正版图书 利用Python进行数据分析（原书第3版） 【美】韦斯·麦
正版图书 没有图片的请核对书号下单 以书名为准~ 出版时间系统采集的 请注意！
￥ 88.93 6.0折 ￥ 149 全新
库存9件
作者【美】韦斯·麦金尼
出版社机械工业出版社
ISBN9787111726722
出版时间2023-10
版次1
装帧平装
开本16开
纸张胶版纸
定价149元
货号wht- 9787111726722
上书时间2024-07-22
- 在售商品 暂无
- 平均发货时间 26小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 库存新书 未翻阅
- 商品描述
-
基本信息
书名:利用Python进行数据分析（原书第3版）
定价：149元
作者:【美】韦斯·麦金尼
出版社：机械工业出版社
出版日期：2023-10-01
ISBN：9787111726722
字数：
页码：
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
适读人群 ：本书是对Python数据科学工具的实操化、现代化的介绍，非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。本书版出版于2012年，彼时基于Python的开源数据分析库（例如pandas）仍然是一个发展迅速的新事物，本书也成为该领域排名No1的经典书，前两版中文版累计销售近30万册。阅读本书可以学习使用Python对数据集进行操作、处理、清洗和规整。第3版针对Python3.10和pandas1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。本书作者WesMcKinney是Pythonpandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颖，非常适合刚开始学习Python的数据分析师或刚开始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。学完本书，你将能够：• 使用Jupyternotebook和IPythonshell进行探索性计算。• 掌握NumPy的基础功能和高级功能。• 掌握pandas库中的数据分析工具。• 使用灵活的工具对数据进行加载、清洗、转换、合并和重塑。• 使用matplotlib进行信息可视化。• 使用pandas的groupBy功能对数据集进行切片、切块和汇总。• 分析并处理规则的时间序列数据和不规则的时间序列数据。• 利用完整、详细的示例学习如何解决现实中的数据分析问题。
内容提要
本书是Python数学分析经典书的升级版，由Python pandas项目的创始人Wes McKinney撰写。自2012年第1版出版以来，迅速成为该领域的指南，并且为了与时俱进，作者也在对本书内容进行持续更新，以摒弃一些过时、不兼容的工具，添加新的内容，用以介绍一些新特性、新工具及方法。本书第3版针对Python 3.10和pandas 1.4进行了更新，并通过实操讲解和实际案例向读者展示了如何高效解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。
目录
章 准备工作71.1 本书内容71.2 为什么使用Python进行数据分析81.3 重要的Python库91.4 安装和设置141.5 社区和会议181.6 本书导航18第2章 Python语法基础、IPython和Jupyter notebook212.1 Python解释器222.2 IPython基础232.3 Python语法基础292.4总结47第3章 Python的数据结构、函数和文件483.1 数据结构和序列483.2 函数653.3 文件和操作系统763.4 总结81第4章 NumPy基础：数组和向量化计算824.1 NumPy的ndarray：多维数组对象844.2 生成伪随机数1014.3 通用函数：快速的元素级数组函数1034.4 利用数组进行面向数组编程1054.5 使用数组进行文件输入和输出1134.6 线性代数1144.7 示例：随机漫步1154.8 总结118第5章 pandas入门1195.1 pandas的数据结构介绍1205.2 基本功能1335.3 描述性统计的汇总和计算1595.4 总结167第6章 数据加载、存储与文件格式1686.1 读写文本格式的数据1686.2 二进制数据格式1856.3 与Web API交互1906.4 与数据库交互1916.5 总结193第7章 数据清洗和准备1947.1 处理缺失数据1947.2 数据转换2007.3 扩展数据类型2147.4 字符串操作2167.5 分类数据2247.6 总结233第8章 数据规整：连接、联合和重塑2348.1 层次化索引2348.2 联合与合并数据集2408.3 重塑和透视2568.4 总结264第9章 绘图和可视化2659.1 matplotlib API入门2669.2 使用pandas和seaborn绘图2799.3 其他Python可视化工具2939.4 总结2940章 数据聚合与分组操作29510.1 GroupBy机制29610.2 数据聚合30410.3 Apply：通用的“拆分－应用－联合”范式31010.4 分组转换和“展开式”GroupBy运算32210.5 透视表和交叉表32610.6 总结3301章 时间序列33111.1 日期和时间数据的类型及工具33211.2 时间序列基础知识33611.3 日期的范围、频率以及移位34111.4 时区处理34811.5 周期及其算术运算35311.6 重采样及频率转换36011.7 移动窗口函数36911.8 总结3752章 Python建模库介绍37612.1 pandas与模型代码的接口37612.2 用Patsy创建模型描述37912.3 statsmodels介绍38512.4 scikit-learn介绍39012.5 总结3933章 数据分析案例39513.1 来自1.USA.gov的Bitly数据39513.2 MovieLens 1M数据集40413.3 1880—2010年间全美婴儿姓名41113.4 USDA食品数据库42513.5 2012年联邦选举委员会数据库43113.6 总结440附录A 高阶NumPy441附录B 更多关于IPython的内容475
作者介绍
作者介绍Wes McKinney是Voltron Data的联合创始人兼首席技术官、Python数据社区的活跃成员，同时也是在数据分析、金融和统计计算等领域推广使用Python的倡导者。Wes毕业于麻省理工学院，同时也是Apache软件基金会的Apache Arrow和Apache Parquet项目的项目管理委员会成员。译者介绍陈松，清华大学技术经济研究所副研究员，技术经济大数据实验室技术负责人，参与多项省部级、地区性课题研究。著有《区块链通识课50讲》，译有《DeFi与金融的未来》，具有 4 项国家发明专利。日常维护名为SeanCheney的博客、GitHub和公众号，阅读量上千万。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价