中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應(yīng)用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
Python數(shù)據(jù)分析之道——Thinking in Panda 版權(quán)信息
- ISBN：9787517097808
- 條形碼：9787517097808 ; 978-7-5170-9780-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
Python數(shù)據(jù)分析之道——Thinking in Panda 內(nèi)容簡介
本書通過以Pandas實現(xiàn)的精彩的數(shù)據(jù)分析項目，來講解大數(shù)據(jù)相關(guān)的主題及概念。通過學(xué)習(xí)本書，讀者可以根據(jù)項目的大小及類型來評估自己的項目是否適合使用Pandas庫。本書對如何在Pandas中高效地加載及標(biāo)準(zhǔn)化數(shù)據(jù)進行了解讀，并回顧了一些很常用的加載器及它們的一些擁有威力的選項，從而讀者可以學(xué)會如何高效地存取及轉(zhuǎn)換數(shù)據(jù)、使用什么方法、什么時候采用或回避一些更高性能的技術(shù)。本書還將帶讀者用心思考Pandas中基本的數(shù)據(jù)訪問及維護，以及直覺字典語法。 本書適合作為Python數(shù)據(jù)分析學(xué)習(xí)者及相關(guān)從業(yè)人員的參考用書。
Python數(shù)據(jù)分析之道——Thinking in Panda 目錄
前言
第1章 概述
pandas簡介
如何利用pandas構(gòu)建一個黑洞圖像
如何利用pandas幫助金融機構(gòu)對未來市場
進行更準(zhǔn)確預(yù)測
如何利用pandas提高內(nèi)容可發(fā)現(xiàn)性
第2章 基本數(shù)據(jù)訪問與合并
DataFrame的創(chuàng)建和訪問
iloc方法
loc方法
使用merge方法合并DataFrame
使用join方法合并DataFrame
使用concat方法合并DataFrame
第3章 pandas在Hood下的工作機制
Python數(shù)據(jù)結(jié)構(gòu)
CPython解釋器、Python和NumPy的性能
pandas性能簡介
選擇正確的DataFrame
第4章 數(shù)據(jù)加載與規(guī)范化
pd.read_csv
pd.read_json
pd.read_sql, pd.read_sql_table, and
pd.read_sql_query
第5章 pandas基礎(chǔ)數(shù)據(jù)轉(zhuǎn)換
pivot和pivot表
stack和unstack
melt
轉(zhuǎn)置transpose
第6章 apply方法
不適用apply方法的場合
適用apply方法的場合
利用Cythorl提高apply方法的性能
第7章 Groupby
正確使用groupby
索引
避免使用groupby
第8章 pandas之外的性能改進
計算機體系結(jié)構(gòu)
如何利用NumExpr改進性能
BLAS和LAPACK
第9章 pandas的發(fā)展趨勢
pandas 1.0
結(jié)論
第1章 概述
pandas簡介
如何利用pandas構(gòu)建一個黑洞圖像
如何利用pandas幫助金融機構(gòu)對未來市場
進行更準(zhǔn)確預(yù)測
如何利用pandas提高內(nèi)容可發(fā)現(xiàn)性
第2章 基本數(shù)據(jù)訪問與合并
DataFrame的創(chuàng)建和訪問
iloc方法
loc方法
使用merge方法合并DataFrame
使用join方法合并DataFrame
使用concat方法合并DataFrame
第3章 pandas在Hood下的工作機制
Python數(shù)據(jù)結(jié)構(gòu)
CPython解釋器、Python和NumPy的性能
pandas性能簡介
選擇正確的DataFrame
第4章 數(shù)據(jù)加載與規(guī)范化
pd.read_csv
pd.read_json
pd.read_sql, pd.read_sql_table, and
pd.read_sql_query
第5章 pandas基礎(chǔ)數(shù)據(jù)轉(zhuǎn)換
pivot和pivot表
stack和unstack
melt
轉(zhuǎn)置transpose
第6章 apply方法
不適用apply方法的場合
適用apply方法的場合
利用Cythorl提高apply方法的性能
第7章 Groupby
正確使用groupby
索引
避免使用groupby
第8章 pandas之外的性能改進
計算機體系結(jié)構(gòu)
如何利用NumExpr改進性能
BLAS和LAPACK
第9章 pandas的發(fā)展趨勢
pandas 1.0
結(jié)論
展開全部
Python數(shù)據(jù)分析之道——Thinking in Panda 作者簡介
Hannah Stepanek是一名對軟件性能富有激情的軟件開發(fā)人員，同時也是開源軟件的積極倡導(dǎo)者。她擁有七年以上的Python編程行業(yè)經(jīng)驗，她花了兩年左右的時間使用Pandas實現(xiàn)了一個數(shù)據(jù)分析項目。
書友推薦
- >
推拿
- >
羅曼·羅蘭讀書隨筆-精裝
- >
山海經(jīng)
- >
中國歷史的瞬間
- >
姑媽的寶刀
- >
李白與唐代文化
- >
上帝之肋:男人的真實旅程
- >
羅庸西南聯(lián)大授課錄
本類暢銷
