利用Python進(jìn)行數(shù)據(jù)分析（原書第3版）

定　價：￥149.00

作　者：	[美]韋斯·麥金尼
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥111.70)

ISBN：	9787111726722	出版時間：	2023-10-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　本書是Python數(shù)學(xué)分析經(jīng)典暢銷書的升級版，由Python pandas項(xiàng)目的創(chuàng)始人Wes McKinney撰寫。自2012年第1版出版以來，迅速成為該領(lǐng)域的權(quán)威指南，并且為了與時俱進(jìn)，作者也在對本書內(nèi)容進(jìn)行持續(xù)更新，以摒棄一些過時、不兼容的工具，添加新的內(nèi)容，用以介紹一些新特性、新工具及方法。本書第3版針對Python 3.10和pandas 1.4進(jìn)行了更新，并通過實(shí)操講解和實(shí)際案例向讀者展示了如何高效解決一系列數(shù)據(jù)分析問題。讀者將在閱讀過程中學(xué)習(xí)新版本的pandas、NumPy、IPython和Jupyter。

作者簡介

　　作者介紹Wes McKinney是Voltron Data的聯(lián)合創(chuàng)始人兼首席技術(shù)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(jì)計(jì)算等領(lǐng)域推廣使用Python的倡導(dǎo)者。Wes畢業(yè)于麻省理工學(xué)院，同時也是Apache軟件基金會的Apache Arrow和Apache Parquet項(xiàng)目的項(xiàng)目管理委員會成員。譯者介紹陳松，清華大學(xué)技術(shù)經(jīng)濟(jì)研究所副研究員，技術(shù)經(jīng)濟(jì)大數(shù)據(jù)實(shí)驗(yàn)室技術(shù)負(fù)責(zé)人，參與多項(xiàng)省部級、地區(qū)性課題研究。著有《區(qū)塊鏈通識課50講》，譯有《DeFi與金融的未來》，具有 4 項(xiàng)國家發(fā)明專利。日常維護(hù)名為SeanCheney的博客、GitHub和公眾號，閱讀量上千萬。

圖書目錄

第1章準(zhǔn)備工作7
1.1 本書內(nèi)容7
1.2 為什么使用Python進(jìn)行數(shù)據(jù)分析8
1.3 重要的Python庫9
1.4 安裝和設(shè)置14
1.5 社區(qū)和會議18
1.6 本書導(dǎo)航18

第2章 Python語法基礎(chǔ)、IPython和Jupyter notebook21
2.1 Python解釋器22
2.2 IPython基礎(chǔ)23
2.3 Python語法基礎(chǔ)29
2.4總結(jié)47

第3章 Python的數(shù)據(jù)結(jié)構(gòu)、函數(shù)和文件48
3.1 數(shù)據(jù)結(jié)構(gòu)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(jié)81

第4章 NumPy基礎(chǔ)：數(shù)組和向量化計(jì)算82
4.1 NumPy的ndarray：多維數(shù)組對象84
4.2 生成偽隨機(jī)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(jìn)行面向數(shù)組編程105
4.5 使用數(shù)組進(jìn)行文件輸入和輸出113
4.6 線性代數(shù)114
4.7 示例：隨機(jī)漫步115
4.8 總結(jié)118

第5章 pandas入門119
5.1 pandas的數(shù)據(jù)結(jié)構(gòu)介紹120
5.2 基本功能133
5.3 描述性統(tǒng)計(jì)的匯總和計(jì)算159
5.4 總結(jié)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(jìn)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(jié)193

第7章數(shù)據(jù)清洗和準(zhǔn)備194
7.1 處理缺失數(shù)據(jù)194
7.2 數(shù)據(jù)轉(zhuǎn)換200
7.3 擴(kuò)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(jié)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(jié)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(jié)294

第10章數(shù)據(jù)聚合與分組操作295
10.1 GroupBy機(jī)制296
10.2 數(shù)據(jù)聚合304
10.3 Apply：通用的“拆分－應(yīng)用－聯(lián)合”范式310
10.4 分組轉(zhuǎn)換和“展開式”GroupBy運(yùn)算322
10.5 透視表和交叉表326
10.6 總結(jié)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(chǔ)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(shù)運(yùn)算353
11.6 重采樣及頻率轉(zhuǎn)換360
11.7 移動窗口函數(shù)369
11.8 總結(jié)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(jié)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(jié)440
附錄A 高階NumPy441
附錄B 更多關(guān)于IPython的內(nèi)容475