微瑕Pandas数据处理与分析
￥ 47.04 4.8折 ￥ 98 全新
库存4件
作者耿远昊
出版社人民邮电出版社
ISBN9787115583659
出版时间2022-08
版次1
装帧平装
开本16开
纸张胶版纸
页数327页
定价98元
货号2170-9787115583659
上书时间2024-11-02
- 在售商品 暂无
- 平均发货时间 14小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
基本信息
书名:Pandas数据处理与分析
定价：98元
作者:耿远昊
出版社：人民邮电出版社
出版日期：2022-08-01
ISBN：9787115583659
字数：
页码：327
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
1.梳理pandas中常用的函数，将函数之间的逻辑关系总结为“基础知识+4类操作+4类数据”的模块结构2.展示了数据处理的宏观体系，并针对数据分析中“怎么分析”“怎么处理”“怎么加速”3个核心问题给出解决方案。3.结合大量代码讲解理论知识，并通过“练一练”和章末的“习题”等形式提供高质量的练习，帮助读者理解、强化和拓展所学知识。4.不需要读者掌握数据科学或数据分析的先验知识，适合具有一定Python编程基础、想要使用pandas进行数据处理与分析的数据科学领域的从业者或研究人员阅读。
内容提要
本书以Python中的pandas库为主线，介绍各类数据处理与分析方法。本书共包含13章，部分介绍NumPy和pandas的基本内容；第二部分介绍pandas库中的4类操作，包括索引、分组、变形和连接；第三部分介绍基于pandas库的4类数据，包括缺失数据、文本数据、分类数据和时间序列数据，并介绍这4类数据的处理方法；第四部分介绍数据观测、特征工程和性能优化的相关内容。本书以丰富的练习为特色，每章的最后一节为习题，同时每章包含许多即时性的练习（练一练）。读者可通过这些练习将对数据科学的宏观认识运用到实践中。
目录
部分 基础知识第 1章 预备知识 21．1 Python基础 21．1．1 推导式 21．1．2 匿名函数 41．1．3 打包函数 51．2 NumPy基础 71．2．1 NumPy数组的构造 71．2．2 NumPy数组的变形 111．2．3 NumPy数组的切片 151．2．4 广播机制 171．2．5 常用函数 191．3 习题 24第 2章 pandas基础 262．1 文件的读取和写入 262．1．1 文件读取 262．1．2 数据写入 282．2 基本数据结构 292．2．1 Series 292．2．2 DataFrame 302．3 常用基本函数 322．3．1 汇总函数 332．3．2 特征统计函数 342．3．3 频次函数 352．3．4 替换函数 362．3．5 排序函数 392．3．6 apply函数 402．4 窗口 422．4．1 滑动窗口 422．4．2 扩张窗口 452．5 习题 46第二部分 4类操作第3章 索引 503．1 单级索引 503．1．1 DataFrame的列索引 503．1．2 Series的行索引 513．1．3 loc索引器 523．1．4 iloc索引器 563．1．5 query函数 573．1．6 索引运算 583．2 多级索引 593．2．1 多级索引及其表的结构 593．2．2 多级索引中的loc索引器 613．2．3 多级索引的构造 653．3 常用索引方法 663．3．1 索引层的交换和删除 663．3．2 索引属性的修改 673．3．3 索引的设置与重置 703．3．4 索引的对齐 713．4 习题 72第4章 分组 744．1 分组模式及其对象 744．1．1 分组的一般模式 744．1．2 分组依据的本质 754．1．3 groupby对象 764．2 聚合函数 784．2．1 内置聚合函数 784．2．2 agg函数 794．3 变换和过滤 804．3．1 变换函数 814．3．2 组索引与过滤 824．4 跨列分组 834．5 习题 85第5章 变形 875．1 长宽表的变形 875．1．1 长表的透视变形 885．1．2 宽表的逆透视变形 915．2 其他变形方法 955．2．1 索引变形 955．2．2 扩张变形 985．3 习题 98第6章 连接 1006．1 关系连接 1006．1．1 关系连接的基本概念 1006．1．2 列连接 1026．1．3 索引连接 1046．2 其他连接 1056．2．1 方向连接 1056．2．2 比较与组合 1086．3 习题 109第三部分 4类数据第7章 缺失数据 1147．1 缺失值的统计和删除 1147．1．1 缺失信息的统计 1147．1．2 缺失信息的删除 1157．2 缺失值的填充和插值 1167．2．1 利用fillna 进行填充 1167．2．2 插值函数 1187．3 Nullable类型 1207．3．1 缺失记号及其缺陷 1207．3．2 Nullable类型的性质 1227．3．3 缺失数据的计算和分组 1247．4 习题 126第8章 文本数据 1288．1 str对象 1288．1．1 str对象的设计意图 1288．1．2 []索引器 1298．1．3 string类型 1298．2 正则表达式基础 1318．2．1 元字符 1328．2．2 分组捕获与反向引用 1348．2．3 零宽断言 1358．3 文本处理的5类操作 1368．3．1 拆分 1368．3．2 合并 1378．3．3 匹配 1388．3．4 替换 1398．3．5 提取 1408．4 其他字符串方法 1418．4．1 字母型方法 1418．4．2 数值型方法 1428．4．3 统计型方法 1438．4．4 格式型方法 1438．5 习题 145第9章 分类数据 1479．1 cat对象 1479．1．1 cat对象的属性 1479．1．2 类别的增加、删除和修改 1489．2 有序类别 1509．2．1 序的建立 1509．2．2 排序和比较 1509．3 区间类别 1529．3．1 利用cut和qcut进行区间构造 1529．3．2 一般区间的构造 1539．3．3 区间的属性与方法 1559．4 习题 155第 10章 时间序列数据 15910．1 时间戳 16010．1．1 时间戳的构造与属性 16010．1．2 时间戳序列的生成 16110．1．3 dt对象 16410．1．4 时间戳序列的索引与切片 16610．2 时间差 16710．2．1 时间差序列的生成 16810．2．2 时间差序列的运算 16910．3 日期偏置 17010．3．1 Offset对象 17010．3．2 采样频率 17310．4 时间序列操作 17510．4．1 采样频率滑窗 17510．4．2 重采样 17710．4．3 特殊连接 18110．5 习题 184第四部分 进阶实战第 11章 数据观测 19011．1 可视化方法 19011．1．1 基本绘图 19011．1．2 元素控制 19811．1．3 子图绘制 20311．2 数据观测方法 20611．2．1 数据类型 20611．2．2 数据统计量 20711．2．3 数据分布 20911．2．4 基于数据报告的观测 21011．3 习题 212第 12章 特征工程 21612．1 单特征构造 21612．1．1 特征变换 21612．1．2 文本数据特征 22312．1．3 时间序列数据特征 22612．1．4 单特征构造的一般方法 23012．2 多特征构造 23612．2．1 分组技术 23612．2．2 特征降维 23912．3 特征选择 24212．3．1 基于统计量的选择 24212．3．2 基于模型的选择 24912．4 习题 255第 13章 性能优化 25813．1 pandasic代码要义 25813．2 多进程加速 26113．2．1 多进程和多线程 26113．2．2 多进程的陷阱 26413．2．3 异步进程 26813．2．4 进程中的数据共享 27113．2．5 在pandas中使用 多进程 28213．3 利用Cython加速 28613．3．1 初识Cython 28613．3．2 优化策略 28813．3．3 多线程加速 29513．3．4 Cython类及其应用 30613．3．5 模块构建 31113．4 利用Numba加速 31513．4．1 noPython模式 31513．4．2 ufunc与向量化 32013．4．3 jitclass及其应用 32313．5 习题 325
作者介绍
耿远昊威斯康星大学麦迪逊分校统计学硕士在读，Datawhale成员，“Joyful Pandas”开源项目作者。pandas贡献者，活跃于pandas开源社区，主要贡献涉及漏洞修复、功能实现与性能优化等方面，对pandas在数据处理与分析中的应用有丰富经验。
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价