电子书：《利用Python进行数据分析》

书籍介绍

《利用Python进行数据分析》是2013年10月机械工业出版社出版的软硬件开发类图书，作者是麦金尼。讲述了从pandas库的数据分析工具开始利用高性能工具、matpIotlib、pandas的groupby功能等处理各种各样的时间序列数据。从pandas库的数据分析工具开始利用高性能工具对数据进行加载、清理、转换、合并以及重塑；利用matpIotlib创建散点图以及静态或交互式的可视化结果；

《利用Python进行数据分析》适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。将IPython这个交互式Shell作为你的首要开发环境。

书籍目录

前言

第1章 准备工作 5

• 本书主要内容 5
• 为什么要使用Python进行数据分析 6
• 重要的Python库 7
• 安装和设置 10
• 社区和研讨会 16
• 使用本书 16
• 致谢 18

第2章 引言 20

• 来自bit.ly的1.usa.gov数据 21
• MovieLens 1M数据集 29
• 1880—2010年间全美婴儿姓名 35
• 小结及展望 47

第3章 IPython：一种交互式计算和开发环境 48

• IPython基础 49
• 内省 51
• 使用命令历史 60
• 与操作系统交互 63
• 软件开发工具 66
• IPython HTML Notebook 75
• 利用IPython提高代码开发效率的几点提示 77
• 高级IPython功能 79
• 致谢 81

第4章 NumPy基础：数组和矢量计算 82

• NumPy的ndarray：一种多维数组对象 83
• 通用函数：快速的元素级数组函数 98
• 利用数组进行数据处理 100
• 用于数组的文件输入输出 107
• 线性代数 109
• 随机数生成 111
• 范例：随机漫步 112

第5章 pandas入门 115

• pandas的数据结构介绍 116
• 基本功能 126
• 汇总和计算描述统计 142
• 处理缺失数据 148
• 层次化索引 153
• 其他有关pandas的话题 158

第6章 数据加载、存储与文件格式 162

• 读写文本格式的数据 162
• 二进制数据格式 179
• 使用HTML和Web API 181
• 使用数据库 182

第7章 数据规整化：清理、转换、合并、重塑 186

• 合并数据集 186
• 重塑和轴向旋转 200
• 数据转换 204
• 字符串操作 217
• 示例：USDA食品数据库 224

第8章 绘图和可视化 231

• matplotlib API入门 231
• pandas中的绘图函数 244
• 绘制地图：图形化显示海地地震危机数据 254
• Python图形化工具生态系统 260

第9章 数据聚合与分组运算 263

• GroupBy技术 264
• 数据聚合 271
• 分组级运算和转换 276
• 透视表和交叉表 288
• 示例：2012联邦选举委员会数据库 291

第10章 时间序列 302

• 日期和时间数据类型及工具 303
• 时间序列基础 307
• 日期的范围、频率以及移动 311
• 时区处理 317
• 时期及其算术运算 322
• 重采样及频率转换 327
• 时间序列绘图 334
• 移动窗口函数 337
• 性能和内存使用方面的注意事项 342

第11章 金融和经济数据应用 344

• 数据规整化方面的话题 344
• 分组变换和分析 355
• 更多示例应用 361

第12章 NumPy高级应用 368

• ndarray对象的内部机理 368
• 高级数组操作 370
• 广播 378
• ufunc高级应用 383
• 结构化和记录式数组 386
• 更多有关排序的话题 388
• NumPy的matrix类 393
• 高级数组输入输出 395
• 性能建议 397
• 附录A Python语言精要 401

转载请注明：轮回阁 » 电子书：《利用Python进行数据分析》

特别说明：所有资源均无解压密码且可直接下载，若有会特别注明，部分回复可见内容仅为提供更多的下载点。