面圈网
利用 Python 进行数据分析 · 第 2 版
  • 教程首页
  • 更多
    • 社区
    • 面经
    • 公司
    • 技术栈
    • 源码
    • 在线文稿
    • 资源下载
    • 书库
  • 登录
  • 利用 Python 进行数据分析 · 第 2 版
  • 第 1 章 准备工作
    • 1.1 本书的内容
    • 1.2 为什么要使用Python进行数据分析
    • 1.3 重要的Python库
    • 1.4 安装和设置
    • 1.5 社区和会议
    • 1.6 本书导航
  • 第 2 章 Python 语法基础，IPython 和 Jupyter Notebooks
    • 2.1 Python解释器
    • 2.2 IPython基础
    • 2.3 Python语法基础
  • 第 3 章 Python 的数据结构、函数和文件
    • 3.1 数据结构和序列
    • 3.2 函数
    • 3.3 文件和操作系统
    • 3.4 结论
  • 第 4 章 NumPy 基础：数组和矢量计算
    • 4.1 NumPy的ndarray：一种多维数组对象
    • 4.2 通用函数：快速的元素级数组函数
    • 4.3 利用数组进行数据处理
    • 4.4 用于数组的文件输入输出
    • 4.5 线性代数
    • 4.6 伪随机数生成
    • 4.7 示例：随机漫步
    • 4.8 结论
  • 第 5 章 pandas 入门
    • 5.1 pandas的数据结构介绍
    • 5.2 基本功能
    • 5.3 汇总和计算描述统计
    • 5.4 总结
  • 第 6 章 数据加载、存储与文件格式
    • 6.1 读写文本格式的数据
    • 6.2 二进制数据格式
    • 6.3 Web APIs交互
    • 6.4 数据库交互
    • 6.5 总结
  • 第 7 章 数据清洗和准备
    • 7.1 处理缺失数据
    • 7.2 数据转换
    • 7.3 字符串操作
    • 7.4 总结
  • 第 8 章 数据规整：聚合、合并和重塑
    • 8.1 层次化索引
    • 8.2 合并数据集
    • 8.3 重塑和轴向旋转
    • 8.4 总结
  • 第 9 章 绘图和可视化
    • 9.1 matplotlib API入门
    • 9.2 使用pandas和seaborn绘图
    • 9.3 其它的Python可视化工具
    • 9.4 总结
  • 第 10 章 数据聚合与分组运算
    • 10.1 GroupBy机制
    • 10.2 数据聚合
    • 10.3 apply：一般性的“拆分－应用－合并”
    • 10.4 透视表和交叉表
    • 10.5 总结
  • 第 11 章 时间序列
    • 11.1 日期和时间数据类型及工具
    • 11.2 时间序列基础
    • 11.3 日期的范围、频率以及移动
    • 11.4 时区处理
    • 11.5 时期及其算术运算
    • 11.6 重采样及频率转换
    • 11.7 移动窗口函数
    • 11.8 总结
  • 第 12 章 pandas 高级应用
    • 12.1 分类数据
    • 12.2 GroupBy高级应用
    • 12.3 链式编程技术
    • 12.4 总结
  • 第 13 章 Python 建模库介绍
    • 13.1 pandas与模型代码的接口
    • 13.2 用Patsy创建模型描述
    • 13.3 statsmodels介绍
    • 13.4 scikit-learn介绍
    • 13.5 继续学习
  • 第 14 章 数据分析案例
    • 14.1 来自Bitly的USA.gov数据
    • 14.2 MovieLens 1M数据集
    • 14.3 1880-2010年间全美婴儿姓名
    • 14.4 USDA食品数据库
    • 14.5 2012联邦选举委员会数据库
    • 14.6 总结
  • 附录 A NumPy 高级应用
    • A.1 ndarray对象的内部机理
    • A.2 高级数组操作
    • A.3 广播
    • A.4 ufunc高级应用
    • A.5 结构化和记录式数组
    • A.6 更多有关排序的话题
    • A.7 用Numba编写快速NumPy函数
    • A.8 高级数组输入输出
    • A.9 性能建议
  • 附录 B 更多关于 IPython 的内容
    • B.1 使用命令历史
    • B.2 与操作系统交互
    • B.3 软件开发工具
    • B.4 使用IPython高效开发的技巧
    • B.5 IPython高级功能
    • B.6 总结
暂无相关搜索结果！

    第 1 章 准备工作

    浏览 148 分享 2020-03-28 12:56:28

    第 1 章 准备工作

    • 1.1 本书的内容
    • 1.2 为什么要使用Python进行数据分析
    • 1.3 重要的Python库
    • 1.4 安装和设置
    • 1.5 社区和会议
    • 1.6 本书导航
    上一节 目录 下一节
    您未登录，请先登录后再评论
    评论列表 正在加载评论...
    展开/收起文章目录
    分享，让知识传承更久远
    登录
    • 微信登录
    • 账号登录
    • 验证码登录
    忘记密码?

    没有帐户? 立即注册

    没有帐户? 立即注册