Pandas 1.x實例精解

定　價：￥159.00

作　者：	[美]馬特·哈里森等著，劉鵬譯
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302609605	出版時間：	2022-06-01	包裝：	平裝-膠訂
開本：	16開	頁數：		字數：

內容簡介

　　本書詳細闡述了與Pandas相關的基本解決方案，主要包括Pandas基礎，DataFrame基本操作，創(chuàng)建和保留DataFrame，開始數據分析，探索性數據分析，選擇數據子集，過濾行，對齊索引，分組以進行聚合、過濾和轉換，將數據重組為規(guī)整形式，組合Pandas對象，時間序列分析，使用Matplotlib、Pandas和Seaborn進行可視化，調試和測試等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。本書適合作為高等院校計算機及相關專業(yè)的教材和教學參考書，也可作為相關開發(fā)人員的自學用書和參考手冊。

作者簡介

　　[美]馬特·哈里森（Matt Harrison），從2000年開始使用Python。他經營著MetaSnake公司，這是一家提供Python和數據科學方面企業(yè)培訓的公司。Matt Harrison還是Machine Learning Pocket Reference（《機器學習口袋寶典》）、Illustrated Guide to Python 3（《Python 3繪本指南》）和Learning the Pandas Library（《學習Pandas庫》）以及其他暢銷書籍的作者。Theodore Petrou是數據科學家和Dunder Data公司的創(chuàng)始人，后者是一家致力于探索性數據分析的專業(yè)教育公司。他還是Houston Data Science（休斯頓數據科學）線下聚會的牽頭人，Houston Data Science是一個有2000多名成員的聚會組織，其主要目標是將本地數據分析愛好者聚集在一起，以探討數據科學實踐。在創(chuàng)建Dunder Data公司之前，TheodorePetrou是一家大型石油服務公司Schlumberger的數據科學家，他在該公司的絕大部分工作就是研究和探索數據。Theodore Petrou的一些項目包括使用針對性的情感分析來從工程師文本中發(fā)現故障的根本原因，開發(fā)定制的客戶端／服務器儀表板應用程序以及實時Web服務以避免對銷售商品的錯誤定價。Theodore Petrou擁有萊斯大學（位于美國休斯頓市郊）的統計碩士學位。在成為數據科學家之前，他常利用自己的分析技能來玩撲克游戲和教授數學。他還是通過實踐學習理念的堅定支持者，常在Stack Overflow技術問答網站上回答有關Pandas的問題。

圖書目錄

第1章 Pandas基礎 1
1.1 導入Pandas 1
1.2 介紹Pandas 1
1.3 關于Pandas DataFrame 2
1.3.1 實戰(zhàn)操作 2
1.3.2 原理解釋 3
1.4 了解DataFrame屬性 4
1.4.1 實戰(zhàn)操作 4
1.4.2 原理解釋 5
1.4.3 擴展知識 6
1.5 了解數據類型 6
1.5.1 實戰(zhàn)操作 7
1.5.2 原理解釋 8
1.5.3 擴展知識 9
1.6 選擇列 9
1.6.1 實戰(zhàn)操作 10
1.6.2 原理解釋 13
1.6.3 擴展知識 13
1.7 調用Series方法 14
1.7.1 實戰(zhàn)操作 14
1.7.2 原理解釋 19
1.7.3 擴展知識 19
1.8 了解Series的操作 20
1.8.1 實戰(zhàn)操作 21
1.8.2 原理解釋 23
1.8.3 擴展知識 23
1.9 使用Series方法鏈 26
1.9.1 實戰(zhàn)操作 26
1.9.2 原理解釋 27
1.9.3 擴展知識 28
1.10 重命名列名 31
1.10.1 實戰(zhàn)操作 31
1.10.2 原理解釋 31
1.10.3 擴展知識 32
1.11 創(chuàng)建和刪除列 34
1.11.1 實戰(zhàn)操作 34
1.11.2 原理解釋 40
1.11.3 擴展知識 40
第2章 DataFrame基本操作 43
2.1 介紹 43
2.2 選擇多個DataFrame列 43
2.2.1 實戰(zhàn)操作 43
2.2.2 原理解釋 44
2.2.3 擴展知識 45
2.3 使用方法選擇列 45
2.3.1 實戰(zhàn)操作 46
2.3.2 原理解釋 48
2.3.3 擴展知識 48
2.4 排序列名稱 49
2.4.1 實戰(zhàn)操作 50
2.4.2 原理解釋 52
2.4.3 擴展知識 52
2.5 統計DataFrame摘要信息 52
2.5.1 實戰(zhàn)操作 53
2.5.2 原理解釋 55
2.5.3 擴展知識 55
2.6 使用DataFrame方法鏈 56
2.6.1 實戰(zhàn)操作 56
2.6.2 原理解釋 57
2.6.3 擴展知識 57
2.7 了解DataFrame的操作 58
2.7.1 實戰(zhàn)操作 59
2.7.2 原理解釋 62
2.7.3 擴展知識 63
2.8 比較缺失值 63
2.8.1 做好準備 63
2.8.2 實戰(zhàn)操作 64
2.8.3 原理解釋 66
2.8.4 擴展知識 66
2.9 轉置DataFrame操作的方向 67
2.9.1 實戰(zhàn)操作 67
2.9.2 原理解釋 69
2.9.3 擴展知識 69
2.10 確定大學校園的多樣性 70
2.10.1 實戰(zhàn)操作 70
2.10.2 原理解釋 74
2.10.3 擴展知識 74
第3章創(chuàng)建和保留DataFrame 77
3.1 介紹 77
3.2 從頭開始創(chuàng)建DataFrame 77
3.2.1 實戰(zhàn)操作 77
3.2.2 原理解釋 78
3.2.3 擴展知識 78
3.3 編寫CSV 80
3.3.1 實戰(zhàn)操作 80
3.3.2 擴展知識 81
3.4 讀取大型CSV文件 82
3.4.1 實戰(zhàn)操作 82
3.4.2 原理解釋 88
3.4.3 擴展知識 89
3.5 使用Excel文件 90
3.5.1 實戰(zhàn)操作 90
3.5.2 原理解釋 91
3.5.3 擴展知識 91
3.6 使用ZIP文件 92
3.6.1 實戰(zhàn)操作 92
3.6.2 原理解釋 95
3.6.3 擴展知識 95
3.7 與數據庫協同工作 95
3.7.1 實戰(zhàn)操作 95
3.7.2 原理解釋 97
3.8 讀取JSON 97
3.8.1 實戰(zhàn)操作 97
3.8.2 原理解釋 100
3.8.3 擴展知識 100
3.9 讀取HTML表格 100
3.9.1 實戰(zhàn)操作 101
3.9.2 原理解釋 105
3.9.3 擴展知識 106
第4章開始數據分析 107
4.1 介紹 107
4.2 開發(fā)數據分析例程 107
4.2.1 實戰(zhàn)操作 108
4.2.2 原理解釋 110
4.2.3 擴展知識 110
4.3 數據字典 111
4.4 通過更改數據類型減少內存使用量 112
4.4.1 實戰(zhàn)操作 112
4.4.2 原理解釋 115
4.4.3 擴展知識 116
4.5 從最大中選擇最小 117
4.5.1 實戰(zhàn)操作 118
4.5.2 原理解釋 119
4.5.3 擴展知識 119
4.6 通過排序選擇每組中的最大值 119
4.6.1 實戰(zhàn)操作 119
4.6.2 原理解釋 121
4.6.3 擴展知識 122
4.7 使用sort_values復制nlargest 123
4.7.1 實戰(zhàn)操作 123
4.7.2 原理解釋 125
4.8 計算追蹤止損單價格 126
4.8.1 實戰(zhàn)操作 126
4.8.2 原理解釋 128
4.8.3 擴展知識 128
第5章探索性數據分析 129
5.1 介紹 129
5.2 摘要統計 129
5.2.1 實戰(zhàn)操作 130
5.2.2 原理解釋 132
5.2.3 擴展知識 132
5.3 查看列類型 132
5.3.1 實戰(zhàn)操作 132
5.3.2 原理解釋 133
5.3.3 擴展知識 134
5.4 分類數據 137
5.4.1 實戰(zhàn)操作 137
5.4.2 原理解釋 140
5.4.3 擴展知識 141
5.5 連續(xù)數據 145
5.5.1 實戰(zhàn)操作 145
5.5.2 原理解釋 148
5.5.3 擴展知識 149
5.6 跨越分類比較連續(xù)值 151
5.6.1 實戰(zhàn)操作 151
5.6.2 原理解釋 153
5.6.3 擴展知識 153
5.7 比較兩個連續(xù)列 157
5.7.1 實戰(zhàn)操作 157
5.7.2 原理解釋 162
5.7.3 擴展知識 163
5.8 使用分類值比較分類值 165
5.8.1 實戰(zhàn)操作 165
5.8.2 原理解釋 171
5.9 使用Pandas分析庫 171
5.9.1 實戰(zhàn)操作 172
5.9.2 原理解釋 173
第6章選擇數據子集 175
6.1 介紹 175
6.2 選擇Series數據 175
6.2.1 實戰(zhàn)操作 176
6.2.2 原理解釋 179
6.2.3 擴展知識 180
6.3 選擇DataFrame行 182
6.3.1 實戰(zhàn)操作 182
6.3.2 原理解釋 184
6.3.3 擴展知識 185
6.4 同時選擇DataFrame行和列 185
6.4.1 實戰(zhàn)操作 185
6.4.2 原理解釋 187
6.4.3 擴展知識 188
6.5 使用整數和標簽選擇數據 188
6.5.1 實戰(zhàn)操作 188
6.5.2 原理解釋 189
6.5.3 擴展知識 189
6.6 按字典序切片 190
6.6.1 實戰(zhàn)操作 190
6.6.2 原理解釋 192
6.6.3 擴展知識 192
第7章過濾行 193
7.1 介紹 193
7.2 計算布爾統計信息 193
7.2.1 實戰(zhàn)操作 194
7.2.2 原理解釋 195
7.2.3 擴展知識 196
7.3 構造多個布爾條件 196
7.3.1 實戰(zhàn)操作 197
7.3.2 原理解釋 197
7.3.3 擴展知識 198
7.4 用布爾數組過濾 199
7.4.1 實戰(zhàn)操作 199
7.4.2 原理解釋 201
7.4.3 擴展知識 202
7.5 比較行過濾和索引過濾 202
7.5.1 實戰(zhàn)操作 203
7.5.2 原理解釋 203
7.5.3 擴展知識 204
7.6 使用唯一索引和排序索引進行選擇 205
7.6.1 實戰(zhàn)操作 205
7.6.2 原理解釋 207
7.6.3 擴展知識 207
7.7 轉換SQL WHERE子句 208
7.7.1 實戰(zhàn)操作 209
7.7.2 原理解釋 210
7.7.3 擴展知識 211
7.8 使用查詢方法提高布爾索引的可讀性 212
7.8.1 實戰(zhàn)操作 212
7.8.2 原理解釋 213
7.8.3 擴展知識 213
7.9 使用.where方法保留Series大小 214
7.9.1 實戰(zhàn)操作 214
7.9.2 原理解釋 218
7.9.3 擴展知識 218
7.10 屏蔽DataFrame行 218
7.10.1 實戰(zhàn)操作 218
7.10.2 原理解釋 220
7.10.3 擴展知識 221
7.11 使用布爾值、整數位置和標簽進行選擇 221
7.11.1 實戰(zhàn)操作 221
7.11.2 原理解釋 224
第8章對齊索引 225
8.1 介紹 225
8.2 檢查Index對象 225
8.2.1 實戰(zhàn)操作 225
8.2.2 原理解釋 227
8.2.3 擴展知識 227
8.3 生成笛卡兒積 228
8.3.1 實戰(zhàn)操作 228
8.3.2 原理解釋 229
8.3.3 擴展知識 229
8.4 了解索引暴增現象 231
8.4.1 實戰(zhàn)操作 231
8.4.2 原理解釋 233
8.4.3 擴展知識 233
8.5 給不相等的索引填充值 234
8.5.1 實戰(zhàn)操作 234
8.5.2 原理解釋 236
8.5.3 擴展知識 237
8.6 添加來自不同DataFrames中的列 239
8.6.1 實戰(zhàn)操作 239
8.6.2 原理解釋 242
8.6.3 擴展知識 242
8.7 突出顯示每列的最大值 244
8.7.1 實戰(zhàn)操作 245
8.7.2 原理解釋 250
8.7.3 擴展知識 251
8.8 使用方法鏈復制.idxmax 252
8.8.1 實戰(zhàn)操作 252
8.8.2 原理解釋 256
8.8.3 擴展知識 257
8.9 查找最常見的列的最大值 258
8.9.1 實戰(zhàn)操作 258
8.9.2 原理解釋 259
8.9.3 擴展知識 259
第9章分組以進行聚合、過濾和轉換 261
9.1 介紹 261
9.2 定義聚合 262
9.2.1 實戰(zhàn)操作 262
9.2.2 原理解釋 264
9.2.3 擴展知識 265
9.3 使用多個列和函數進行分組和聚合 265
9.3.1 實戰(zhàn)操作 266
9.3.2 原理解釋 268
9.3.3 擴展知識 269
9.4 分組后刪除多重索引 271
9.4.1 實戰(zhàn)操作 271
9.4.2 原理解釋 274
9.4.3 擴展知識 274
9.5 使用自定義聚合函數進行分組 275
9.5.1 實戰(zhàn)操作 275
9.5.2 原理解釋 277
9.5.3 擴展知識 277
9.6 使用*args和**kwargs自定義聚合函數 279
9.6.1 實戰(zhàn)操作 279
9.6.2 原理解釋 281
9.6.3 擴展知識 281
9.7 檢查groupby對象 282
9.7.1 實戰(zhàn)操作 282
9.7.2 原理解釋 285
9.7.3 擴展知識 286
9.8 篩選少數族裔占多數的州 286
9.8.1 實戰(zhàn)操作 287
9.8.2 原理解釋 288
9.8.3 擴展知識 288
9.9 通過減肥賭注做出改變 289
9.9.1 實戰(zhàn)操作 289
9.9.2 原理解釋 294
9.9.3 擴展知識 295
9.10 計算每個州的SAT加權平均成績 296
9.10.1 實戰(zhàn)操作 297
9.10.2 原理解釋 299
9.10.3 擴展知識 300
9.11 按連續(xù)變量分組 301
9.11.1 實戰(zhàn)操作 302
9.11.2 原理解釋 303
9.11.3 擴展知識 304
9.12 計算城市之間的航班總數 305
9.12.1 實戰(zhàn)操作 305
9.12.2 原理解釋 308
9.12.3 擴展知識 309
9.13 尋找最長的準點航班連續(xù)記錄 310
9.13.1 實戰(zhàn)操作 310
9.13.2 原理解釋 314
9.13.3 擴展知識 316
第10章將數據重組為規(guī)整形式 319
10.1 介紹 319
10.2 使用stack將變量值規(guī)整為列名稱 321
10.2.1 實戰(zhàn)操作 322
10.2.2 原理解釋 324
10.2.3 擴展知識 324
10.3 使用melt將變量值規(guī)整為列名稱 326
10.3.1 實戰(zhàn)操作 326
10.3.2 原理解釋 327
10.3.3 擴展知識 327
10.4 同時堆疊多組變量 328
10.4.1 實戰(zhàn)操作 329
10.4.2 原理解釋 330
10.4.3 擴展知識 330
10.5 反轉已堆疊的數據 331
10.5.1 實戰(zhàn)操作 332
10.5.2 原理解釋 335
10.5.3 擴展知識 335
10.6 在groupby聚合之后取消堆疊 336
10.6.1 實戰(zhàn)操作 337
10.6.2 原理解釋 338
10.6.3 擴展知識 339
10.7 使用groupby聚合復制 .pivot_table方法的功能 340
10.7.1 實戰(zhàn)操作 340
10.7.2 原理解釋 342
10.7.3 擴展知識 342
10.8 重命名軸的級別以方便數據的重塑 344
10.8.1 實戰(zhàn)操作 344
10.8.2 原理解釋 348
10.8.3 擴展知識 349
10.9 對多個變量存儲為列名稱的情況進行規(guī)整 350
10.9.1 實戰(zhàn)操作 350
10.9.2 原理解釋 354
10.9.3 擴展知識 354
10.10 對多個變量存儲為單個列的情況進行規(guī)整 356
10.10.1 實戰(zhàn)操作 356
10.10.2 原理解釋 359
10.10.3 擴展知識 360
10.11 對多個值存儲在同一單元格中的情況進行規(guī)整 360
10.11.1 實戰(zhàn)操作 361
10.11.2 原理解釋 362
10.11.3 擴展知識 362
10.12 對變量存儲在列名稱和值中的情況進行規(guī)整 363
10.12.1 實戰(zhàn)操作 364
10.12.2 原理解釋 365
10.12.3 擴展知識 365
第11章組合Pandas對象 367
11.1 介紹 367
11.2 將新行追加到DataFrame 367
11.2.1 實戰(zhàn)操作 367
11.2.2 原理解釋 372
11.2.3 擴展知識 372
11.3 將多個DataFrame連接在一起 373
11.3.1 實戰(zhàn)操作 374
11.3.2 原理解釋 376
11.3.3 擴展知識 376
11.4 了解concat函數、.join和.merge方法之間的區(qū)別 377
11.4.1 實戰(zhàn)操作 378
11.4.2 原理解釋 383
11.4.3 擴展知識 384
11.5 連接到SQL數據庫 385
11.5.1 實戰(zhàn)操作 386
11.5.2 原理解釋 389
11.5.3 擴展知識 390
第12章時間序列分析 393
12.1 介紹 393
12.2 了解Python和Pandas日期工具之間的區(qū)別 393
12.2.1 實戰(zhàn)操作 394
12.2.2 原理解釋 398
12.3 智能分割時間序列 399
12.3.1 實戰(zhàn)操作 400
12.3.2 原理解釋 403
12.3.3 擴展知識 404
12.4 用時間數據過濾列 404
12.4.1 實戰(zhàn)操作 404
12.4.2 原理解釋 407
12.4.3 擴展知識 408
12.5 使用僅適用于DatetimeIndex的方法 408
12.5.1 實戰(zhàn)操作 409
12.5.2 原理解釋 414
12.5.3 擴展知識 415
12.6 計算每周犯罪數 415
12.6.1 實戰(zhàn)操作 416
12.6.2 原理解釋 418
12.6.3 擴展知識 418
12.7 分別匯總每周犯罪和交通事故 419
12.7.1 實戰(zhàn)操作 420
12.7.2 原理解釋 422
12.7.3 擴展知識 424
12.8 按星期和年份衡量犯罪情況 425
12.8.1 實戰(zhàn)操作 425
12.8.2 原理解釋 432
12.8.3 擴展知識 434
12.9 使用匿名函數進行分組 435
12.9.1 實戰(zhàn)操作 435
12.9.2 原理解釋 438
12.10 按Timestamp和其他列分組 438
12.10.1 實戰(zhàn)操作 439
12.10.2 原理解釋 442
12.10.3 擴展知識 443
第13章使用Matplotlib、Pandas和Seaborn進行可視化 445
13.1 介紹 445
13.2 Matplotlib入門 446
13.3 Matplotlib的面向對象指南 447
13.3.1 實戰(zhàn)操作 450
13.3.2 原理解釋 454
13.3.3 擴展知識 458
13.4 使用Matplotlib可視化數據 458
13.4.1 實戰(zhàn)操作 458
13.4.2 原理解釋 462
13.4.3 擴展知識 463
13.5 Pandas繪圖基礎 466
13.5.1 實戰(zhàn)操作 467
13.5.2 原理解釋 469
13.5.3 擴展知識 470
13.6 可視化航班數據集 471
13.6.1 實戰(zhàn)操作 471
13.6.2 原理解釋 482
13.7 使用堆積面積圖發(fā)現新興趨勢 484
13.7.1 實戰(zhàn)操作 484
13.7.2 原理解釋 488
13.8 了解Seaborn和Pandas之間的區(qū)別 489
13.8.1 實戰(zhàn)操作 489
13.8.2 原理解釋 495
13.9 使用Seaborn網格進行多變量分析 496
13.9.1 實戰(zhàn)操作 496
13.9.2 原理解釋 499
13.9.3 擴展知識 500
13.10 使用Seaborn在鉆石數據集中發(fā)現辛普森悖論 502
13.10.1 實戰(zhàn)操作 503
13.10.2 原理解釋 507
13.10.3 擴展知識 507
第14章調試和測試 509
14.1 轉換數據 509
14.1.1 實戰(zhàn)操作 509
14.1.2 原理解釋 513
14.2 測試.apply方法的性能 514
14.2.1 實戰(zhàn)操作 514
14.2.2 原理解釋 515
14.2.3 擴展知識 515
14.3 使用Dask、Pandarell和Swifter等提高 .apply 方法的性能 516
14.3.1 實戰(zhàn)操作 517
14.3.2 原理解釋 518
14.4 檢查代碼 519
14.4.1 實戰(zhàn)操作 520
14.4.2 原理解釋 523
14.4.3 擴展知識 523
14.5 在Jupyter中進行調試 523
14.5.1 實戰(zhàn)操作 524
14.5.2 原理解釋 526
14.5.3 擴展知識 526
14.6 管理數據的完整性 527
14.6.1 實戰(zhàn)操作 527
14.6.2 原理解釋 534
14.7 結合使用pytest和Pandas 535
14.7.1 實戰(zhàn)操作 535
14.7.2 原理解釋 539
14.7.3 擴展知識 539
14.8 使用Hypothesis庫生成測試 540
14.8.1 實戰(zhàn)操作 540
14.8.2 原理解釋 545