R與Python的數據分析核心技巧——能源化學數據挖掘及可視化實戰

《R與Python的數據分析核心技巧——能源化學數據挖掘及可視化實戰》從數據挖掘、數據分析及可視化、建模及診斷的角度，
以案例結構化的方法，在能源化學、能源環境應用工程的基礎上，重點圍繞超臨界火電金屬材料、核電蒸汽發生器水質、
能源環境顆粒物、酸雨指標探討，例如數據信息分析、大數據挖掘、數據信息可視化、模型建立及診斷等。
本書分為7章，分別是“R從安裝到實戰準備”“Python從安裝到實戰準備”
“能源領域的核心金屬材料的性能分析”“水質淨化工程的ORP數據分析”
“能源環境的顆粒物、酸雨指標的數據挖掘”“能源大氣的AQI數據可視化實戰”及“數據回歸擬合預測一體化實戰”。 
《R與Python的數據分析核心技巧——能源化學數據挖掘及可視化實戰》是專業性相對較強的科技讀物，
由於其內容涉及復雜的計算機軟件、智能、數據挖掘及可視化等知識體系，讀者不僅需要掌握“相對基礎”的能源化學、
能源工程、電力、數統、智能算法等專業知識，還需要掌握若干複雜的開源平台及軟件應用
（如Linux平台，R、Python、SwiProlog等開源軟件）作為閱讀本書的基礎；
為了讓讀者能快速實現書中相應功能，絕大部分分析圖都附了相應軟件開發的核心代碼。 
本書既可供碩士研究生、博士研究生使用，也可供科研工作者使用；
另外，對於科技愛好者或對書中特定環節感興趣的讀者，本書亦頗具參考價值。

目錄：

第1章R從安裝到實戰準備1 
1.1R4.1.2的安裝1 
1.2R軟件啟用後的基本操作3 
1.2.1設置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（）指令的強大功能3 
1.3.2demo（）指令的功能4 
1.4編寫程序實例6 
1.5R軟件的常用指令及腳本應用6 
1.5.1常用指令6 
1.5.2腳本及其應用8 

第2章Python從安裝到實戰準備10 
2.1安裝前必須知道的事10 
2.1.1Python版本知識10 
2.1.2Python的優點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的編程實例13 
2.4.1Python的起步13 
2.4.2一個最簡單的Python程序14 
2.5Python的常用指令15 
2.5.1常用函數指令15 
2.5.2常用的一些代碼段指令15 

第3章能源領域的核心金屬材料的性能分析——基於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高參數火電機組過熱器管T91材料的性能評估22 
3.2.1高參數火電機組過熱器管材料22 
3.2.2不同條件對T91過熱器管材料的電化學性能影響22 
3.2.3不同條件對T91合金性能指標的相關性分析24 
3.3超臨界火電機組FGD系統材料性能評估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超臨界火電機組耐高溫管P92材料的性能評估27 
3.4.1超臨界火電機組耐高溫管材料27 
3.4.2P92材料的壽命評估實驗分析28 
3.5本章小結30 

第4章水質淨化工程的ORP數據分析——基於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的測試數據的描述性統計信息33 
4.3.1數據集的基本描述性信息3 
4.3.2數據集的頻數分佈圖及核密度曲線36 
4.3.3數據集的頻數分佈分析37 
4.3.4數據集的累積概率分佈分析37 
4.4數據集的正態性判斷及分析38 
4.5數據集的莖葉圖分佈39 
4.6本章小結39 

第5章能源環境的顆粒物、酸雨指標的數據挖掘——基於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能源環境顆粒物、酸雨指標數據集41 
5.3能源環境數據集的描述性統計分析41 
5.3.1數據集的基本描述性信息41 
5.3.2數據集的標準分數值信息42 
5.4能源環境數據集的分佈及分組處理45 
5.4.1總體分佈45 
5.4.2年度分佈信息46 
5.4.3月度分佈信息47 
5.4.4年份對月度分佈影響的分析效果可視化49 
5.5能源大氣化學指標的多元分析及可視化50 
5.5.1大氣化學指標年度貢獻對比效果的實現50 
5.5.2大氣化學指標多元相關性分析52 
5.6本章小結53 

第6章能源大氣的AQI數據可視化實戰——基於Python 54 
6.1AQI的特點及數據集的預處理54 
6.1.1AQI及分級54 
6.1.2AQI數據集的載入及預處理54 
6.2能源大氣AQI數據集及其描述性統計信息56 
6.3能源大氣AQI數據分佈分析57 
6.3.1散點分佈分析58 
6.3.2直方圖分佈顯示58 
6.3.3多維散點圖顯示62 
6.4AQI數據帶標準差的可視化實現 
6.4.1標準差信息條的可視化 
6.4.2標準差信息條及數值的可視化65 
6.5本章小結67 

第7章數據回歸擬合預測一體化實戰——基於Python 69 
7.1AQI數據分佈的點線圖可視化69 
7.2AQI數據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數據的多項式模型及優化73 
7.3.1多項式回歸模型的建立73 
7.3.2多項式回歸模型的診斷分析75 
7.3.3優化多項式回歸模型及其診斷76 
7.4AQI數據的組合多圖可視化77 
7.4.1條狀圖及點線分佈圖的組合可視化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年度均值及標準差的差值效果可視化81 
7.5能源化學人工智能的初步實現83 
7.5.1人工智能及其與Python的關係83 
7.5.2基於AIML的能源化學人工智能84 
7.6本章小結86 
參考文獻87