掃一掃
關注中圖網
官方微博
利用PYTHON進行數(shù)據(jù)分析(原書第3版) 版權信息
- ISBN：9787111726722
- 條形碼：9787111726722 ; 978-7-111-72672-2
- 裝幀：簡裝本
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
利用PYTHON進行數(shù)據(jù)分析(原書第3版) 本書特色
閱讀本書可以學習使用Python對數(shù)據(jù)集進行操作、處理、清洗和規(guī)整。第3版針對Python 3.10和pandas 1.4進行了更新，并通過實操講解和實際案例向讀者展示了如何高效地解決一系列數(shù)據(jù)分析問題。讀者將在閱讀過程中學習新版本的pandas、NumPy、IPython和Jupyter。 本書作者Wes McKinney是Python pandas項目的創(chuàng)始人。本書對Python數(shù)據(jù)科學工具的介紹既貼近實戰(zhàn)又內容新穎，非常適合剛開始學習Python的數(shù)據(jù)分析師或剛開始學習數(shù)據(jù)科學和科學計算的等
利用PYTHON進行數(shù)據(jù)分析(原書第3版) 內容簡介
本書是Python數(shù)據(jù)分析經典暢銷書的升級版，由Python pandas項目的創(chuàng)始人Wes McKinney撰寫。本書自2012年第1版出版以來，迅速成為該領域的權威指南，并且為了保持與時俱進，作者對本書內容進行持續(xù)更新，以摒棄一些過時、不兼容的工具，添加新的內容來介紹新特性、新工具及方法。第3版針對Python 3.10和pandas 1.4進行了更新，并通過實操講解和實際案例向讀者展示了如何高效地解決一系列數(shù)據(jù)分析問題。讀者將在閱讀過程中學習新版本的pandas、NumPy、IPython和Jupyter。
利用PYTHON進行數(shù)據(jù)分析(原書第3版) 目錄
●前言1
第1章 準備工作7
1.1 本書內容7
1.2 為什么使用Python進行數(shù)據(jù)分析8
1.3 重要的Python庫9
1.4 安裝和設置14
1.5 社區(qū)和會議18
1.6 本書導航18
第2章 Python語法基礎、IPython和Jupyter notebook21
2.1 Python解釋器22
2.2 IPython基礎23
2.3 Python語法基礎29
2.4總結47
第3章 Python的數(shù)據(jù)結構、函數(shù)和文件48
3.1 數(shù)據(jù)結構和序列48
3.2 函數(shù)65
3.3 文件和操作系統(tǒng)76
3.4 總結81
第4章 NumPy基礎：數(shù)組和向量化計算82
4.1 NumPy的ndarray：多維數(shù)組對象84
4.2 生成偽隨機數(shù)101
4.3 通用函數(shù)：快速的元素級數(shù)組函數(shù)103
4.4 利用數(shù)組進行面向數(shù)組編程105
4.5 使用數(shù)組進行文件輸入和輸出113
4.6 線性代數(shù)114
4.7 示例：隨機漫步115
4.8 總結118
第5章 pandas入門119
5.1 pandas的數(shù)據(jù)結構介紹120
5.2 基本功能133
5.3 描述性統(tǒng)計的匯總和計算159
5.4 總結167
第6章 數(shù)據(jù)加載、存儲與文件格式168
6.1 讀寫文本格式的數(shù)據(jù)168
6.2 二進制數(shù)據(jù)格式185
6.3 與Web API交互190
6.4 與數(shù)據(jù)庫交互191
6.5 總結193
第7章 數(shù)據(jù)清洗和準備194
7.1 處理缺失數(shù)據(jù)194
7.2 數(shù)據(jù)轉換200
7.3 擴展數(shù)據(jù)類型214
7.4 字符串操作216
7.5 分類數(shù)據(jù)224
7.6 總結233
第8章 數(shù)據(jù)規(guī)整：連接、聯(lián)合和重塑234
8.1 層次化索引234
8.2 聯(lián)合與合并數(shù)據(jù)集240
8.3 重塑和透視256
8.4 總結264
第9章 繪圖和可視化265
9.1 matplotlib API入門266
9.2 使用pandas和seaborn繪圖279
9.3 其他Python可視化工具293
9.4 總結294
第10章 數(shù)據(jù)聚合與分組操作295
10.1 GroupBy機制296
10.2 數(shù)據(jù)聚合304
10.3 Apply：通用的“拆分－應用－聯(lián)合”范式310
10.4 分組轉換和“展開式”GroupBy運算322
10.5 透視表和交叉表326
10.6 總結330
第11章 時間序列331
11.1 日期和時間數(shù)據(jù)的類型及工具332
11.2 時間序列基礎知識336
11.3 日期的范圍、頻率以及移位341
11.4 時區(qū)處理348
11.5 周期及其算術運算353
11.6 重采樣及頻率轉換360
11.7 移動窗口函數(shù)369
11.8 總結375
第12章 Python建模庫介紹376
12.1 pandas與模型代碼的接口376
12.2 用Patsy創(chuàng)建模型描述379
12.3 statsmodels介紹385
12.4 scikit-learn介紹390
12.5 總結393
第13章 數(shù)據(jù)分析案例395
13.1 來自1.USA.gov的Bitly數(shù)據(jù)395
13.2 MovieLens 1M數(shù)據(jù)集404
13.3 1880—2010年間全美嬰兒姓名411
13.4 USDA食品數(shù)據(jù)庫425
13.5 2012年聯(lián)邦選舉委員會數(shù)據(jù)庫431
13.6 總結440
附錄A 高階NumPy441
附錄B 更多關于IPython的內容475
第1章 準備工作7
1.1 本書內容7
1.2 為什么使用Python進行數(shù)據(jù)分析8
1.3 重要的Python庫9
1.4 安裝和設置14
1.5 社區(qū)和會議18
1.6 本書導航18
第2章 Python語法基礎、IPython和Jupyter notebook21
2.1 Python解釋器22
2.2 IPython基礎23
2.3 Python語法基礎29
2.4總結47
第3章 Python的數(shù)據(jù)結構、函數(shù)和文件48
3.1 數(shù)據(jù)結構和序列48
3.2 函數(shù)65
3.3 文件和操作系統(tǒng)76
3.4 總結81
第4章 NumPy基礎：數(shù)組和向量化計算82
4.1 NumPy的ndarray：多維數(shù)組對象84
4.2 生成偽隨機數(shù)101
4.3 通用函數(shù)：快速的元素級數(shù)組函數(shù)103
4.4 利用數(shù)組進行面向數(shù)組編程105
4.5 使用數(shù)組進行文件輸入和輸出113
4.6 線性代數(shù)114
4.7 示例：隨機漫步115
4.8 總結118
第5章 pandas入門119
5.1 pandas的數(shù)據(jù)結構介紹120
5.2 基本功能133
5.3 描述性統(tǒng)計的匯總和計算159
5.4 總結167
第6章 數(shù)據(jù)加載、存儲與文件格式168
6.1 讀寫文本格式的數(shù)據(jù)168
6.2 二進制數(shù)據(jù)格式185
6.3 與Web API交互190
6.4 與數(shù)據(jù)庫交互191
6.5 總結193
第7章 數(shù)據(jù)清洗和準備194
7.1 處理缺失數(shù)據(jù)194
7.2 數(shù)據(jù)轉換200
7.3 擴展數(shù)據(jù)類型214
7.4 字符串操作216
7.5 分類數(shù)據(jù)224
7.6 總結233
第8章 數(shù)據(jù)規(guī)整：連接、聯(lián)合和重塑234
8.1 層次化索引234
8.2 聯(lián)合與合并數(shù)據(jù)集240
8.3 重塑和透視256
8.4 總結264
第9章 繪圖和可視化265
9.1 matplotlib API入門266
9.2 使用pandas和seaborn繪圖279
9.3 其他Python可視化工具293
9.4 總結294
第10章 數(shù)據(jù)聚合與分組操作295
10.1 GroupBy機制296
10.2 數(shù)據(jù)聚合304
10.3 Apply：通用的“拆分－應用－聯(lián)合”范式310
10.4 分組轉換和“展開式”GroupBy運算322
10.5 透視表和交叉表326
10.6 總結330
第11章 時間序列331
11.1 日期和時間數(shù)據(jù)的類型及工具332
11.2 時間序列基礎知識336
11.3 日期的范圍、頻率以及移位341
11.4 時區(qū)處理348
11.5 周期及其算術運算353
11.6 重采樣及頻率轉換360
11.7 移動窗口函數(shù)369
11.8 總結375
第12章 Python建模庫介紹376
12.1 pandas與模型代碼的接口376
12.2 用Patsy創(chuàng)建模型描述379
12.3 statsmodels介紹385
12.4 scikit-learn介紹390
12.5 總結393
第13章 數(shù)據(jù)分析案例395
13.1 來自1.USA.gov的Bitly數(shù)據(jù)395
13.2 MovieLens 1M數(shù)據(jù)集404
13.3 1880—2010年間全美嬰兒姓名411
13.4 USDA食品數(shù)據(jù)庫425
13.5 2012年聯(lián)邦選舉委員會數(shù)據(jù)庫431
13.6 總結440
附錄A 高階NumPy441
附錄B 更多關于IPython的內容475
展開全部
利用PYTHON進行數(shù)據(jù)分析(原書第3版) 作者簡介
Wes McKinney，是Voltron Data的聯(lián)合創(chuàng)始人兼首席技術官、Python數(shù)據(jù)社區(qū)的活躍成員，同時也是在數(shù)據(jù)分析、金融和統(tǒng)計計算等領域推廣使用Python的倡導者。Wes畢業(yè)于麻省理工學院，是Apache軟件基金會的Apache Arrow和Apache Parquet項目的項目管理委員會成員。
書友推薦
- >
有舍有得是人生
- >
我與地壇
- >
二體千字文
- >
【精裝繪本】畫給孩子的中國神話
- >
上帝之肋:男人的真實旅程
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
莉莉和章魚
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
