123,123

內(nèi)容簡(jiǎn)介

　　本書通過以Pandas實(shí)現(xiàn)的精彩的數(shù)據(jù)分析項(xiàng)目，來講解大數(shù)據(jù)相關(guān)的主題及概念。通過學(xué)習(xí)本書，讀者可以根據(jù)項(xiàng)目的大小及類型來評(píng)估自己的項(xiàng)目是否適合使用Pandas庫。本書對(duì)如何在Pandas中高效地加載及標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行了解讀，并回顧了一些常用的加載器及它們的一些**威力的選項(xiàng)，從而讀者可以學(xué)會(huì)如何高效地存取及轉(zhuǎn)換數(shù)據(jù)、使用什么方法、什么時(shí)候采用或回避一些更高性能的技術(shù)。本書還將帶讀者用心思考Pandas中基本的數(shù)據(jù)訪問及維護(hù)，以及直覺字典語法。本書適合作為Python數(shù)據(jù)分析學(xué)習(xí)者及相關(guān)從業(yè)人員的參考用書。

作者簡(jiǎn)介

　　Hannah Stepanek是一名對(duì)軟件性能富有激情的軟件開發(fā)人員，同時(shí)也是開源軟件的積極倡導(dǎo)者。她擁有七年以上的Python編程行業(yè)經(jīng)驗(yàn)，她花了兩年左右的時(shí)間使用Pandas實(shí)現(xiàn)了一個(gè)數(shù)據(jù)分析項(xiàng)目。

圖書目錄

前言
第1章概述
pandas簡(jiǎn)介
如何利用pandas構(gòu)建一個(gè)黑洞圖像
如何利用pandas幫助金融機(jī)構(gòu)對(duì)未來市場(chǎng)
進(jìn)行更準(zhǔn)確預(yù)測(cè)
如何利用pandas提高內(nèi)容可發(fā)現(xiàn)性
第2章基本數(shù)據(jù)訪問與合并
DataFrame的創(chuàng)建和訪問
iloc方法
loc方法
使用merge方法合并DataFrame
使用join方法合并DataFrame
使用concat方法合并DataFrame
第3章 pandas在Hood下的工作機(jī)制
Python數(shù)據(jù)結(jié)構(gòu)
CPython解釋器、Python和NumPy的性能
pandas性能簡(jiǎn)介
選擇正確的DataFrame
第4章數(shù)據(jù)加載與規(guī)范化
pd.read_csv
pd.read_json
pd.read_sql, pd.read_sql_table, and
pd.read_sql_query
第5章 pandas基礎(chǔ)數(shù)據(jù)轉(zhuǎn)換
pivot和pivot表
stack和unstack
melt
轉(zhuǎn)置transpose
第6章 apply方法
不適用apply方法的場(chǎng)合
適用apply方法的場(chǎng)合
利用Cythorl提高apply方法的性能
第7章 Groupby
正確使用groupby
索引
避免使用groupby
第8章 pandas之外的性能改進(jìn)
計(jì)算機(jī)體系結(jié)構(gòu)
如何利用NumExpr改進(jìn)性能
BLAS和LAPACK
第9章 pandas的發(fā)展趨勢(shì)
pandas 1.0
結(jié)論