深入淺出Pandas：利用Python進行數(shù)據(jù)處理與分析

定　價：￥99.00

作　者：	李慶輝著
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：	9787111685456	出版時間：	2021-08-01	包裝：
開本：	16開	頁數(shù)：	428	字數(shù)：

內(nèi)容簡介

　　內(nèi)容簡介如果你想充分發(fā)揮Python的強大作用，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的著作，基于實用、易學(xué)的原則，從功能、使用、原理等多個維度對Pandas做了全方位的詳細講解，既是初學(xué)者系統(tǒng)學(xué)習(xí)Pandas難得的入門書，又是有經(jīng)驗的Python工程師案頭必不可少的查詢手冊。本書共17章，分為七部分。第1部分（第1～2章） Pandas入門首先介紹了Pandas的功能、使用場景和學(xué)習(xí)方法，然后詳細講解了Python開發(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。第二部分（第3～5章） Pandas數(shù)據(jù)分析基礎(chǔ) 詳細講解了Pandas讀取與輸出數(shù)據(jù)、索引操作、數(shù)據(jù)類型轉(zhuǎn)換、查詢篩選、統(tǒng)計計算、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、對比操作、數(shù)據(jù)透視、轉(zhuǎn)置、歸一化、標準化等，以及如何利用多層索引對數(shù)據(jù)進行升降維。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，以及分類數(shù)據(jù)的應(yīng)用場景和操作方法。第五部分（第13～14章）時序數(shù)據(jù)分析講解了Pandas中對于各種時間類型數(shù)據(jù)的處理和分析，以及在時序數(shù)據(jù)處理中經(jīng)常使用的窗口計算。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)自己說話。第七部分（第17章）實戰(zhàn)案例介紹了從需求到代碼的思考過程，如何利用鏈式編程思想提高代碼編寫和數(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)分析兩個角度給出了大量的應(yīng)用案例及代碼詳解。

作者簡介

　　李慶輝數(shù)據(jù)產(chǎn)品專家，某電商公司數(shù)據(jù)產(chǎn)品團隊負責(zé)人，擅長通過數(shù)據(jù)治理、數(shù)據(jù)分析、數(shù)據(jù)化運營提升公司的數(shù)據(jù)應(yīng)用水平。精通Python數(shù)據(jù)科學(xué)及Python Web開發(fā)，曾獨立開發(fā)公司的自動化數(shù)據(jù)分析平臺，參與教育部“1+X”數(shù)據(jù)分析（Python）職業(yè)技能等級標準評審。中國人工智能學(xué)會會員，企業(yè)數(shù)字化、數(shù)據(jù)產(chǎn)品和數(shù)據(jù)分析講師，在個人網(wǎng)站“蓋若”上編寫的技術(shù)和產(chǎn)品教程廣受歡迎。

圖書目錄

前言
第一部分　Pandas入門
第1章　Pandas簡介及快速入門2
1.1　Pandas是什么2
1.1.1　Python簡介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11
1.2.8　安裝Jupyter Notebook12
1.2.9　啟動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14
1.3.1　安裝導(dǎo)入14
1.3.2　準備數(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)類型34
2.3.5　數(shù)組信息35
2.3.6　統(tǒng)計計算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)類型43
2.6.1　數(shù)據(jù)類型查看43
2.6.2　常見數(shù)據(jù)類型44
2.6.3　數(shù)據(jù)檢測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　保留默認空值57
3.2.19　日期時間解析58
3.2.20　文件處理59
3.2.21　符號60
3.2.22　小結(jié)61
3.3　讀取Excel61
3.3.1　語法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（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　認識索引66
4.1.2　建立索引67
4.1.3　重置索引68
4.1.4　索引類型68
4.1.5　索引對象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)計計算76
4.3.1　描述統(tǒng)計76
4.3.2　數(shù)學(xué)統(tǒng)計77
4.3.3　統(tǒng)計函數(shù)78
4.3.4　非統(tǒng)計計算79
4.3.5　小結(jié)80
4.4　位置計算80
4.4.1　位置差值diff()80
4.4.2　位置移動shift()81
4.4.3　位置序號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高級操作89
5.1　復(fù)雜查詢89
5.1.1　邏輯運算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df.query()93
5.1.6　篩選df.filter()93
5.1.7　按數(shù)據(jù)類型查詢93