Python实战之数据分析与处理
作者：刘宇宙
出版时间：2020年版
内容简介
　　本书是为使用Python进行科学计算的新手或刚入门者量身定做的，是作者学习和使用Python进行人工智能项目研发的体会与经验总结，涵盖了实际开发中的基础知识点，内容详尽，代码可读性及可操作性强。本书主要介绍NumPy、Pandas、Matplotlib的基本操作。本书使用通俗易懂的描述，引入了丰富的示例代码，同时结合智慧城市中的一些事件，使内容呈现尽可能生动有趣，让一些原本复杂的处理能够通过另一种辅助解释得以简单化，从而使读者充分感受学习的乐趣和魅力。本书可供有一定Python基础但没有NumPy、Pandas、Matplotlib操作经验的人员，有Python基础并且想进一步学习使用Python进行科学计算的人员，有一些Python基础并且打算入门人工智能的人员，以及培训机构、中学及大专院校的学生阅读。
目录
目 录
第一部分 数据分析与处理简介
第1章 数据分析与处理概述/t2
1．1 了解大数据/t2
1．2 数据分析与处理的需求/t4
1．3 数据分析与处理的发展前景/t5
第二部分 科学计算之门――NumPy
第2章 NumPy入门/t8
2．1 NumPy简介/t8
2．2 NumPy安装/t8
2．3 NumPy――ndarray对象/t9
2．4 NumPy数据类型/t11
2．4．1 数据类型/t11
2．4．2 数据类型对象（dtype）/t12
2．5 NumPy数组属性/t16
2．6 NumPy创建数组/t19
2．6．1 numpy．empty/t19
2．6．2 numpy．zeros/t19
2．6．3 numpy．ones/t20
2．6．4 numpy．asarray/t21
2．6．5 numpy．frombuffer/t22
2．6．6 numpy．fromiter/t23
2．6．7 numpy．arange/t23
2．6．8 numpy．linspace/t24
2．6．9 numpy．logspace/t26
2．7 NumPy切片和索引/t27
2．7．1 切片和索引/t27
2．7．2 整数数组索引/t29
2．7．3 布尔索引/t30
2．7．4 花式索引/t31
2．8 NumPy迭代数组/t32
2．9 NumPy数组操作/t37
2．9．1 修改数字形状/t37
2．9．2 翻转数组/t39
2．9．3 修改数组维度/t42
2．9．4 连接数组/t45
2．9．5 分割数组/t48
2．9．6 数组的添加与删除/t50
2．10 NumPy位运算/t55
2．10．1 bitwise_and()函数/t55
2．10．2 bitwise_or()函数/t55
2．10．3 invert()函数/t56
2．10．4 left_shift()函数/t56
2．10．5 right_shift()函数/t56
2．11 实战演练/t57
第3章 NumPy函数/t58
3．1 字符串函数/t58
3．1．1 numpy．char．add()函数/t58
3．1．2 numpy．char．multiply()函数/t59
3．1．3 numpy．char．center()函数/t59
3．1．4 numpy．char．capitalize()函数/t59
3．1．5 numpy．char．title()函数/t59
3．1．6 numpy．char．lower()函数/t60
3．1．7 numpy．char．upper()函数/t60
3．1．8 numpy．char．split()函数/t60
3．1．9 numpy．char．splitlines()函数/t61
3．1．10 numpy．char．strip()函数/t61
3．1．11 numpy．char．join()函数/t61
3．1．12 numpy．char．replace()函数/t62
3．1．13 numpy．char．encode()函数/t62
3．1．14 numpy．char．decode()函数/t62
3．2 数学函数/t62
3．2．1 三角函数/t62
3．2．2 舍入函数/t64
3．2．3 numpy．floor()函数/t65
3．2．4 numpy．ceil()函数/t65
3．3 算术函数/t65
?
3．4 统计函数/t67
3．4．1 numpy．amin()函数和numpy．amax()函数/t67
3．4．2 numpy．ptp()函数/t68
3．4．3 numpy．percentile()函数/t68
3．4．4 numpy．median()函数/t69
3．4．5 numpy．mean()函数/t70
3．4．6 numpy．average()函数/t70
3．4．7 标准差/t71
3．4．8 方差/t72
3．5 排序、搜索和计数函数/t72
3．5．1 numpy．sort()函数/t72
3．5．2 numpy．argsort()函数/t73
3．5．3 numpy．lexsort()函数/t74
3．5．4 numpy．argmax()函数和numpy．argmin()函数/t74
3．5．5 numpy．nonzero()函数/t75
3．5．6 numpy．where()函数/t76
3．5．7 numpy．extract()函数/t76
3．5．8 其他排序/t77
3．6 字节交换/t78
3．7 副本和视图/t79
3．7．1 无复制/t79
3．7．2 视图/t80
3．7．3 副本/t81
3．8 矩阵库/t82
3．9 线性代数/t85
3．10 NumPy IO/t90
3．11 实战演练/t93
第三部分 数据处理法宝――Pandas
第4章 Pandas入门/t96
4．1 Pandas简介/t96
4．2 Pandas安装及数据结构/t96
4．3 系列/t97
4．3．1 创建空系列/t98
4．3．2 由ndarray创建系列/t98
4．3．3 由字典创建系列/t99
4．3．4 使用标量创建系列/t99
4．3．5 从系列中访问数据/t100
4．3．6 使用标签检索数据/t101
4．4 数据帧/t101
4．4．1 创建空数据帧/t102
4．4．2 使用列表创建数据帧/t102
4．4．3 使用ndarrays/lists的字典创建数据帧/t103
4．4．4 使用字典列表创建数据帧/t104
4．4．5 使用系列的字典创建数据帧/t105
4．4．6 列选择/t105
4．4．7 列添加/t106
4．4．8 列删除/t106
4．4．9 行选择、添加和删除/t107
4．4．10 行切片/t108
4．5 面板/t109
4．5．1 面板创建/t110
4．5．2 数据选择/t110
4．6 基本功能/t111
4．6．1 T转置/t112
4．6．2 axes/t113
4．6．3 dtypes/t113
4．6．4 empty/t113
4．6．5 ndim/t114
4．6．6 shape/t114
4．6．7 size/t114
4．6．8 values/t115
4．6．9 head()方法与tail()方法/t115
4．7 描述性统计/t116
4．7．1 sum()函数/t116
4．7．2 mean()函数/t117
4．7．3 std()函数/t118
4．7．4 describe()函数/t118
4．8 函数应用/t120
4．8．1 表格函数/t120
4．8．2 行列合理函数/t121
4．8．3 元素合理函数/t122
4．9 重建索引/t123
4．9．1 重建对象对齐索引/t123
4．9．2 填充时重新加注/t124
4．9．3 重建索引时的填充限制/t124
4．9．4 重命名/t125
4．10 迭代/t126
4．11 排序/t127
4．11．1 按标签排序/t127
4．11．2 排序顺序/t128
4．11．3 按列排序/t129
4．11．4 按值排序/t129
4．11．5 排序算法/t129
4．12 字符串和文本数据/t130
4．12．1 lower()函数/t130
4．12．2 upper()函数/t130
4．12．3 len()函数/t131
4．12．4 strip()函数/t131
4．12．5 split()函数/t131
4．12．6 cat()函数/t132
4．12．7 get_dummies()函数/t132
4．12．8 contains()函数/t132
4．12．9 replace()函数/t133
4．12．10 repeat()函数/t133
4．12．11 count()函数/t133
4．12．12 startswith()函数/t133
4．12．13 endswith()函数/t134
4．12．14 find()函数/t134
4．12．15 findall()函数/t134
4．12．16 swapcase()函数/t135
4．12．17 islower()函数/t135
4．12．18 isupper()函数/t135
4．12．19 isnumeric()函数/t136
4．13 选项和自定义/t136
4．13．1 get_option()函数/t136
4．13．2 set_option()函数/t136
4．13．3 reset_option()函数/t137
4．13．4 describe_option()函数/t137
4．13．5 option_context()函数/t138
4．14 选择和索引数据/t138
4．14．1 ．loc()/t138
4．14．2 ．iloc()/t139
4．14．3 ．ix()/t139
4．14．4 使用符号/t139
4．14．5 属性访问/t140
4．15 实战演练/t140
第5章 Pandas进阶/t141
5．1 统计函数/t141
5．1．1 pct_change()函数/t141
5．1．2 协方差/t142
5．1．3 相关性/t143
5．1．4 数据排名/t143
5．2 窗口函数/t144
5．2．1 ．rolling()函数/t144
5．2．2 ．expanding()函数/t145
5．2．3 ．ewm()函数/t145
5．3 聚合/t145
5．3．1 在整个DataFrame上应用聚合/t146
5．3．2 在DataFrame的单列上应用聚合/t146
5．3．3 在DataFrame的多列上应用聚合/t147
5．3．4 在DataFrame的单列上应用多个函数/t147
5．3．5 在DataFrame的多列上应用多个函数/t148
5．3．6 将不同的函数应用于DataFrame的不同列/t148
5．4 缺失数据/t149
5．4．1 为什么会缺失数据/t149
5．4．2 检查缺失值/t149
5．4．3 缺失数据的计算/t150
5．4．4 缺失数据填充/t150
5．4．5 向前和向后填充/t150
5．4．6 清除缺失值/t151
5．4．7 值替换/t151
5．5 分组/t151
5．5．1 将数据拆分成组/t152
5．5．2 查看分组/t152
5．5．3 迭代遍历分组/t153
5．5．4 选择一个分组/t153
5．5．5 聚合/t154
5．5．6 使用多个聚合函数/t154
5．5．7 转换/t155
5．5．8 过滤/t155
5．6 合并/连接/t156
5．6．1 合并一个键上的两个数据帧/t157
5．6．2 合并多个键上的两个数据帧/t157
5．6．3 使用how参数/t158
5．7 级联/t159
5．7．1 concat()函数/t159
5．7．2 append()函数/t161
5．7．3 时间序列/t161
5．8 日期功能/t162
5．9 时间差/t164
5．10 分类数据/t165
5．11 稀疏数据/t169
5．12 实战演练/t170
第四部分 优雅的艺术――Matplotlib
第6章 Matplotlib 入门/t172
6．1 Matplotlib简介/t172
6．2 Matplotlib安装/t173
6．3 Pyplot教程/t173
6．3．1 控制线条属性/t176
6．3．2 处理多个图形和轴域/t177
6．3．3 处理文本/t178
6．3．4 在文本中使用数学表达式/t179
6．3．5 对数和其他非线性轴/t180
6．4 使用GridSpec自定义子图位置/t181
6．4．1 subplot2grid/t181
6．4．2 GridSpec和SubplotSpec/t182
6．4．3 调整GridSpec布局/t183
6．4．4 使用SubplotSpec创建GridSpec/t184
6．4．5 调整GridSpec布局/t185
6．5 布局/t186
6．5．1 简单示例/t186
6．5．2 和GridSpec一起使用/t190
6．5．3 和AxesGrid1一起使用/t193
6．5．4 颜色条/t194
6．6 艺术家教程/t195
6．6．1 自定义对象/t196
6．6．2 图形容器/t197
6．6．3 轴域容器/t197
6．6．4 轴容器（Axis）/t199
6．6．5 刻度容器/t201
6．7 图例指南/t202
6．7．1 控制图例条目/t202
6．7．2 代理艺术家/t203
6．7．3 图例位置/t204
6．7．4 同轴域的多个图例/t204
6．7．5 图例处理器/t205
6．7．6 自定义图例处理器/t206
6．8 变换/t208
6．8．1 数据坐标/t208
6．8．2 混合变换/t209
6．8．3 创建阴影效果/t210
6．9 路径/t212
6．9．1 贝塞尔示例/t213
6．9．2 复合路径/t214
6．9．3 路径效果/t216
6．9．4 添加阴影/t217
6．9．5 其他/t218
第7章 Matplotlib更多处理/t220
7．1 基本文本命令/t220
7．2 文本属性及布局/t222
7．3 标注/t225
7．3．1 基本标注/t225
7．3．2 使用框和文本标注/t227
7．3．3 使用箭头标注/t228
7．4 数学表达式/t231
7．5 颜色指定/t235
7．6 事件处理及拾取/t236
7．6．1 事件连接/t236
7．6．2 事件属性/t237
7．6．3 可拖曳的矩形/t239
7．6．4 鼠标进入和离开/t242
7．6．5 对象拾取/t244
7．7 扩展/t246
7．7．1 透明度填充/t246
7．7．2 透明、花式图例/t247
7．7．3 放置文本框/t248
第五部分 项目实战
第8章 数据加载与数据库操作/t252
8．1 读写文本格式的数据/t252
8．2 逐块读取文本文件/t256
8．3 数据写入文本/t258
8．4 JSON数据处理/t260
8．5 二进制数据格式/t262
8．6 HDF5数据格式/t262
8．7 Pandas操作数据库/t265
第9章 数据分析/t273
9．1 数据准备/t273
9．2 数据处理/t279
9．3 数据可视化/t291
附录A 可用Line2D属性/t294
附录B 习题参考答案/t295





上一篇: Power BI智能数据分析与可视化从入门到精通 牟恩静 2019年版
下一篇: Python编程：从数据分析到机器学习实践 微课视频版 刘瑜 2020年版