国产精品一久久香蕉产线看/亚洲图区欧美/亚洲国产精品电影人久久网站/欧美日韩在线视频一区

歡迎光臨中圖網 請 | 注冊
> >
pandas數據處理與分析

包郵 pandas數據處理與分析

作者：耿遠昊
出版社：人民郵電出版社出版時間：2022-08-01
開本： 16開 頁數： 327
中 圖 價:¥54.9(5.6折) 定價  ¥98.0 登錄后可看到會員價
加入購物車 收藏
開年大促， 全場包郵
?新疆、西藏除外
本類五星書更多>

pandas數據處理與分析 版權信息

  • ISBN：9787115583659
  • 條形碼：9787115583659 ; 978-7-115-58365-9
  • 裝幀：一般膠版紙
  • 冊數：暫無
  • 重量：暫無
  • 所屬分類：>

pandas數據處理與分析 本書特色

1.梳理pandas中常用的函數，將函數之間的邏輯關系總結為“基礎知識+4類操作+4類數據”的模塊結構2.展示了數據處理的宏觀體系，并針對數據分析中“怎么分析”“怎么處理”“怎么加速”3個核心問題給出解決方案。3.結合大量代碼講解理論知識，并通過“練一練”和章末的“習題”等形式提供高質量的練習，幫助讀者理解、強化和拓展所學知識。4.不需要讀者掌握數據科學或數據分析的先驗知識，適合具有一定Python編程基礎、想要使用pandas進行數據處理與分析的數據科學領域的從業者或研究人員閱讀。

pandas數據處理與分析 內容簡介

本書以Python中的pandas庫為主線，介紹各類數據處理與分析方法。 本書共包含13章，**部分介紹NumPy和pandas的基本內容；第二部分介紹pandas庫中的4類操作，包括索引、分組、變形和連接；第三部分介紹基于pandas庫的4類數據，包括缺失數據、文本數據、分類數據和時間序列數據，并介紹這4類數據的處理方法；第四部分介紹數據觀測、特征工程和性能優化的相關內容。本書以豐富的練習為特色，每章的*后一節為習題，同時每章包含許多即時性的練習（練一練）。讀者可通過這些練習將對數據科學的宏觀認識運用到實踐中。

pandas數據處理與分析 目錄

第 一部分　基礎知識
第　1章 預備知識　2
1．1　Python基礎　2
1．1．1　推導式　2
1．1．2　匿名函數　4
1．1．3　打包函數　5
1．2　NumPy基礎　7
1．2．1　NumPy數組的構造　7
1．2．2　NumPy數組的變形　11
1．2．3　NumPy數組的切片　15
1．2．4　廣播機制　17
1．2．5　常用函數　19
1．3　習題　24
第　2章 pandas基礎　26
2．1　文件的讀取和寫入　26
2．1．1　文件讀取　26
2．1．2　數據寫入　28
2．2　基本數據結構　29
2．2．1　Series　29
2．2．2　DataFrame　30
2．3　常用基本函數　32
2．3．1　匯總函數　33
2．3．2　特征統計函數　34
2．3．3　頻次函數　35
2．3．4　替換函數　36
2．3．5　排序函數　39
2．3．6　apply()函數　40
2．4　窗口　42
2．4．1　滑動窗口　42
2．4．2　擴張窗口　45
2．5　習題　46

第二部分　4類操作

第3章　索引　50
3．1　單級索引　50
3．1．1　DataFrame的列索引　50
3．1．2　Series的行索引　51
3．1．3　loc索引器　52
3．1．4　iloc索引器　56
3．1．5　query()函數　57
3．1．6　索引運算　58
3．2　多級索引　59
3．2．1　多級索引及其表的結構　59
3．2．2　多級索引中的loc索引器　61
3．2．3　多級索引的構造　65
3．3　常用索引方法　66
3．3．1　索引層的交換和刪除　66
3．3．2　索引屬性的修改　67
3．3．3　索引的設置與重置　70
3．3．4　索引的對齊　71
3．4　習題　72
第4章　分組　74
4．1　分組模式及其對象　74
4．1．1　分組的一般模式　74
4．1．2　分組依據的本質　75
4．1．3　groupby對象　76
4．2　聚合函數　78
4．2．1　內置聚合函數　78
4．2．2　agg()函數　79
4．3　變換和過濾　80
4．3．1　變換函數　81
4．3．2　組索引與過濾　82
4．4　跨列分組　83
4．5　習題　85
第5章　變形　87
5．1　長寬表的變形　87
5．1．1　長表的透視變形　88
5．1．2　寬表的逆透視變形　91
5．2　其他變形方法　95
5．2．1　索引變形　95
5．2．2　擴張變形　98
5．3　習題　98
第6章　連接　100
6．1　關系連接　100
6．1．1　關系連接的基本概念　100
6．1．2　列連接　102
6．1．3　索引連接　104
6．2　其他連接　105
6．2．1　方向連接　105
6．2．2　比較與組合　108
6．3　習題　109

第三部分　4類數據

第7章　缺失數據　114
7．1　缺失值的統計和刪除　114
7．1．1　缺失信息的統計　114
7．1．2　缺失信息的刪除　115
7．2　缺失值的填充和插值　116
7．2．1　利用fillna() 進行填充　116
7．2．2　插值函數　118
7．3　Nullable類型　120
7．3．1　缺失記號及其缺陷　120
7．3．2　Nullable類型的性質　122
7．3．3　缺失數據的計算和分組　124
7．4　習題　126
第8章　文本數據　128
8．1　str對象　128
8．1．1　str對象的設計意圖　128
8．1．2　[]索引器　129
8．1．3　string類型　129
8．2　正則表達式基礎　131
8．2．1　元字符　132
8．2．2　分組捕獲與反向引用　134
8．2．3　零寬斷言　135
8．3　文本處理的5類操作　136
8．3．1　拆分　136
8．3．2　合并　137
8．3．3　匹配　138
8．3．4　替換　139
8．3．5　提取　140
8．4　其他字符串方法　141
8．4．1　字母型方法　141
8．4．2　數值型方法　142
8．4．3　統計型方法　143
8．4．4　格式型方法　143
8．5　習題　145
第9章　分類數據　147
9．1　cat對象　147
9．1．1　cat對象的屬性　147
9．1．2　類別的增加、刪除和修改　148
9．2　有序類別　150
9．2．1　序的建立　150
9．2．2　排序和比較　150
9．3　區間類別　152
9．3．1　利用cut()和qcut()進行區間構造　152
9．3．2　一般區間的構造　153
9．3．3　區間的屬性與方法　155
9．4　習題　155
第　10章 時間序列數據　159
10．1　時間戳　160
10．1．1　時間戳的構造與屬性　160
10．1．2　時間戳序列的生成　161
10．1．3　dt對象　164
10．1．4　時間戳序列的索引與切片　166
10．2　時間差　167
10．2．1　時間差序列的生成　168
10．2．2　時間差序列的運算　169
10．3　日期偏置　170
10．3．1　Offset對象　170
10．3．2　采樣頻率　173
10．4　時間序列操作　175
10．4．1　采樣頻率滑窗　175
10．4．2　重采樣　177
10．4．3　特殊連接　181
10．5　習題　184

第四部分　進階實戰

第　11章 數據觀測　190
11．1　可視化方法　190
11．1．1　基本繪圖　190
11．1．2　元素控制　198
11．1．3　子圖繪制　203
11．2　數據觀測方法　206
11．2．1　數據類型　206
11．2．2　數據統計量　207
11．2．3　數據分布　209
11．2．4　基于數據報告的觀測　210
11．3　習題　212
第　12章 特征工程　216
12．1　單特征構造　216
12．1．1　特征變換　216
12．1．2　文本數據特征　223
12．1．3　時間序列數據特征　226
12．1．4　單特征構造的一般方法　230
12．2　多特征構造　236
12．2．1　分組技術　236
12．2．2　特征降維　239
12．3　特征選擇　242
12．3．1　基于統計量的選擇　242
12．3．2　基于模型的選擇　249
12．4　習題　255
第　13章 性能優化　258
13．1　pandasic代碼要義　258
13．2　多進程加速　261
13．2．1　多進程和多線程　261
13．2．2　多進程的陷阱　264
13．2．3　異步進程　268
13．2．4　進程中的數據共享　271
13．2．5　在pandas中使用 多進程　282
13．3　利用Cython加速　286
13．3．1　初識Cython　286
13．3．2　優化策略　288
13．3．3　多線程加速　295
13．3．4　Cython類及其應用　306
13．3．5　模塊構建　311
13．4　利用Numba加速　315
13．4．1　noPython模式　315
13．4．2　ufunc與向量化　320
13．4．3　jitclass及其應用　323
13．5　習題　325
展開全部

pandas數據處理與分析 作者簡介

耿遠昊威斯康星大學麥迪遜分校統計學碩士在讀，Datawhale成員，“Joyful Pandas”開源項目作者。pandas貢獻者，活躍于pandas開源社區，主要貢獻涉及漏洞修復、功能實現與性能優化等方面，對pandas在數據處理與分析中的應用有豐富經驗。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服