Python實(shí)戰(zhàn)之?dāng)?shù)據(jù)分析與處理

目 錄
第一部分 數(shù)據(jù)分析與處理簡(jiǎn)介
第1章 數(shù)據(jù)分析與處理概述\t2
1．1 了解大數(shù)據(jù)\t2
1．2 數(shù)據(jù)分析與處理的需求\t4
1．3 數(shù)據(jù)分析與處理的發(fā)展前景\t5
第二部分 科學(xué)計(jì)算之門(mén)――NumPy
第2章 NumPy入門(mén)\t8
2．1 NumPy簡(jiǎn)介\t8
2．2 NumPy安裝\t8
2．3 NumPy――ndarray對(duì)象\t9
2．4 NumPy數(shù)據(jù)類(lèi)型\t11
2．4．1 數(shù)據(jù)類(lèi)型\t11
2．4．2 數(shù)據(jù)類(lèi)型對(duì)象（dtype）\t12
2．5 NumPy數(shù)組屬性\t16
2．6 NumPy創(chuàng)建數(shù)組\t19
2．6．1 numpy．empty\t19
2．6．2 numpy．zeros\t19
2．6．3 numpy．ones\t20
2．6．4 numpy．a(chǎn)sarray\t21
2．6．5 numpy．frombuffer\t22
2．6．6 numpy．fromiter\t23
2．6．7 numpy．a(chǎn)range\t23
2．6．8 numpy．linspace\t24
2．6．9 numpy．logspace\t26
2．7 NumPy切片和索引\t27
2．7．1 切片和索引\t27
2．7．2 整數(shù)數(shù)組索引\t29
2．7．3 布爾索引\t30
2．7．4 花式索引\t31
2．8 NumPy迭代數(shù)組\t32
2．9 NumPy數(shù)組操作\t37
2．9．1 修改數(shù)字形狀\t37
2．9．2 翻轉(zhuǎn)數(shù)組\t39
2．9．3 修改數(shù)組維度\t42
2．9．4 連接數(shù)組\t45
2．9．5 分割數(shù)組\t48
2．9．6 數(shù)組的添加與刪除\t50
2．10 NumPy位運(yùn)算\t55
2．10．1 bitwise_and()函數(shù)\t55
2．10．2 bitwise_or()函數(shù)\t55
2．10．3 invert()函數(shù)\t56
2．10．4 left_shift()函數(shù)\t56
2．10．5 right_shift()函數(shù)\t56
2．11 實(shí)戰(zhàn)演練\t57
第3章 NumPy函數(shù)\t58
3．1 字符串函數(shù)\t58
3．1．1 numpy．char．a(chǎn)dd()函數(shù)\t58
3．1．2 numpy．char．multiply()函數(shù)\t59
3．1．3 numpy．char．center()函數(shù)\t59
3．1．4 numpy．char．capitalize()函數(shù)\t59
3．1．5 numpy．char．title()函數(shù)\t59
3．1．6 numpy．char．lower()函數(shù)\t60
3．1．7 numpy．char．upper()函數(shù)\t60
3．1．8 numpy．char．split()函數(shù)\t60
3．1．9 numpy．char．splitlines()函數(shù)\t61
3．1．10 numpy．char．strip()函數(shù)\t61
3．1．11 numpy．char．join()函數(shù)\t61
3．1．12 numpy．char．replace()函數(shù)\t62
3．1．13 numpy．char．encode()函數(shù)\t62
3．1．14 numpy．char．decode()函數(shù)\t62
3．2 數(shù)學(xué)函數(shù)\t62
3．2．1 三角函數(shù)\t62
3．2．2 舍入函數(shù)\t64
3．2．3 numpy．floor()函數(shù)\t65
3．2．4 numpy．ceil()函數(shù)\t65
3．3 算術(shù)函數(shù)\t65
?
3．4 統(tǒng)計(jì)函數(shù)\t67
3．4．1 numpy．a(chǎn)min()函數(shù)和numpy．a(chǎn)max()函數(shù)\t67
3．4．2 numpy．ptp()函數(shù)\t68
3．4．3 numpy．percentile()函數(shù)\t68
3．4．4 numpy．median()函數(shù)\t69
3．4．5 numpy．mean()函數(shù)\t70
3．4．6 numpy．a(chǎn)verage()函數(shù)\t70
3．4．7 標(biāo)準(zhǔn)差\t71
3．4．8 方差\t72
3．5 排序、搜索和計(jì)數(shù)函數(shù)\t72
3．5．1 numpy．sort()函數(shù)\t72
3．5．2 numpy．a(chǎn)rgsort()函數(shù)\t73
3．5．3 numpy．lexsort()函數(shù)\t74
3．5．4 numpy．a(chǎn)rgmax()函數(shù)和numpy．a(chǎn)rgmin()函數(shù)\t74
3．5．5 numpy．nonzero()函數(shù)\t75
3．5．6 numpy．where()函數(shù)\t76
3．5．7 numpy．extract()函數(shù)\t76
3．5．8 其他排序\t77
3．6 字節(jié)交換\t78
3．7 副本和視圖\t79
3．7．1 無(wú)復(fù)制\t79
3．7．2 視圖\t80
3．7．3 副本\t81
3．8 矩陣庫(kù)\t82
3．9 線性代數(shù)\t85
3．10 NumPy IO\t90
3．11 實(shí)戰(zhàn)演練\t93
第三部分 數(shù)據(jù)處理法寶――Pandas
第4章 Pandas入門(mén)\t96
4．1 Pandas簡(jiǎn)介\t96
4．2 Pandas安裝及數(shù)據(jù)結(jié)構(gòu)\t96
4．3 系列\(zhòng)t97
4．3．1 創(chuàng)建空系列\(zhòng)t98
4．3．2 由ndarray創(chuàng)建系列\(zhòng)t98
4．3．3 由字典創(chuàng)建系列\(zhòng)t99
4．3．4 使用標(biāo)量創(chuàng)建系列\(zhòng)t99
4．3．5 從系列中訪問(wèn)數(shù)據(jù)\t100
4．3．6 使用標(biāo)簽檢索數(shù)據(jù)\t101
4．4 數(shù)據(jù)幀\t101
4．4．1 創(chuàng)建空數(shù)據(jù)幀\t102
4．4．2 使用列表創(chuàng)建數(shù)據(jù)幀\t102
4．4．3 使用ndarrays/lists的字典創(chuàng)建數(shù)據(jù)幀\t103
4．4．4 使用字典列表創(chuàng)建數(shù)據(jù)幀\t104
4．4．5 使用系列的字典創(chuàng)建數(shù)據(jù)幀\t105
4．4．6 列選擇\t105
4．4．7 列添加\t106
4．4．8 列刪除\t106
4．4．9 行選擇、添加和刪除\t107
4．4．10 行切片\t108
4．5 面板\t109
4．5．1 面板創(chuàng)建\t110
4．5．2 數(shù)據(jù)選擇\t110
4．6 基本功能\t111
4．6．1 T轉(zhuǎn)置\t112
4．6．2 axes\t113
4．6．3 dtypes\t113
4．6．4 empty\t113
4．6．5 ndim\t114
4．6．6 shape\t114
4．6．7 size\t114
4．6．8 values\t115
4．6．9 head()方法與tail()方法\t115
4．7 描述性統(tǒng)計(jì)\t116
4．7．1 sum()函數(shù)\t116
4．7．2 mean()函數(shù)\t117
4．7．3 std()函數(shù)\t118
4．7．4 describe()函數(shù)\t118
4．8 函數(shù)應(yīng)用\t120
4．8．1 表格函數(shù)\t120
4．8．2 行列合理函數(shù)\t121
4．8．3 元素合理函數(shù)\t122
4．9 重建索引\t123
4．9．1 重建對(duì)象對(duì)齊索引\t123
4．9．2 填充時(shí)重新加注\t124
4．9．3 重建索引時(shí)的填充限制\t124
4．9．4 重命名\t125
4．10 迭代\t126
4．11 排序\t127
4．11．1 按標(biāo)簽排序\t127
4．11．2 排序順序\t128
4．11．3 按列排序\t129
4．11．4 按值排序\t129
4．11．5 排序算法\t129
4．12 字符串和文本數(shù)據(jù)\t130
4．12．1 lower()函數(shù)\t130
4．12．2 upper()函數(shù)\t130
4．12．3 len()函數(shù)\t131
4．12．4 strip()函數(shù)\t131
4．12．5 split()函數(shù)\t131
4．12．6 cat()函數(shù)\t132
4．12．7 get_dummies()函數(shù)\t132
4．12．8 contains()函數(shù)\t132
4．12．9 replace()函數(shù)\t133
4．12．10 repeat()函數(shù)\t133
4．12．11 count()函數(shù)\t133
4．12．12 startswith()函數(shù)\t133
4．12．13 endswith()函數(shù)\t134
4．12．14 find()函數(shù)\t134
4．12．15 findall()函數(shù)\t134
4．12．16 swapcase()函數(shù)\t135
4．12．17 islower()函數(shù)\t135
4．12．18 isupper()函數(shù)\t135
4．12．19 isnumeric()函數(shù)\t136
4．13 選項(xiàng)和自定義\t136
4．13．1 get_option()函數(shù)\t136
4．13．2 set_option()函數(shù)\t136
4．13．3 reset_option()函數(shù)\t137
4．13．4 describe_option()函數(shù)\t137
4．13．5 option_context()函數(shù)\t138
4．14 選擇和索引數(shù)據(jù)\t138
4．14．1 ．loc()\t138
4．14．2 ．iloc()\t139
4．14．3 ．ix()\t139
4．14．4 使用符號(hào)\t139
4．14．5 屬性訪問(wèn)\t140
4．15 實(shí)戰(zhàn)演練\t140
第5章 Pandas進(jìn)階\t141
5．1 統(tǒng)計(jì)函數(shù)\t141
5．1．1 pct_change()函數(shù)\t141
5．1．2 協(xié)方差\t142
5．1．3 相關(guān)性\t143
5．1．4 數(shù)據(jù)排名\t143
5．2 窗口函數(shù)\t144
5．2．1 ．rolling()函數(shù)\t144
5．2．2 ．expanding()函數(shù)\t145
5．2．3 ．ewm()函數(shù)\t145
5．3 聚合\t145
5．3．1 在整個(gè)DataFrame上應(yīng)用聚合\t146
5．3．2 在DataFrame的單列上應(yīng)用聚合\t146
5．3．3 在DataFrame的多列上應(yīng)用聚合\t147
5．3．4 在DataFrame的單列上應(yīng)用多個(gè)函數(shù)\t147
5．3．5 在DataFrame的多列上應(yīng)用多個(gè)函數(shù)\t148
5．3．6 將不同的函數(shù)應(yīng)用于DataFrame的不同列\(zhòng)t148
5．4 缺失數(shù)據(jù)\t149
5．4．1 為什么會(huì)缺失數(shù)據(jù)\t149
5．4．2 檢查缺失值\t149
5．4．3 缺失數(shù)據(jù)的計(jì)算\t150
5．4．4 缺失數(shù)據(jù)填充\t150
5．4．5 向前和向后填充\t150
5．4．6 清除缺失值\t151
5．4．7 值替換\t151
5．5 分組\t151
5．5．1 將數(shù)據(jù)拆分成組\t152
5．5．2 查看分組\t152
5．5．3 迭代遍歷分組\t153
5．5．4 選擇一個(gè)分組\t153
5．5．5 聚合\t154
5．5．6 使用多個(gè)聚合函數(shù)\t154
5．5．7 轉(zhuǎn)換\t155
5．5．8 過(guò)濾\t155
5．6 合并/連接\t156
5．6．1 合并一個(gè)鍵上的兩個(gè)數(shù)據(jù)幀\t157
5．6．2 合并多個(gè)鍵上的兩個(gè)數(shù)據(jù)幀\t157
5．6．3 使用how參數(shù)\t158
5．7 級(jí)聯(lián)\t159
5．7．1 concat()函數(shù)\t159
5．7．2 append()函數(shù)\t161
5．7．3 時(shí)間序列\(zhòng)t161
5．8 日期功能\t162
5．9 時(shí)間差\t164
5．10 分類(lèi)數(shù)據(jù)\t165
5．11 稀疏數(shù)據(jù)\t169
5．12 實(shí)戰(zhàn)演練\t170
第四部分 優(yōu)雅的藝術(shù)――Matplotlib
第6章 Matplotlib 入門(mén)\t172
6．1 Matplotlib簡(jiǎn)介\t172
6．2 Matplotlib安裝\t173
6．3 Pyplot教程\t173
6．3．1 控制線條屬性\t176
6．3．2 處理多個(gè)圖形和軸域\t177
6．3．3 處理文本\t178
6．3．4 在文本中使用數(shù)學(xué)表達(dá)式\t179
6．3．5 對(duì)數(shù)和其他非線性軸\t180
6．4 使用GridSpec自定義子圖位置\t181
6．4．1 subplot2grid\t181
6．4．2 GridSpec和SubplotSpec\t182
6．4．3 調(diào)整GridSpec布局\t183
6．4．4 使用SubplotSpec創(chuàng)建GridSpec\t184
6．4．5 調(diào)整GridSpec布局\t185
6．5 布局\t186
6．5．1 簡(jiǎn)單示例\t186
6．5．2 和GridSpec一起使用\t190
6．5．3 和AxesGrid1一起使用\t193
6．5．4 顏色條\t194
6．6 藝術(shù)家教程\t195
6．6．1 自定義對(duì)象\t196
6．6．2 圖形容器\t197
6．6．3 軸域容器\t197
6．6．4 軸容器（Axis）\t199
6．6．5 刻度容器\t201
6．7 圖例指南\t202
6．7．1 控制圖例條目\t202
6．7．2 代理藝術(shù)家\t203
6．7．3 圖例位置\t204
6．7．4 同軸域的多個(gè)圖例\t204
6．7．5 圖例處理器\t205
6．7．6 自定義圖例處理器\t206
6．8 變換\t208
6．8．1 數(shù)據(jù)坐標(biāo)\t208
6．8．2 混合變換\t209
6．8．3 創(chuàng)建陰影效果\t210
6．9 路徑\t212
6．9．1 貝塞爾示例\t213
6．9．2 復(fù)合路徑\t214
6．9．3 路徑效果\t216
6．9．4 添加陰影\t217
6．9．5 其他\t218
第7章 Matplotlib更多處理\t220
7．1 基本文本命令\t220
7．2 文本屬性及布局\t222
7．3 標(biāo)注\t225
7．3．1 基本標(biāo)注\t225
7．3．2 使用框和文本標(biāo)注\t227
7．3．3 使用箭頭標(biāo)注\t228
7．4 數(shù)學(xué)表達(dá)式\t231
7．5 顏色指定\t235
7．6 事件處理及拾取\t236
7．6．1 事件連接\t236
7．6．2 事件屬性\t237
7．6．3 可拖曳的矩形\t239
7．6．4 鼠標(biāo)進(jìn)入和離開(kāi)\t242
7．6．5 對(duì)象拾取\t244
7．7 擴(kuò)展\t246
7．7．1 透明度填充\t246
7．7．2 透明、花式圖例\t247
7．7．3 放置文本框\t248
第五部分 項(xiàng)目實(shí)戰(zhàn)
第8章 數(shù)據(jù)加載與數(shù)據(jù)庫(kù)操作\t252
8．1 讀寫(xiě)文本格式的數(shù)據(jù)\t252
8．2 逐塊讀取文本文件\t256
8．3 數(shù)據(jù)寫(xiě)入文本\t258
8．4 JSON數(shù)據(jù)處理\t260
8．5 二進(jìn)制數(shù)據(jù)格式\t262
8．6 HDF5數(shù)據(jù)格式\t262
8．7 Pandas操作數(shù)據(jù)庫(kù)\t265
第9章 數(shù)據(jù)分析\t273
9．1 數(shù)據(jù)準(zhǔn)備\t273
9．2 數(shù)據(jù)處理\t279
9．3 數(shù)據(jù)可視化\t291
附錄A 可用Line2D屬性\t294
附錄B 習(xí)題參考答案\t295