《R与Python的数据分析核心技巧——能源化学数据挖掘及可视化实战》从数据挖掘、数据分析及可视化、建模及诊断的角度，以案例结构化的方法，在能源化学、能源环境应用工程的基础上，重点围绕超临界火电金属材料、核电蒸汽发生器水质、能源环境颗粒物、酸雨指标探讨，例如数据信息分析、大数据挖掘、数据信息可视化、模型建立及诊断等。本书分为7章，分别是“R从安装到实战准备”“Python从安装到实战准备”“能源领域的核心金属材料的性能分析”“水质净化工程的ORP数据分析”“能源环境的颗粒物、酸雨指标的数据挖掘”“能源大气的AQI数据可视化实战”及“数据回归拟合预测一体化实战”。 《R与Python的数据分析核心技巧——能源化学数据挖掘及可视化实战》是专业性相对较强的科技读物，由于其内容涉及复杂的计算机软件、智能、数据挖掘及可视化等知识体系，读者不仅需要掌握“相对基础”的能源化学、能源工程、电力、数统、智能算法等专业知识，还需要掌握若干复杂的开源平台及软件应用（如Linux平台，R、Python、SwiProlog等开源软件）作为阅读本书的基础；为了让读者能快速实现书中相应功能，绝大部分分析图都附了相应软件开发的核心代码。 本书既可供硕士研究生、博士研究生使用，也可供科研工作者使用；另外，对于科技爱好者或对书中特定环节感兴趣的读者，本书亦颇具参考价值。

第1章 R从安装到实战准备
1.1 R4.1.2的安装
1.2 R软件启用后的基本操作
1.2.1 设置R的工作目录
1.2.2 退出R软件的方法
1.3 快速熟悉R的常用指令
1.3.1 data()指令的强大功能
1.3.2 demo()指令的功能
1.4 编写程序实例
1.5 R软件的常用指令及脚本应用
1.5.1 常用指令
1.5.2 脚本及其应用
第2章 Python从安装到实战准备
2.1 安装前必须知道的事
2.1.1 Python版本知识
2.1.2 Python的优点
2.1.3 Python语言的功能
2.2 Python的安装
2.2.1 Python 3.10.4版本的安装
2.2.2 Python库模块
2.2.3 Python库模块的安装
2.3 Pandas、Numpy、Matplotlib库模块简介
2.3.1 Pandas库
2.3.2 Numpy库
2.3.3 Matplotlib库
2.4 Python的编程实例
2.4.1 Python的起步
2.4.2 一个最简单的Python程序
2.5 Python的常用指令
2.5.1 常用函数指令
2.5.2 常用的一些代码段指令
第3章 能源领域的核心金属材料的性能分析——基于R
3.1 超临界锅炉水冷壁管T23合金材料的性能评估
3.1.1 超临界锅炉水冷壁管材料
3.1.2 T23合金的特点
3.1.3 T23合金不同pH值的耐蚀率分析
3.1.4 T23合金在不同硫酸根浓度条件下的耐蚀率分析
3.1.5 T23合金在不同温度条件下的耐蚀性能分析
3.2 高参数火电机组过热器管T91材料的性能评估
3.2.1 高参数火电机组过热器管材料
3.2.2 不同条件对T91过热器管材料的电化学性能影响
3.2.3 不同条件对T91合金性能指标的相关性分析
3.3 超临界火电机组FGD系统材料性能评估
3.3.1 FGD吸收塔入口的特种材料
3.3.2 FGD泵叶轮材料的寿命影响因素分析
3.4 超临界火电机组耐高温管P92材料的性能评估
3.4.1 超临界火电机组耐高温管材料
3.4.2 P92材料的寿命评估实验分析
3.5 本章小结
第4章 水质净化工程的ORP数据分析——基于R
4.1 氧化还原电位的意义及评价方法
4.1.1 氧化还原电位的意义
4.1.2 氧化还原电位的评价方法
4.2 ORP的测试条件及测试方法
4.3 ORP的测试数据的描述性统计信息
4.3.1 数据集的基本描述性信息
4.3.2 数据集的频数分布图及核密度曲线
4.3.3 数据集的频数分布分析
4.3.4 数据集的累积概率分布分析
4.4 数据集的正态性判断及分析
4.5 数据集的茎叶图分布
4.6 本章小结
第5章 能源环境的颗粒物、酸雨指标的数据挖掘——基于R
5.1 酸雨及可吸入颗粒物
5.1.1 酸雨
5.1.2 可吸入颗粒物
5.2 能源环境颗粒物、酸雨指标数据集
5.3 能源环境数据集的描述性统计分析
5.3.1 数据集的基本描述性信息
5.3.2 数据集的标准分数值信息
5.4 能源环境数据集的分布及分组处理
5.4.1 总体分布
5.4.2 年度分布信息
5.4.3 月度分布信息
5.4.4 年份对月度分布影响的分析效果可视化
5.5 能源大气化学指标的多元分析及可视化
5.5.1 大气化学指标年度贡献对比效果的实现
5.5.2 大气化学指标多元相关性分析
5.6 本章小结
第6章 能源大气的AQI数据可视化实战——基于Python
6.1 AQI的特点及数据集的预处理
6.1.1 AQI及分级
6.1.2 AQI数据集的载入及预处理
6.2 能源大气AQI数据集及其描述性统计信息
6.3 能源大气AQI数据分布分析
6.3.1 散点分布分析
6.3.2 直方图分布显示
6.3.3 多维散点图显示
6.4 AQI数据带标准差的可视化实现
6.4.1 标准差信息条的可视化
6.4.2 标准差信息条及数值的可视化
6.5 本章小结
第7章 数据回归拟合预测一体化实战——基于Python
7.1 AQI数据分布的点线图可视化
7.2 AQI数据的线型回归模型及拟合分析
7.2.1 线性回归模型的建立
7.2.2 回归模型的诊断分析
7.3 AQI数据的多项式模型及优化
7.3.1 多项式回归模型的建立
7.3.2 多项式回归模型的诊断分析
7.3.3 优化多项式回归模型及其诊断
7.4 AQI数据的组合多图可视化
7.4.1 条状图及点线分布图的组合可视化
7.4.2 组合图的双Y轴可视化
7.4.3 组合图的综合分析可视化
7.4.4 AQI年度均值及标准差的差值效果可视化
7.5 能源化学人工智能的初步实现
7.5.1 人工智能及其与Python的关系
7.5.2 基于AIML的能源化学人工智能
7.6 本章小结
参考文献
后记