![]()
内容推荐 本书首先系统讲解Pandas快速入门的基础知识,如Pandas的定义、优势、开发环境配置、常用的数据结构等;然后通过实例介绍Pandas数据的导入、导出、查看、清洗、合并、对比、预处理等基本操作;接着讲解Pandas数据的提取、筛选、聚合函数、分组、透视、统计及可视化等操作;最后讲解Pandas数据的机器学习和时间序列的知识。 在本书的讲解过程中既考虑读者的学习习惯,又通过具体实例剖析Pandas实战应用中的热点问题、关键问题及种种难题。 本书适合对数据分析有浓厚兴趣但不知如何下手的初学者,也适合Python和Pandas爱好者,更适合培训机构的师生、数据分析爱好者、数据分析从业人员阅读研究,是一本难得的系统学习Pandas的入门书。 目录 第1章 Pandas快速入门 1.1 初识Pandas 1.1.1 什么是Pandas 1.1.2 Pandas的主要数据结构 1.1.3 Pandas的优势 1.2 Pandas开发环境配置 1.2.1 Python概述 1.2.2 Anaconda概述 1.2.3 Anaconda的下载 1.2.4 Anaconda的安装 1.2.5 Jupyter Notebook概述 1.3 Jupyter Notebook界面的基本操作 1.3.1 Jupyter Notebook的主界面 1.3.2 Jupyter Notebook的编辑页面 1.3.3 Jupyter Notebook的文件操作 1.4 实例:第一个Pandas数据处理程序 第2章 Pandas常用的数据结构 2.1 初识数据结构 2.1.1 什么是数据及数据处理 2.1.2 什么是信息 2.1.3 什么是数据结构 2.2 Python的数据结构 2.2.1 数值型应用实例 2.2.2 字符串型应用实例 2.2.3 列表应用实例 2.2.4 元组应用实例 2.2.5 字典应用实例 2.2.6 集合应用实例 2.3 NumPy的数据结构 2.3.1 NumPy数组的创建 2.3.2 NumPy特殊数组 2.3.3 NumPy序列数组 2.3.4 NumPy数组运算 2.3.5 NumPy的矩阵 2.3.6 两个数组的点积 2.3.7 两个向量的点积 2.3.8 数组的向量内积 2.3.9 矩阵的行列式 2.3.10 矩阵的逆 2.4 Pandas的数据结构 2.4.1 一维数组系列应用实例 2.4.2 二维数组应用实例 第3章 Pandas数据的导入与导出 3.1 导入CSV文件 3.1.1 CSV文件概述 3.1.2 创建CSV文件,并输入内容 3.1.3 read_csv()方法 3.1.4 利用read_csv()方法导入CSV文件实例 3.2 导入Excel文件 3.2.1 在Excel中输入内容并上传 3.2.2 read_excel()方法 3.2.3 利用read_excel()方法导入Excel文件实例 3.3 导入JSON文件 3.3.1 创建JSON文件,并输入内容 3.3.2 read_json()方法 3.3.3 利用read_json()方法导入JSON文件实例 …… 第4章 Pandas数据表的查看和清洗 第5章 Pandas数据的合并与对比 第6章 Pandas数据的预处理 第7章 Pandas数据的提取 第8章 Pandas数据的筛选 第9章 Pandas数据的聚合函数 第10章 Pandas数据的分组与透视 第11章 Pandas数据的统计 第12章 Pandas数据的可视化 第13章 Pandas数据的机器学习算法 第14章 Pandas的时间序列数据 |