Python科學計算

定　價：￥42.80

作　者：	孫霓剛
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111703792	出版時間：	2022-05-01	包裝：
開本：	16開	頁數(shù)：	202	字數(shù)：

內容簡介

　　本書共分為10章，循序漸進地講述了Python數(shù)據(jù)分析的基本概念、NumPy、Pandas、matplotlib以及Python數(shù)據(jù)分析的綜合案例，包括以下主要內容：Python數(shù)據(jù)分析的基本概念與環(huán)境安裝配置，以及開發(fā)工具的使用；NumPy模塊的基本概念、結構及語法；介紹數(shù)據(jù)分析的核心模塊Pandas，以及如何使用Pandas中兩大核心對象Series和DataFrame；如何從數(shù)據(jù)源（文件、數(shù)據(jù)庫）中讀取數(shù)據(jù)并轉換為Pandas模塊中的DataFrame對象，進而進行數(shù)據(jù)分析；Pandas中的缺失對象、索引對象以及常用的數(shù)據(jù)清洗方式；Pandas中的多層索引對象，以及索引對象和Pandas中Series與DataFrame的關系；數(shù)據(jù)合并的概念，以及Pandas中數(shù)據(jù)合并的方法；數(shù)據(jù)分組的概念，以及Pandas中數(shù)據(jù)分組的方法；如何利用matplotlib進行數(shù)據(jù)可視化；綜合利用本書知識為讀者展示對招聘數(shù)據(jù)進行分析的實戰(zhàn)案例。 \n本書可作為高校計算機及相關專業(yè)基礎課程教材，也可作為數(shù)據(jù)分析培訓教材和提高數(shù)據(jù)分析操作能力的參考書。書中在合理安排內容的同時配有適量的例題與習題，以輔助教師講授和學生自學。 \n \n \n \n

作者簡介

暫缺《Python科學計算》作者簡介

圖書目錄

前言 \n
第1章數(shù)據(jù)科學導論 \n
1.1數(shù)據(jù)科學的由來 \n
1.2數(shù)據(jù)科學在不同場景中的應用 \n
1.3數(shù)據(jù)科學工作的一般流程 \n
1.4IPython的概念 \n
1.5IPython的安裝 \n
1.6IPython的功能特點 \n
1.6.1magic特性 \n
1.6.2Tab補全功能 \n
1.6.3代碼自省 \n
1.7Jupyter Notebook的使用 \n
1.7.1Jupyter Notebook的概念及特點 \n
1.7.2安裝Jupyter Notebook \n
1.7.3啟動Jupyter Notebook \n
1.8本章小結 \n
1.9練習 \n
第2章NumPy基礎 \n
2.1NumPy的概念 \n
2.1.1什么是NumPy \n
2.1.2NumPy的優(yōu)勢 \n
2.2ndarray對象基本應用 \n
2.2.1創(chuàng)建ndarray \n
2.2.2元素的類型 \n
2.2.3數(shù)組的屬性 \n
2.3索引與切片 \n
2.3.1基本的索引與切片 \n
2.3.2切片索引 \n
2.3.3布爾型索引 \n
2.3.4花式索引 \n
2.4內置函數(shù) \n
2.4.1字符串函數(shù) \n
2.4.2統(tǒng)計函數(shù) \n
2.4.3數(shù)學函數(shù) \n
2.4.4算術函數(shù) \n
2.4.5排序、篩選函數(shù) \n
2.5數(shù)組的運算 \n
2.5.1四則運算 \n
2.5.2廣播 \n
2.5.3邏輯運算 \n
2.6基于數(shù)組的文件輸入與輸出 \n
2.7利用數(shù)組進行數(shù)據(jù)處理 \n
2.7.1條件邏輯表述為數(shù)組運算 \n
2.7.2用于布爾型數(shù)組的方法 \n
2.8本章小結 \n
2.9練習 \n
第3章Pandas入門 \n
3.1Pandas介紹 \n
3.2Pandas數(shù)據(jù)結構 Series \n
3.2.1創(chuàng)建Series對象 \n
3.2.2Series數(shù)據(jù)的訪問 \n
3.2.3通過NumPy和其他Series對象 \n
定義新的Series對象 \n
3.2.4Series的元素判斷和過濾 \n
3.2.5Series的元素組成 \n
3.2.6Series的計算 \n
3.3Pandas數(shù)據(jù)結構 DataFrame \n
3.3.1創(chuàng)建DataFrame \n
3.3.2DataFrame數(shù)據(jù)的訪問 \n
3.3.3DataFrame 基礎信息查看 \n
3.3.4DataFrame數(shù)據(jù)的選取和過濾 \n
3.4Pandas的算術運算 \n
3.5Pandas函數(shù)應用與映射 \n
3.6本章小結 \n
3.7練習 \n
第4章Pandas數(shù)據(jù)加載 \n
4.1讀取CSV文件中的數(shù)據(jù) \n
4.2處理CSV文件中的無效數(shù)據(jù) \n
4.3逐塊讀取文本文件 \n
4.4從數(shù)據(jù)庫中讀取數(shù)據(jù) \n
4.5讀取JSON數(shù)據(jù) \n
4.6將數(shù)據(jù)寫入CSV文件 \n
4.7本章小結 \n
4.8練習 \n
Python科學計算目錄第5章Pandas數(shù)據(jù)預處理 \n
5.1了解缺失值 \n
5.1.1None ：Python對象類型 \n
的缺失值 \n
5.1.2NaN:數(shù)值類型的缺失值 \n
5.1.3Pandas中常用缺失值的總結 \n
5.2處理缺失值 \n
5.2.1探索缺失值 \n
5.2.2刪除缺失值 \n
5.2.3替換缺失值 \n
5.3本章小結 \n
5.4練習 \n
第6章Pandas索引的應用 \n
6.1索引對象 \n
6.1.1初識Index對象 \n
6.1.2創(chuàng)建并使用Index對象 \n
6.1.3創(chuàng)建并使用MultiIndex對象 \n
6.2索引及切片 \n
6.2.1Series對象 \n
6.2.2DataFrame對象 \n
6.3本章小結 \n
6.4練習 \n
第7章Pandas數(shù)據(jù)合并及常見字符串 \n
處理7.1字符串常見操作 \n
7.2Series類中str對象的方法 \n
7.3數(shù)據(jù)拼接 \n
7.3.1低維度數(shù)據(jù)合并 \n
7.3.2高維度數(shù)據(jù)合并 \n
7.4數(shù)據(jù)連接 \n
7.5本章小結 \n
7.6練習 \n
第8章Pandas分組 \n
8.1數(shù)據(jù)分組 \n
8.2數(shù)據(jù)分組高級使用 \n
8.3透視表制作 \n
8.4本章小結 \n
8.5練習 \n
第9章使用matplotlib完成數(shù)據(jù) \n
可視化9.1matplotlib的安裝 \n
9.2matplotlib的快速使用 \n
9.3pyplot的用法詳解 \n
9.3.1pyplot的快速使用 \n
9.3.2繪制多個子圖 \n
9.3.3為圖表添加文本 \n
9.3.4為圖表添加圖例 \n
9.3.5日期類型的數(shù)據(jù) \n
9.3.6注解的使用 \n
9.4折線圖 \n
9.5柱狀圖 \n
9.6散點圖 \n
9.7誤差線 \n
9.8本章小結 \n
9.9練習 \n
第10章招聘數(shù)據(jù)綜合分析 \n
10.1不同崗位公司類型占比 \n
10.2數(shù)據(jù)分析崗位各招聘公司規(guī)模分布 \n
10.3數(shù)據(jù)分析崗位招聘學歷以及經(jīng)驗 \n
要求 \n
10.4數(shù)據(jù)分析崗位招聘城市需求數(shù)量 \n
占比 \n
10.5數(shù)據(jù)分析崗位招聘不同地區(qū)薪資 \n
分布 \n
10.6本章小結 \n
10.7練習 \n
參考文獻 \n