| | | | 利用Python進行數據分析（原書第2版）全球資深Python專家親自執 | | 該商品所屬分類：圖書 -> 機械工業出版社 | | 【市場價】 | 849-1232元 | | 【優惠價】 | 531-770元 | | 【作者】 | 韋斯·麥金尼徐敬一 | | 【出版社】 | 機械工業出版社 | | 【ISBN】 | 9787111603702 | | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品
一次購物滿2000元台幣95折+免運費+贈品
一次購物滿3000元台幣92折+免運費+贈品
一次購物滿4000元台幣88折+免運費+贈品
| | 【本期贈品】 | ①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾
|
|
| 版本 | 正版全新電子版PDF檔 | | 您已选择： | 正版全新 | 溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。
*. 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。
*. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。 | | | |
| | 內容介紹 | |
店鋪：機械工業出版社官方旗艦店 出版社：機械工業出版社 ISBN：9787111603702 商品編碼：10026488733482 品牌：機械工業出版社（CMP） 頁數：200 字數：500000 審圖號：9787111603702 作者：韋斯·麥金尼,徐敬一
" 
商品參數
| 商品基本信息 | | 商品名稱： | 利用Python進行數據分析（原書*2版） | | 作者： | （美）韋斯·麥金尼（Wes McKinney） | | 市場價： | 119.00 | | ISBN號： | 9787111603702 | | 版次： | 1-1 | | 出版日期： | | | 頁數： | 476 | | 字數： | 500 | | 出版社： | 機械工業出版社 |
內容介紹
| 內容簡介 | 閱讀本書可以獲得關於在Python下操作、處理、清洗、規整數據集的完整說明。本書*2版針對Python3.6進行了更新，並增加了實際案例向你展示如何高效地解決一繫列數據分析問題。你將在閱讀過程中學習到新版本的pandas、NumPy、IPython和Jupyter。
|
目錄
| 目錄 | 目錄
前言1
*1章 準備工作7
1.1 本書內容7
1.1.1 什麼類型的數據7
1.2 為何利用Python進行數據分析8
1.2.1 Python作為膠水8
1.2.2 解決“雙語言”難題8
1.2.3 為何不使用Python9
1.3 重要的Python庫9
1.3.1 NumPy9
1.3.2 pandas10
1.3.3 matplotlib11
1.3.4 IPython與Jupyter11
1.3.5 SciPy12
1.3.6 scikit-learn12
1.3.7 statsmodels13
1.4 安裝與設置13
1.4.1 Windows14
1.4.2 Apple（OS X和macOS）14
1.4.3 GNU/Linux14
1.4.4 安裝及更新Python包15
1.4.5 Python 2和Python 316
1.4.6 集成開發環境和文本編輯器16
1.5 社區和會議17
1.6 快速瀏覽本書17
1.6.1 代碼示例18
1.6.2 示例數據18
1.6.3導入約定18
1.6.4術語19
*2章 Python語言基礎、IPython及Jupyter notebook20
2.1 Python解釋器21
2.2 IPython基礎22
2.2.1 運行IPython命令行22
2.2.2 運行 Jupyter notebook23
2.2.3 Tab補全25
2.2.4 內省27
2.2.5 %run命令28
2.2.6 執行剪貼板中的程序30
2.2.7 終端快捷鍵30
2.2.8 關於魔術命令31
2.2.9matplotlib集成33
2.3 Python語言基礎34
2.3.1 語言語義34
2.3.2 標量類型42
2.3.3 控制流49
第3章 內建數據結構、函數及文件54
3.1 數據結構和序列54
3.1組54
3.1.2 列表57
3.1.3 內建序列函數61
3.1.4 字典64
3.1.5集合67
3.1.6 列表、集合和字典的推導式69
3.2 函數72
3.2.1 命名空間、作用域和本地函數72
3.2.2 返回多個值73
3.2.3 函數是對像74
3.2.4 匿名（Lambda）函數75
3.2.5 柯裡化：部分參數應用76
3.2.6 生成器77
3.2.7 錯誤和異常處理79
3.3 文件與操作繫統82
3.3.1 字節與Unicode文件85
3.4 本章小結86
第4章 NumPy基礎：數組與向量化計算87
4.1 NumPy ndarray：多維數組對像89
4.1.1 生成ndarray90
4.1.2 ndarray的數據類型92
4.1.3 NumPy數組算術94
4.1.4 基礎索引與切片95
4.1.5 布爾索引100
4.1.6 神奇索引103
4.1.7 數組轉置和換軸104
4.2 通用函數：快素數組函數106
4.3 使用數組進行面向數組編程109
4.3.1 將條件邏輯作為數組操作110
4.3.2 數學和統計方法111
4.3.3 布爾值數組的方法113
4.3.4 排序114
4.3.5 唯*值與其他集合邏輯115
4.4 使用數組進行文件輸入和輸出115
4.5 線性代數116
4.6 偽隨機數生成118
4.7 示例：隨機漫步120
4.7.1 一次性模擬多次隨機漫步121
4.8 本章小結122
第5章 pandas入門123
5.1 pandas數據結構介紹123
5.1.1 Series123
5.1.2 DataFrame128
5.1.3 索引對像134
5.2 基本功能135
5.2.1 重建索引136
5.2.2 軸向上刪除條目138
5.2.3 索引、選擇與過濾140
5.2.4 整數索引144
5.2.5 算術和數據對齊145
5.2.6 函數應用和映射150
5.2.7 排序和排名152
5.2.8 含有重復標簽的軸索引155
5.3 描述性統計的概述與計算157
5.3.1 相關性和協方差159
5.3.2 唯*值、計數和成員屬性161
5.4 本章小結164
第6章 數據載入、存儲及文件格式165
6.1 文本格式數據的讀寫165
6.1.1 分塊讀入文本文件171
6.1.2 將數據寫入文本格式172
6.1.3 使用分隔格式174
6.1.4 JSON數據176
6.1.5 XML和HTML：網絡抓取177
6.2 二進制格式180
6.2.1 使用HDF5格式181
6.2.2 讀取Microsoft Excel文件183
6.3 與Web API交互184
6.4 與數據庫交互186
6.5 本章小結187
第7章 數據清洗與準備188
7.1 處理缺失值188
7.1.1 過濾缺失值189
7.1.2 補全缺失值191
7.2 數據轉換194
7.2.1 刪除重復值194
7.2.2 使用函數或映射進行數據轉換195
7.2.3 替代值197
7.2.4 重命名軸索引198
7.2.5 離散化和分箱199
7.2.6 檢測和過濾異常值202
7.2.7 置換和隨機抽樣203
7.2.8 計算指標/虛擬變量204
7.3 字符串操作207
7.3.1 字符串對像方法208
7.3.2 正則表達式210
7.3.3 pandas中的向量化字符串函數213
7.4 本章小結215
第8章 數據規整：連接、聯合與重塑216
8.1 分層索引216
8.1.1重排序和層級排序219
8.1.2 按層級進行彙總統計220
8.1.3 使用DataFrame的列進行索引220
8.2 聯合與合並數據集221
8.2.1 數據庫風格的DataFrame連接222
8.2.2 根據索引合並226
8.2.3 沿軸向連接230
8.2.4 聯合重疊數據235
8.3 重塑和透視236
8.3.1 使用多層索引進行重塑236
8.3.2 將“長”透視為“寬”240
8.3.3 將“寬”透視為“長”242
8.4 本章小結244
第9章 繪圖與可視化245
9.1 簡明matplotlib API入門245
9.1.1 圖片與子圖246
9.1.2 顏色、標記和線類型250
9.1.3 刻度、標簽和圖例252
9.1.4 注釋與子圖加工255
9.1.5 將圖片保存到文件258
9.1.6 matplotlib設置258
9.2 使用pandas和seaborn繪圖259
9.2.1 折線圖259
9.2.2 柱狀圖262
9.2.3 直方圖和密度圖266
9.2.4 散點圖或點圖269
9.2.5 分面網格和分類數據270
9.3 其他Python可視化工具271
9.4 本章小結272
*10章 數據聚合與分組操作274
10.1 GroupBy機制274
10.1.1 遍歷各分組278
10.1.2 選擇一列或所有列的子集279
10.1.3 使用字典和Series分組280
10.1.4 使用函數分組281
10.1.5 根據索引層級分組282
10.2 數據聚合282
10.2.1 逐列及多函數應用284
10.2.2 返回不含行索引的聚合數據287
10.3 應用：通用拆分-應用-聯合288
10.3.1 壓縮分組鍵290
10.3.2 分位數與桶分析291
10.3.3 示例：使用指定分組值填充缺失值292
10.3.4 示例：隨機采樣與排列294
10.3.5 示例：分組加權平均和相關性296
10.3.6 示例：逐組線性回歸298
10.4 數據透視表與交叉表298
10.4.1 交叉表：crosstab301
10.5 本章小結302
*11章 時間序列303
11.1 日期和時間數據的類型及工具303
11.1.1 字符串與datetime互相轉換305
11.2 時間序列基礎307
11.2.1 索引、選擇、子集308
11.2.2 含有重復索引的時間序列311
11.3 日期範圍、頻率和移位312
11.3.1 生成日期範圍313
11.3.2 頻率和日期偏置316
11.3.3 移位（前向和後向）日期317
11.4 時區處理320
11.4.1 時區的本地化和轉換320
11.4.2 時區感知時間戳對像的操作323
11.4.3 不同時區間的操作324
11.5 時間區間和區間算術324
11.5.1 區間頻率轉換326
11.5.2 季度區間頻率327
11.5.3 將時
|
" | | |
| | | | |
|
