计算机书籍控

利用Python进行数据分析

   《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。

目录


前言1
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
MovieLens1M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
IPythonHTMLNotebook75
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WebAPI181
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
matplotlibAPI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APython语言精要401

书籍下载

免费下载 密码:A9JW

正版书籍

利用Python进行数据分析