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)

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 10
2.1.2Python的優(yōu)點(diǎn) 10
2.1.3Python語言的功能 11
2.2Python的安裝 11
2.2.1Python 3.10.4版本的安裝 11
2.2.2Python庫模塊 11
2.2.3Python庫模塊的安裝 11
2.3Pandas、Numpy、Matplotlib庫模塊簡介 13
2.3.1Pandas庫 13
2.3.2Numpy庫 13
2.3.3Matplotlib庫 13
2.4Python的編程實(shí)例 13
2.4.1Python的起步 13
2.4.2一個簡單的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)組過熱器管T91材料的性能評估 22
3.2.1高參數(shù)火電機(jī)組過熱器管材料 22
3.2.2不同條件對T91過熱器管材料的電化學(xué)性能影響 22
3.2.3不同條件對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價方法 31
4.1.1氧化還原電位的意義 31
4.1.2氧化還原電位的評價方法 32
4.2ORP的測試條件及測試方法 32
4.3ORP的測試數(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 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