方法／349
学习目标／349
本章导读／350
6.1　文本数据简介／350
6.2　分词、预处理与词云图／355
6.3　基于词典的文本分析／368
6.4　词向量和词嵌入／392
本章小结／418
第7 章　文本大数据分析进阶：传统方法与大型语言模型应用／419
学习目标／419
本章导读／420
7.1　情感分析／420
7.2　文本相似度／434
7.3　主题建模／449
7.4　文本复杂度／459
7.5　从传统方法到大语言模型应用：性能对比与混合策略／471
本章小结／479
大数据4 分析：Python实践与大型语言模型应用
第8 章　大型语言模型：进阶应用与挑战／481
学习目标／481
本章导读／482
8.1　大型语言模型简介与调用实践／482
8.2　提示工程：高效使用LLMs的艺术／511
8.3　LangChain：构建LLMs应用的框架／526
8.4　多模态大数据中的大型语言模型应用／541
8.5　大型语言模型的局限性与挑战／556
本章小结／573
参考文献／575