掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥80.9
加入購(gòu)物車
Pandas通關(guān)實(shí)戰(zhàn) 版權(quán)信息
- ISBN：9787302600619
- 條形碼：9787302600619 ; 978-7-302-60061-9
- 裝幀：70g膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
Pandas通關(guān)實(shí)戰(zhàn) 本書(shū)特色
本書(shū)秉承Less is more(少即是多)的原則，追求“簡(jiǎn)約但不簡(jiǎn)單”的風(fēng)格。從入門(mén)篇到進(jìn)階篇的11個(gè)章節(jié)，主要都是圍繞著一個(gè)簡(jiǎn)單的“7行8列的數(shù)據(jù)”進(jìn)行有效地講解，把Pandas中使用頻率*高的或效率*高的80%的函數(shù)、方法、屬性全部有效地串接起來(lái)，減少讀者浪費(fèi)時(shí)間去理解不同的數(shù)據(jù)源，讓更多的精力聚焦于專業(yè)知識(shí)的學(xué)習(xí)。 全面、系統(tǒng)講解Pandas的應(yīng)用原理！配套豐富的實(shí)戰(zhàn)型應(yīng)用案例，幫助讀者快速輕松上手★隨著計(jì)算機(jī)技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展和廣泛應(yīng)用，人類社會(huì)逐步進(jìn)入智能化時(shí)代，數(shù)據(jù)分析是人工智能技術(shù)的典型應(yīng)用之一，Python是當(dāng)前數(shù)據(jù)分析*熱門(mén)的語(yǔ)言之一，Pandas是Python的數(shù)據(jù)分析利器！禤andas通關(guān)實(shí)戰(zhàn)》一書(shū)匯集了作者多年來(lái)的實(shí)踐經(jīng)驗(yàn)，全面、系統(tǒng)地描述了Pandas工具在數(shù)據(jù)篩選、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)處理、數(shù)據(jù)可視化技術(shù)等方面的應(yīng)用。本書(shū)既適合作為高等學(xué)！癙ython編程語(yǔ)言”課程的參考教材，也適合從事數(shù)據(jù)分析的科研人員閱讀。 ——曹少中 北京印刷學(xué)院教授 ★Pandas是基于Python的一款優(yōu)秀的大數(shù)據(jù)分析工具，已經(jīng)被廣泛應(yīng)用于統(tǒng)計(jì)分析和機(jī)器學(xué)習(xí)領(lǐng)域。本書(shū)用簡(jiǎn)潔、清晰的語(yǔ)言和深入淺出的表達(dá)方式，全面、系統(tǒng)地介紹了使用Pandas所需的相關(guān)知識(shí)和工具，并輔以大量的實(shí)戰(zhàn)型應(yīng)用案例和代碼片段，讓讀者可以輕松上手，不但掌握Pandas的核心用法，而且學(xué)習(xí)到現(xiàn)實(shí)工作中的數(shù)據(jù)分析方法，真正做到學(xué)以致用，非常值得閱讀。 ——郭林 紐約大學(xué)計(jì)算機(jī)碩士、臉書(shū)公司廣告部門(mén)軟件專家 ★本書(shū)不是一個(gè)學(xué)者在書(shū)齋中的思考和推理，而是經(jīng)過(guò)實(shí)踐檢驗(yàn)的“實(shí)操寶典”。本書(shū)用七行八列的數(shù)據(jù)來(lái)講解大數(shù)據(jù)的應(yīng)用原理，脈絡(luò)清晰。綜合案例是作者20多年工作經(jīng)驗(yàn)與精益六西格瑪方法論的有機(jī)揉和。 ——黃德華 浙江大學(xué)EMBA教授、《創(chuàng)業(yè)搭檔管理》作者★數(shù)據(jù)分析師在利用Python進(jìn)行數(shù)據(jù)分析時(shí)，大部分時(shí)間其實(shí)是在利用Pandas進(jìn)行數(shù)據(jù)分析！禤andas通關(guān)實(shí)戰(zhàn)》系統(tǒng)地介紹了Pandas中大部分高頻函數(shù)的用法，推薦給想要學(xué)習(xí)如何利用Pandas進(jìn)行數(shù)據(jù)分析的讀者。 ——張俊紅 暢銷書(shū)《對(duì)比Excel，輕松學(xué)習(xí)Python數(shù)據(jù)分析》作者★近幾年P(guān)ython一直倍受追捧，微軟更是在Power BI產(chǎn)品中內(nèi)置了Python連接器。用Python處理數(shù)據(jù)不得不提Pandas庫(kù)，相信你和我一樣，翻開(kāi)本書(shū)也能獲得不同于傳統(tǒng)辦公軟件數(shù)據(jù)處理的一份驚喜。 ——暢心 Power Query發(fā)燒友 ★如果說(shuō)Pandas為大數(shù)據(jù)分析開(kāi)辟了一條捷徑，《Pandas通關(guān)實(shí)戰(zhàn)》則為初學(xué)者的路燈，沿著亮光前行必達(dá)目的地，勇往直前吧！ ——馬世權(quán) PowerBI專家
Pandas通關(guān)實(shí)戰(zhàn) 內(nèi)容簡(jiǎn)介
本書(shū)系統(tǒng)闡述了Pandas基礎(chǔ)知識(shí)、應(yīng)用原理，以及應(yīng)用流程和應(yīng)用技巧等實(shí)戰(zhàn)知識(shí)。 全書(shū)共分為5篇：**篇為入門(mén)篇（第1和2章），第二篇為基礎(chǔ)篇（第3和4章），第三篇為基礎(chǔ)強(qiáng)化篇（第5~7章），第四篇為進(jìn)階篇（第8~11章）, 第五篇為案例篇（第12章）。書(shū)中主要內(nèi)容包括Python簡(jiǎn)介、NumPy基礎(chǔ)、Pandas入門(mén)、數(shù)據(jù)篩選、數(shù)據(jù)轉(zhuǎn)換、文本轉(zhuǎn)換、數(shù)據(jù)獲取、數(shù)據(jù)處理、數(shù)據(jù)分組、時(shí)序分析、數(shù)據(jù)可視化、通關(guān)案例。 本書(shū)可作為Python數(shù)據(jù)分析的入門(mén)與進(jìn)階書(shū)籍，適用于有一定Python基礎(chǔ)的讀者、對(duì)數(shù)據(jù)分析感興趣的學(xué)生，也可作為數(shù)據(jù)分析及其它編程愛(ài)好者、IT培訓(xùn)機(jī)構(gòu)的參考書(shū)籍。
Pandas通關(guān)實(shí)戰(zhàn) 目錄
目錄
第1篇入門(mén)篇
第1章Python簡(jiǎn)介
1.1Pandas簡(jiǎn)介
1.2Pandas數(shù)據(jù)分析
1.3Jupyter與Anaconda
1.4Anaconda、conda與pip
1.4.1Anaconda
1.4.2conda
1.4.3Anaconda與conda
1.5Anaconda的下載與安裝
1.6Anaconda安裝簡(jiǎn)介
1.6.1安裝步驟
1.6.2Anaconda Navigator簡(jiǎn)介
1.6.3Anaconda Prompt使用簡(jiǎn)介
1.6.4Anaconda Navigator與Anaconda Prompt
1.6.5conda與pip
1.6.6Nbextensions
1.7Jupyter Notebook簡(jiǎn)介
1.7.1代碼模式
1.7.2Markdown模式
1.8Jupyter Notebook快捷鍵簡(jiǎn)介
1.9本章回顧
第2章NumPy基礎(chǔ)
2.1對(duì)象、數(shù)據(jù)、數(shù)組
2.1.1位與字節(jié)
2.1.2對(duì)象
2.1.3數(shù)組
2.2數(shù)組的創(chuàng)建方式
2.2.1ndarray
2.2.2np.array()
2.2.3np.arange()
2.2.4np.linspace()
2.2.5np的特殊函數(shù)
2.3數(shù)據(jù)的基本屬性
2.3.1NumPy數(shù)組屬性
2.3.2改變數(shù)組的形狀
2.3.3數(shù)組堆疊與分割
2.3.4廣播機(jī)制
2.4通用函數(shù)(ufunc)
2.4.1排序函數(shù)
2.4.2一元函數(shù)
2.4.3多元函數(shù)
2.4.4數(shù)學(xué)函數(shù)
2.4.5隨機(jī)函數(shù)
2.4.6字符串函數(shù)
2.4.7條件操作
2.4.8高階操作
2.5本章回顧
第2篇基礎(chǔ)篇
第3章Pandas入門(mén)
3.1Series
3.1.1Series基礎(chǔ)知識(shí)
3.1.2Series的構(gòu)建
3.1.3Series的常用轉(zhuǎn)換方法
3.1.4Series的“十八招”
3.2DataFrame
3.2.1DataFrame基礎(chǔ)知識(shí)
3.2.2創(chuàng)建
3.2.3DataFrame相關(guān)知識(shí)
3.3本章回顧
第4章數(shù)據(jù)篩選
4.1Python基礎(chǔ)
4.1.1運(yùn)算符
4.1.2視圖與復(fù)制
4.1.3常用操作
4.2條件表達(dá)式
4.2.1條件篩選(索引)
4.2.2條件查詢
4.2.3條件賦值
4.3數(shù)據(jù)刪除
4.3.1缺失值
4.3.2重復(fù)值
4.3.3異常值
4.4數(shù)據(jù)重組
4.4.1填充
4.4.2重排
4.5axis轉(zhuǎn)換
4.5.1rename()
4.5.2rename_axis()
4.5.3reindex()
4.5.4reset_index()
4.5.5set_index()
4.5.6MultiIndex()
4.6本章回顧
第3篇基礎(chǔ)強(qiáng)化篇
第5章數(shù)據(jù)轉(zhuǎn)換
5.1基礎(chǔ)知識(shí)
5.1.1程序結(jié)構(gòu)
5.1.2循環(huán)語(yǔ)句
5.2映射函數(shù)
5.2.1map()
5.2.2apply()
5.2.3applymap()
5.3各類轉(zhuǎn)換
5.3.1數(shù)據(jù)類型轉(zhuǎn)換
5.3.2數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換
5.3.3文本格式轉(zhuǎn)換
5.3.4style樣式轉(zhuǎn)換
5.4本章回顧
第6章文本轉(zhuǎn)換
6.1文本字符串
6.1.1文本基礎(chǔ)
6.1.2應(yīng)用流程
6.2Python字符串
6.2.1識(shí)別階段(Identity)
6.2.2清洗階段(Elimilate)
6.2.3組合階段(Combine)
6.2.4轉(zhuǎn)換重組(Rearrange)
6.3正則表達(dá)式
6.3.1元字符
6.3.2用法
6.4Pandas的方法
6.4.1識(shí)別階段(Identity)
6.4.2轉(zhuǎn)換重組(Rearrange)
6.5本章回顧
第7章數(shù)據(jù)獲取
7.1讀取數(shù)據(jù)源
7.1.1pd.read_excel()
7.1.2pd.ExcelFile.parse()
7.1.3pd.read_csv()
7.2存儲(chǔ)數(shù)據(jù)
7.2.1df.to_excel()
7.2.2pd.ExcelWriter()
7.2.3共性總結(jié)
7.3追加與合并
7.3.1(常規(guī))追加
7.3.2追加(append)
7.3.3合并(combine)
7.3.4連接(join)
7.3.5按軸向合并(concat)
7.3.6融合(merge)
7.4文檔的批量操作
7.4.1批量合并同一文件夾中的workbook
7.4.2批量合并同一文件工作簿中的worksheet
7.4.3批量更改DataFrame中的列名
7.4.4批量拆分DataFrame
7.5與xlwings的互動(dòng)
7.5.1創(chuàng)建新工作簿
7.5.2批量修改電子表格名稱
7.5.3在新增電子表格中插入圖表
7.6本章回顧
第4篇進(jìn)階篇
第8章數(shù)據(jù)處理
8.1統(tǒng)計(jì)學(xué)基礎(chǔ)
8.1.1概率與數(shù)理統(tǒng)計(jì)
8.1.2數(shù)據(jù)的離散化
8.1.3四則運(yùn)算
8.2數(shù)據(jù)操作
8.3DataFrame處理
8.3.1Pandas的方法鏈
8.3.2assign()
8.3.3eval()
8.3.4pipe管道
8.4本章回顧
第9章數(shù)據(jù)分組
9.1Split階段
9.1.1by參數(shù)
9.1.2axis參數(shù)
9.1.3level參數(shù)
9.1.4as_index參數(shù)
9.1.5dropna參數(shù)
9.2Apply階段
9.2.1直接聚合
9.2.2agg
9.2.3map
9.2.4apply
9.2.5transform
9.2.6filter
9.3透視表
9.4進(jìn)階應(yīng)用
9.4.1assign
9.4.2pipe管道
9.5批量保存分組對(duì)象
9.5.1保存為同一文件夾內(nèi)的多個(gè)工作簿
9.5.2保存為同一工作簿中的多個(gè)工作表
9.5.3保存為多個(gè)工作簿中的多個(gè)工作表
9.6本章回顧
第10章時(shí)間序列
10.1Excel時(shí)間函數(shù)
10.2datetime模塊
10.2.1date類
10.2.2time類
10.2.3datetime類
10.2.4timedelta類
10.3時(shí)間點(diǎn)
10.3.1pd.to_datetime
10.3.2pd.Timestamp
10.3.3DatetimeIndex時(shí)間戳索引
10.3.4pd.date_range()
10.4時(shí)間段
10.4.1Period
10.4.2Period_range
10.4.3asfreq時(shí)期的頻率轉(zhuǎn)換
10.4.4Timestamp與Period互相轉(zhuǎn)換
10.5時(shí)間差
10.5.1運(yùn)算規(guī)則說(shuō)明
10.5.2參數(shù)的傳遞方式
10.6重采樣
10.6.1使用方法
10.6.2降采樣
10.6.3升采樣和插值
10.6.4其他采樣
10.7偏移
10.7.1shift()
10.7.2diff()
10.7.3rolling()
10.8本章回顧
第11章數(shù)據(jù)可視化
11.1可視化
11.1.1可視化基礎(chǔ)
11.1.2可視化圖形
11.2Matplotlib
11.2.1基本語(yǔ)法
11.2.2可視化的應(yīng)用流程
11.2.3圖表的選擇與應(yīng)用
11.3df.plot()
11.3.1參數(shù)對(duì)照表
11.3.2應(yīng)用說(shuō)明
11.4Seaborn
11.4.1設(shè)置
11.4.2圖表應(yīng)用
11.5本章回顧
11.5.1本章內(nèi)容回顧
11.5.2時(shí)序數(shù)據(jù)圖表化
第5篇案例篇
第12章實(shí)戰(zhàn)案例分析
12.1項(xiàng)目說(shuō)明
12.1.1行業(yè)描述
12.1.2項(xiàng)目背景
12.1.3項(xiàng)目推行計(jì)劃
12.1.4KPI指標(biāo)體系
12.2數(shù)據(jù)現(xiàn)狀
12.2.1數(shù)據(jù)來(lái)源說(shuō)明
12.2.2獲取數(shù)據(jù)
12.2.3數(shù)據(jù)轉(zhuǎn)換
12.3數(shù)據(jù)探索
12.3.1客戶訂單量
12.3.2業(yè)務(wù)的相關(guān)性
12.3.3訂單消費(fèi)額
12.3.4探索性挖掘
12.3.5盈利情況
12.4數(shù)據(jù)分析結(jié)論
12.4.1數(shù)據(jù)質(zhì)量現(xiàn)狀
12.4.2后續(xù)改善要求
12.4.3指導(dǎo)意見(jiàn)
12.4.4方法論整理
展開(kāi)全部
Pandas通關(guān)實(shí)戰(zhàn) 作者簡(jiǎn)介
黃福星，精益六西格瑪黑帶，物流職業(yè)經(jīng)理人（運(yùn)營(yíng)總監(jiān)）。20多年工作經(jīng)歷，職業(yè)生涯橫跨大型生產(chǎn)制造、綜合保稅物流與供應(yīng)鏈、快遞快運(yùn)與新零售等。在信息流指導(dǎo)物流、數(shù)據(jù)指導(dǎo)改善、物流降本增效方面經(jīng)驗(yàn)豐富，能夠熟練地將精益改善技術(shù)與大數(shù)據(jù)分析技術(shù)運(yùn)用于各類現(xiàn)場(chǎng)管理。
書(shū)友推薦
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話
- >
人文閱讀與收藏·良友文學(xué)叢書(shū):一天的工作
- >
中國(guó)歷史的瞬間
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
苦雨齋序跋文-周作人自編集
- >
我從未如此眷戀人間
- >
山海經(jīng)
- >
龍榆生：詞曲概論/大家小書(shū)
本類暢銷
