鏈接：https://pan.baidu.com/s/1PGQ6ma4u8V9qEKiuGBxWYg?pwd=r4sq?

提取碼：r4sq

使用Python進(jìn)行數(shù)據(jù)分析并不難。如果你會(huì)使用電子表格，就能學(xué)會(huì)Pandas！雖然它的網(wǎng)格樣式布局可能會(huì)讓你想起Excel，但Pandas要靈活和強(qiáng)大得多。Python庫(kù)可以快速對(duì)數(shù)百萬行數(shù)據(jù)執(zhí)行操作，并且可以輕松地與Python數(shù)據(jù)生態(tài)系統(tǒng)中的其他工具進(jìn)行交互。這是提升你的數(shù)據(jù)游戲的完美方式。

　　《Pandas數(shù)據(jù)分析實(shí)戰(zhàn)》介紹了使用令人驚嘆的 Pandas 庫(kù)在 Python 中進(jìn)行數(shù)據(jù)分析。你將學(xué)習(xí)如何對(duì)重復(fù)操作進(jìn)行自動(dòng)化，并讓你對(duì)在Excel中很難實(shí)現(xiàn)，甚至不可能實(shí)現(xiàn)的數(shù)據(jù)分析有更深的理解。本書每章都可以獨(dú)立成篇。通過下載真實(shí)的數(shù)據(jù)集，可以讓你的學(xué)習(xí)更加貼近現(xiàn)實(shí)工作。

內(nèi)容簡(jiǎn)介

主要內(nèi)容

●對(duì)數(shù)據(jù)集進(jìn)行組織、 分組、合并、分割以及連接

●發(fā)現(xiàn)基于文本和時(shí)間的數(shù)據(jù)的趨勢(shì)

●對(duì)數(shù)據(jù)進(jìn)行排序、過濾、樞軸化、優(yōu)化，并得出結(jié)論

●應(yīng)用聚合操作

作者簡(jiǎn)介

　　Boris Paskhaver是一名軟件工程師、敏捷顧問和在線教育家。已有來自190個(gè)國(guó)家的30萬名學(xué)生學(xué)習(xí)了他的編程課程。

目錄

第Ⅰ部分 Pandas核心基礎(chǔ)
第1章 Pandas概述
1.1 21世紀(jì)的數(shù)據(jù)
1.2 Pandas介紹
1.2.1 Pandas與圖形電子表格應(yīng)用程序
1.2.2 Pandas與它的競(jìng)爭(zhēng)對(duì)手
1.3 Pandas之旅
1.3.1 導(dǎo)入數(shù)據(jù)集
1.3.2 操作DataFrame
1.3.3 計(jì)算Series中的值
1.3.4 根據(jù)一個(gè)或多個(gè)條件篩選列
1.3.5 對(duì)數(shù)據(jù)分組
1.4 本章小結(jié)
第2章 Series對(duì)象
2.1 Series概述
2.1.1 類和實(shí)例
2.1.2 用值填充Series對(duì)象
2.1.3 自定義Series索引
2.1.4 創(chuàng)建有缺失值的Series
2.2 基于其他Python對(duì)象創(chuàng)建Series
2.3 Series屬性
2.4 檢索第一行和最后一行
2.5 數(shù)學(xué)運(yùn)算
2.5.1 統(tǒng)計(jì)操作
2.5.2 算術(shù)運(yùn)算
2.5.3 廣播
2.6 將Series傳遞給Python的內(nèi)置函數(shù)
2.7 代碼挑戰(zhàn)
2.7.1 問題描述
2.7.2 解決方案
2.8 本章小結(jié)
第3章 Series方法
3.1 使用read csv函數(shù)導(dǎo)入數(shù)據(jù)集
3.2 對(duì)Series進(jìn)行排序
3.2.1 使用sort values方法按值排序
3.2.2 使用sort_index方法按索引排序
3.2.3 使用nsmallest和nlargest方法檢索最小值和最大值
3.3 使用 inplace參數(shù)替換原有Series
3.4 使用value _counts方法計(jì)算值的個(gè)數(shù)
3.5 使用apply方法對(duì)每個(gè)Series值調(diào)用一個(gè)函數(shù)
3.6 代碼挑戰(zhàn)
3.6.1 問題描述
3.6.2 解決方案
3.7 本章小結(jié)
第4章 DataFrame對(duì)象
4.1 DataFrame概述
4.1.1 通過字典創(chuàng)建DataFrame
4.1.2 通過NumPy ndarray創(chuàng)建DataFrame
4.2 Series和DataFrame的相似之處
4.2.1 使用read csv函數(shù)導(dǎo)入DataFrame
4.2.2 Series和DataFrame的共享與專有屬性
4.2.3 Series和DataFrame的共有方法
4.3 對(duì) DataFrame進(jìn)行排排序
……
第Ⅱ部分 應(yīng)用Pandas
附錄A 安裝及配置
附錄B Python速成課程
附錄C NumPy速成教程
附錄D 用Faker生成模擬數(shù)據(jù)
附錄E 正則表達(dá)式

查看全部↓

前言/序言

本書讀者對(duì)象

《Pandas數(shù)據(jù)分析實(shí)戰(zhàn)》全面介紹了用于數(shù)據(jù)分析的Pandas庫(kù)。Pandas可以幫助你輕松地執(zhí)行多種數(shù)據(jù)操作：排序、連接、旋轉(zhuǎn)、清理、刪除重復(fù)數(shù)據(jù)、聚合等。本書循序漸進(jìn)地介紹了Pandas的各種功能，每種功能從較小的構(gòu)建塊開始，再到較大的數(shù)據(jù)結(jié)構(gòu)。

《Pandas數(shù)據(jù)分析實(shí)戰(zhàn)》適合具有電子表格軟件(如Microsoft Excel、Google Sheets和Apple Numbers)以及類似的數(shù)據(jù)分析工具(如R和SAS)使用經(jīng)驗(yàn)的中級(jí)數(shù)據(jù)分析師。對(duì)于想了解更多數(shù)據(jù)分析知識(shí)的Python開發(fā)人員來說，也是一本非常合適的參考書。

本書的內(nèi)容結(jié)構(gòu)

《Pandas數(shù)據(jù)分析實(shí)戰(zhàn)》由14章組成，分為兩部分。

第Ⅰ部分，Pandas核心基礎(chǔ)，循序漸進(jìn)地介紹了Pandas庫(kù)的基本原理。

第1章使用Pandas分析了一個(gè)示例數(shù)據(jù)集，以全面概述Pandas的功能。

第2章介紹了Series對(duì)象，這是一種Pandas的核心數(shù)據(jù)結(jié)構(gòu)，用于存儲(chǔ)有序數(shù)據(jù)的集合。