由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
全新正版利用Python进行数据分析9787111726722机械工业出版社
¥ ×1
目录前言1章 准备工作71.1 本书内容71.2 为什么使用Python进行数据分析81.3 重要的Python库91.4 安装和设置141.5 社区和会议181.6 本书导航18第2章 Python语法基础、IPython和Jupyter notebook212.1 Python解释器222.2 IPython基础2. Python语法基础292.4总结47第3章 Python的数据结构、函数和文件483.1 数据结构和序列483.2 函数653.3 文件和操作系统763.4 总结81第4章 NumPy基础:数组和向量化计算824.1 NumPy的ndarray:多维数组对象844.2 生成伪随机数1014.3 通用函数:快速的元素级数组函数1034.4 利用数组进行面向数组编程1054.5 使用数组进行文件输入和输出1134.6 线代数1144.7 示例:随机漫步1154.8 总结118第5章 pandas入门1195.1 pandas的数据结构介绍1205.2 基本功能1335.3 描述统计的汇总和计算1595.4 总结167第6章 数据加载、存储与文件格式1686.1 读写文本格式的数据1686.2 二进制数据格式1856.3 与Web API交互1906.4 与数据库交互1916.5 总结193第7章 数据清洗和准备1947.1 处理缺失数据1947.2 数据转换2007.3 扩展数据类型2147.4 字符串操作2167.5 分类数据2247.6 总结第8章 数据规整:连接、联合和重塑4.1 层次化索引4.2 联合与合并数据集2408.3 重塑和透视2568.4 总结264第9章 绘图和可视化2659.1 matplotlib API入门2669.2 使用pandas和seaborn绘图2799.3 Python可视化工具2939.4 总结2940章 数据聚合与分组操作29510.1 GroupBy机制29610.2 数据聚合30410.3 Apply:通用的“拆分-应用-联合”范式31010.4 分组转换和“展开式”GroupBy运算32210.5 透视表和交叉表32610.6 总结3301章 时间序列33111.1 日期和时间数据的类型及工具33211.2 时间序列基础知识33611.3 日期的范围、频率以及移位34111.4 时区处理34811.5 周期及其算术运算35311.6 重采样及频率转换36011.7 移动窗口函数36911.8 总结3752章 Python建模库介绍37612.1 pandas与模型代码的接口37612.2 用Patsy创建模型描述3791. statsmodels介绍38512.4 scikit-learn介绍39012.5 总结3933章 数据分析案例39513.1 来自1.USA.gov的Bitly数据39513.2 MovieLens 1M数据集40413.3 1880—2010年间全美婴儿姓名41113.4 USDA食品数据库42513.5 2012年联邦选举委员会数据库43113.6 总结440附录A 高阶NumPy441附录B 更多关于IPython的内容475
本书是Python数据分析经典书的升级版,由Python pandas项目的创始人Wes McKinney撰写。本书自2012年版出版以来,迅速成为该领域的指南,并且为了保持与时俱进,作者对本书内容进行持续更新,以摒弃一些过时、不兼容的工具,添加新的内容来介绍新特、新工具及方法。第3版针对Python 3.10和pandas 1.4进行了更新,并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。
阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python 3.10和pandas 1.4进行了更新,并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颖,适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书,你将能够: ?使用Jupyter notebook和IPython shell进行探索计算。 ?掌握NumPy的基础功能和高级功能。 ?掌握pandas库中的数据分析工具。 ?使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。 ?使用matplotlib进行信息可视化。 ?使用pandas的groupBy功能对数据集进行切片、切块和汇总。 ?分析并处理规则的时间序列数据和不规则的时间序列数据。 ?利用完整、详细的示例学习如何解决现实中的数据分析问题。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格