Pandas通關(guān)實(shí)戰(zhàn)

第1篇入門篇
第1章Python簡介
1.1Pandas簡介
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安裝簡介
1.6.1安裝步驟
1.6.2Anaconda Navigator簡介
1.6.3Anaconda Prompt使用簡介
1.6.4Anaconda Navigator與Anaconda Prompt
1.6.5conda與pip
1.6.6Nbextensions
1.7Jupyter Notebook簡介
1.7.1代碼模式
1.7.2Markdown模式
1.8Jupyter Notebook快捷鍵簡介
1.9本章回顧
第2章NumPy基礎(chǔ)
2.1對象、數(shù)據(jù)、數(shù)組
2.1.1位與字節(jié)
2.1.2對象
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
3.1Series
3.1.1Series基礎(chǔ)知識
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
3.2.2創(chuàng)建
3.2.3DataFrame相關(guān)知識
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
5.1.1程序結(jié)構(gòu)
5.1.2循環(huán)語句
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
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)計學(xué)基礎(chǔ)
8.1.1概率與數(shù)理統(tǒng)計
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批量保存分組對象
9.5.1保存為同一文件夾內(nèi)的多個工作簿
9.5.2保存為同一工作簿中的多個工作表
9.5.3保存為多個工作簿中的多個工作表
9.6本章回顧
第10章時間序列
10.1Excel時間函數(shù)
10.2datetime模塊
10.2.1date類
10.2.2time類
10.2.3datetime類
10.2.4timedelta類
10.3時間點(diǎn)
10.3.1pd.to_datetime
10.3.2pd.Timestamp
10.3.3DatetimeIndex時間戳索引
10.3.4pd.date_range()
10.4時間段
10.4.1Period
10.4.2Period_range
10.4.3asfreq時期的頻率轉(zhuǎn)換
10.4.4Timestamp與Period互相轉(zhuǎn)換
10.5時間差
10.5.1運(yùn)算規(guī)則說明
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)對照表
11.3.2應(yīng)用說明
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)來源說明
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
12.4.4方法論整理