深入淺出Pandas：利用Python進(jìn)行數(shù)據(jù)處理與分析

定　價(jià)：￥99.00

作　者：	李慶輝著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111685456	出版時(shí)間：	2021-08-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	428	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　內(nèi)容簡(jiǎn)介如果你想充分發(fā)揮Python的強(qiáng)大作用，如果你想成為一名好的Python工程師，你應(yīng)該先學(xué)好Pandas。這是一本全面覆蓋了Pandas使用者的普遍需求和痛點(diǎn)的著作，基于實(shí)用、易學(xué)的原則，從功能、使用、原理等多個(gè)維度對(duì)Pandas做了全方位的詳細(xì)講解，既是初學(xué)者系統(tǒng)學(xué)習(xí)Pandas難得的入門(mén)書(shū)，又是有經(jīng)驗(yàn)的Python工程師案頭必不可少的查詢(xún)手冊(cè)。本書(shū)共17章，分為七部分。第1部分（第1～2章） Pandas入門(mén) 首先介紹了Pandas的功能、使用場(chǎng)景和學(xué)習(xí)方法，然后詳細(xì)講解了Python開(kāi)發(fā)環(huán)境的搭建，Z后介紹了Pandas的大量基礎(chǔ)功能，旨在引領(lǐng)讀者快速入門(mén)。第二部分（第3～5章） Pandas數(shù)據(jù)分析基礎(chǔ) 詳細(xì)講解了Pandas讀取與輸出數(shù)據(jù)、索引操作、數(shù)據(jù)類(lèi)型轉(zhuǎn)換、查詢(xún)篩選、統(tǒng)計(jì)計(jì)算、排序、位移、數(shù)據(jù)修改、數(shù)據(jù)迭代、函數(shù)應(yīng)用等內(nèi)容。第三部分（第6～9章）數(shù)據(jù)形式變化講解了Pandas的分組聚合操作、合并操作、對(duì)比操作、數(shù)據(jù)透視、轉(zhuǎn)置、歸一化、標(biāo)準(zhǔn)化等，以及如何利用多層索引對(duì)數(shù)據(jù)進(jìn)行升降維。第四部分（第10～12章）數(shù)據(jù)清洗講解了缺失值和重復(fù)值的識(shí)別、刪除、填充，數(shù)據(jù)的替換、格式轉(zhuǎn)換，文本的提取、連接、匹配、切分、替換、格式化、虛擬變量化等，以及分類(lèi)數(shù)據(jù)的應(yīng)用場(chǎng)景和操作方法。第五部分（第13～14章）時(shí)序數(shù)據(jù)分析講解了Pandas中對(duì)于各種時(shí)間類(lèi)型數(shù)據(jù)的處理和分析，以及在時(shí)序數(shù)據(jù)處理中經(jīng)常使用的窗口計(jì)算。第六部分（第15～16章）可視化講解了Pandas的樣式功能如何讓數(shù)據(jù)表格更有表現(xiàn)力，以及Pandas的繪圖功能如何讓數(shù)據(jù)自己說(shuō)話。第七部分（第17章）實(shí)戰(zhàn)案例介紹了從需求到代碼的思考過(guò)程，如何利用鏈?zhǔn)骄幊趟枷胩岣叽a編寫(xiě)和數(shù)據(jù)分析效率，以及數(shù)據(jù)分析的基本方法與需要掌握的數(shù)據(jù)分析工具和技術(shù)棧，此外還從數(shù)據(jù)處理和數(shù)據(jù)分析兩個(gè)角度給出了大量的應(yīng)用案例及代碼詳解。

作者簡(jiǎn)介

　　李慶輝數(shù)據(jù)產(chǎn)品專(zhuān)家，某電商公司數(shù)據(jù)產(chǎn)品團(tuán)隊(duì)負(fù)責(zé)人，擅長(zhǎng)通過(guò)數(shù)據(jù)治理、數(shù)據(jù)分析、數(shù)據(jù)化運(yùn)營(yíng)提升公司的數(shù)據(jù)應(yīng)用水平。精通Python數(shù)據(jù)科學(xué)及Python Web開(kāi)發(fā)，曾獨(dú)立開(kāi)發(fā)公司的自動(dòng)化數(shù)據(jù)分析平臺(tái)，參與教育部“1+X”數(shù)據(jù)分析（Python）職業(yè)技能等級(jí)標(biāo)準(zhǔn)評(píng)審。中國(guó)人工智能學(xué)會(huì)會(huì)員，企業(yè)數(shù)字化、數(shù)據(jù)產(chǎn)品和數(shù)據(jù)分析講師，在個(gè)人網(wǎng)站“蓋若”上編寫(xiě)的技術(shù)和產(chǎn)品教程廣受歡迎。

圖書(shū)目錄

前言
第一部分　Pandas入門(mén)
第1章　Pandas簡(jiǎn)介及快速入門(mén)2
1.1　Pandas是什么2
1.1.1　Python簡(jiǎn)介2
1.1.2　Python的應(yīng)用3
1.1.3　為什么不選擇R4
1.1.4　Pandas簡(jiǎn)介4
1.1.5　Pandas的使用人群5
1.1.6　Pandas的基本功能5
1.1.7　Pandas的學(xué)習(xí)方法6
1.1.8　小結(jié)6
1.2　環(huán)境搭建及安裝6
1.2.1　Python環(huán)境安裝7
1.2.2　Anaconda簡(jiǎn)介7
1.2.3　安裝miniconda8
1.2.4　多Python版本環(huán)境9
1.2.5　安裝編輯器10
1.2.6　Jupyter Notebook10
1.2.7　用pip安裝三方庫(kù)11
1.2.8　安裝Jupyter Notebook12
1.2.9　啟動(dòng)Jupyter Notebook12
1.2.10　使用Jupyter Notebook13
1.2.11　安裝Pandas14
1.2.12　小結(jié)14
1.3　Pandas快速入門(mén)14
1.3.1　安裝導(dǎo)入14
1.3.2　準(zhǔn)備數(shù)據(jù)集15
1.3.3　讀取數(shù)據(jù)15
1.3.4　查看數(shù)據(jù)16
1.3.5　驗(yàn)證數(shù)據(jù)17
1.3.6　建立索引17
1.3.7　數(shù)據(jù)選取18
1.3.8　排序19
1.3.9　分組聚合19
1.3.10　數(shù)據(jù)轉(zhuǎn)換20
1.3.11　增加列21
1.3.12　統(tǒng)計(jì)分析21
1.3.13　繪圖21
1.3.14　導(dǎo)出24
1.3.15　小結(jié)24
1.4　本章小結(jié)24
第2章　數(shù)據(jù)結(jié)構(gòu)25
2.1　數(shù)據(jù)結(jié)構(gòu)概述25
2.1.1　什么是數(shù)據(jù)25
2.1.2　什么是數(shù)據(jù)結(jié)構(gòu)26
2.1.3　小結(jié)26
2.2　Python的數(shù)據(jù)結(jié)構(gòu)26
2.2.1　數(shù)字27
2.2.2　字符串27
2.2.3　布爾型28
2.2.4　列表29
2.2.5　元組30
2.2.6　字典30
2.2.7　集合31
2.2.8　小結(jié)32
2.3　NumPy32
2.3.1　NumPy簡(jiǎn)介33
2.3.2　數(shù)據(jù)結(jié)構(gòu)33
2.3.3　創(chuàng)建數(shù)據(jù)34
2.3.4　數(shù)據(jù)類(lèi)型34
2.3.5　數(shù)組信息35
2.3.6　統(tǒng)計(jì)計(jì)算35
2.3.7　小結(jié)35
2.4　Pandas的數(shù)據(jù)結(jié)構(gòu)35
2.4.1　Series36
2.4.2　DataFrame36
2.4.3　索引37
2.4.4　小結(jié)38
2.5　Pandas生成數(shù)據(jù)38
2.5.1　導(dǎo)入Pandas38
2.5.2　創(chuàng)建數(shù)據(jù)38
2.5.3　生成Series40
2.5.4　生成DataFrame41
2.5.5　小結(jié)43
2.6　Pandas的數(shù)據(jù)類(lèi)型43
2.6.1　數(shù)據(jù)類(lèi)型查看43
2.6.2　常見(jiàn)數(shù)據(jù)類(lèi)型44
2.6.3　數(shù)據(jù)檢測(cè)44
2.6.4　小結(jié)45
2.7　本章小結(jié)45
第二部分　Pandas數(shù)據(jù)分析基礎(chǔ)
第3章　Pandas數(shù)據(jù)讀取與輸出48
3.1　數(shù)據(jù)讀取48
3.1.1　CSV文件49
3.1.2　Excel49
3.1.3　JSON 50
3.1.4　HTML50
3.1.5　剪貼板51
3.1.6　SQL51
3.1.7　小結(jié)52
3.2　讀取CSV52
3.2.1　語(yǔ)法52
3.2.2　數(shù)據(jù)內(nèi)容53
3.2.3　分隔符53
3.2.4　表頭54
3.2.5　列名54
3.2.6　索引54
3.2.7　使用部分列54
3.2.8　返回序列55
3.2.9　表頭前綴55
3.2.10　處理重復(fù)列名55
3.2.11　數(shù)據(jù)類(lèi)型55
3.2.12　引擎55
3.2.13　列數(shù)據(jù)處理56
3.2.14　真假值轉(zhuǎn)換56
3.2.15　跳過(guò)指定行56
3.2.16　讀取指定行57
3.2.17　空值替換57
3.2.18　保留默認(rèn)空值57
3.2.19　日期時(shí)間解析58
3.2.20　文件處理59
3.2.21　符號(hào)60
3.2.22　小結(jié)61
3.3　讀取Excel61
3.3.1　語(yǔ)法61
3.3.2　文件內(nèi)容62
3.3.3　表格62
3.3.4　表頭62
3.3.5　列名62
3.3.6　其他62
3.3.7　小結(jié)63
3.4　數(shù)據(jù)輸出63
3.4.1　CSV63
3.4.2　Excel63
3.4.3　HTML64
3.4.4　數(shù)據(jù)庫(kù)（SQL）64
3.4.5　Markdown65
3.4.6　小結(jié)65
3.5　本章小結(jié)65
第4章　Pandas基礎(chǔ)操作66
4.1　索引操作66
4.1.1　認(rèn)識(shí)索引66
4.1.2　建立索引67
4.1.3　重置索引68
4.1.4　索引類(lèi)型68
4.1.5　索引對(duì)象69
4.1.6　索引的屬性70
4.1.7　索引的操作70
4.1.8　索引重命名72
4.1.9　修改索引內(nèi)容72
4.1.10　小結(jié)73
4.2　數(shù)據(jù)的信息73
4.2.1　查看樣本73
4.2.2　數(shù)據(jù)形狀74
4.2.3　基礎(chǔ)信息74
4.2.4　數(shù)據(jù)類(lèi)型74
4.2.5　行列索引內(nèi)容75
4.2.6　其他信息75
4.2.7　小結(jié)75
4.3　統(tǒng)計(jì)計(jì)算76
4.3.1　描述統(tǒng)計(jì)76
4.3.2　數(shù)學(xué)統(tǒng)計(jì)77
4.3.3　統(tǒng)計(jì)函數(shù)78
4.3.4　非統(tǒng)計(jì)計(jì)算79
4.3.5　小結(jié)80
4.4　位置計(jì)算80
4.4.1　位置差值diff()80
4.4.2　位置移動(dòng)shift()81
4.4.3　位置序號(hào)rank()81
4.4.4　小結(jié)82
4.5　數(shù)據(jù)選擇82
4.5.1　選擇列83
4.5.2　切片[]83
4.5.3　按軸標(biāo)簽.loc84
4.5.4　按數(shù)字索引.iloc86
4.5.5　取具體值.at/.iat86
4.5.6　獲取數(shù)據(jù).get86
4.5.7　數(shù)據(jù)截取.truncate87
4.5.8　索引選擇器87
4.5.9　小結(jié)87
4.6　本章小結(jié)88
第5章　Pandas高級(jí)操作89
5.1　復(fù)雜查詢(xún)89
5.1.1　邏輯運(yùn)算89
5.1.2　邏輯篩選數(shù)據(jù)91
5.1.3　函數(shù)篩選92
5.1.4　比較函數(shù)92
5.1.5　查詢(xún)df.query()93
5.1.6　篩選df.filter()93
5.1.7　按數(shù)據(jù)類(lèi)型查詢(xún)93