利用Python进行数据分析 PDF 超清版

更新：2022-01-25
大小：78.55 MB
类别：Python
作者：Wes、McKinney
出版：机械工业出版社
格式：PDF

资源介绍
相关推荐

内容简介

还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程？本书含有大量的实践案例，你将学会如何利用各种Python库（包括NumPy、pandas、matplotlib以及IPython等）高效地解决各式各样的数据分析问题。
由于作者WesMcKinney是pandas库的主要作者，所以本书也可以作为利用Python实现数据密集型应用的科学计算实践指南。本书适合刚刚接触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。
•学习NumPy（NumericalPython）的基础和高级知识。
•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matplotlib创建散点图以及静态或交互式的可视化结果。
•利用pandas的groupby功能对数据集进行切片、切块和汇总操作。
•处理各种各样的时间序列数据。
•通过详细的案例学习如何解决Web分析、社会科学、金融学以及经•济学等领域的问题。

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

资源下载

资源下载地址1：https://pan.baidu.com/s/1n2hVGChLRgMI2QiIkBTKDw

网友留言

满柳思 2022-01-25 09:27:31

每一个数据分析师或是数据科学家都使用各自不同的技术栈。即使同样使用Python做为主力数据分析语言，每个人会用到的工具组合也不尽相同。

但不管怎么说，对于希望使用python来进行数据分析工作的人来说，学习iPython，NumPy，pandas，matpotlib这个组合是一个目前看来怎么都不会太错的方向。

本书恰好精确地涵盖了这几个方向。

本书的作者Wes McKinney正是pandas的主要作者。作者有多年的Python数据分析工作经验。除了pandas之外，作者对本书覆盖的这iPython，NumPy，pandas，matpotlib等也都有着很深的理解。
本书的结构比较特别。前两章是背景介绍。第三、四、五章分别介绍了一下iPython，NumPy，pandas。第六到十一章是一些比较具体的功能的介绍以及实例，以pandas的使用为主，中间却又插进了一个讲matplotlib的第八章。第十二章又回到NumPy。全书最后还附了一个大约三十页篇幅的Python快速入门。

这个结构给人的感觉是作者在写这本书的时候有着很大的抱负：希望能把一个完全的新手带入Python数据分析的大门，即使这个新手在此之前对数据分析和Python都完全没有概念。

这种抱负对于一本不到五百页的教材不免有些过于宏大。一个明显的负面结果是第一、二章和后面的章节之间存在着较大的脱节。第一、二章的内容其实是适合于一个完全没有数据分析经验的新手的。但后面的章节对于新手来说则比较困难的：主要的困难不在于理解书中的技术，而在于真正领会到这些技术在实际中究竟有什么用。

作者并非没有意识到这个困难。事实上，他试图用贯穿全书的大量实例来化解这个困难。但是，事于愿违的是，这些实例反而造成了阅读上障碍：这些实例很可能是书中最为乏味无趣的部分。很难想象会有多少读者真正有耐心把所有实例从头到尾认真读完，更不用说，像作者所希望的那样，把这些实例一一重复一遍。