Python数据处理

图书标准信息

• 作者 张亮 译者；杰奎琳·凯泽尔（Jacqueline Kazil）；凯瑟琳·贾缪尔（Katharine Jarmul）
• 出版社 人民邮电出版社
• 出版时间 2017-07
• 版次 1
• ISBN 9787115459190
• 定价 99.00元
• 装帧 平装
• 开本 其他
• 页数 378页
• 字数 0.59千字
• 正文语种 简体中文
• 原版书名 Data Wrangling with Python
• 丛书 图灵程序设计丛书

【内容简介】

本书采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API中提取数据。

【作者简介】

                                 作者:[美] 杰奎琳·凯泽尔（Jacqueline Kazil）凯瑟琳?贾缪尔（Katharine Jarmul） 译者:张亮 吕家明
Jacqueline Kazil，数据科学家，zi深软件开发者。活跃于Python软件基金会、PyLadies等社区。曾参与美国总统创新伙伴项目，是美国政府技术组织18F的联合创始人。曾担任《华盛顿邮报》数据记者。

Katharine Jarmul，zi深Python开发者，PyLadies联合创始人。喜欢数据分析和获取、网页抓取、教人学习Python以及Unix，期望通过教育和培训来促进Python和其他开源语言的多元化。

【目录】

                                 前言xiii
第1 章Python简介 1
1.1 为什么选择Python 4
1.2 开始使用Python 4
1.2.1 Python版本选择 5
1.2.2 安装Python 6
1.2.3 测试Python 9
1.2.4 安装pip 11
1.2.5 安装代码编辑器 12
1.2.6 安装IPython（可选） 13
1.3 小结 13
第2 章Python基础 14
2.1 基本数据类型 15
2.1.1 字符串 15
2.1.2 整数和浮点数 15
2.2 数据容器 18
2.2.1 变量 18
2.2.2 列表 21
2.2.3 字典 22
2.3 各种数据类型的用途 23
2.3.1 字符串方法：字符串能做什么 24
2.3.2 数值方法：数字能做什么 25
2.3.3 列表方法：列表能做什么 26
2.3.4 字典方法：字典能做什么 27
2.4 有用的工具：type、dir和help 28
2.4.1 type 28
2.4.2 dir 28
2.4.3 help 30
2.5 综合运用 31
2.6 代码的含义 32
2.7 小结 33
第3 章供机器读取的数据 34
3.1 CSV数据 35
3.1.1 如何导入CSV数据 36
3.1.2 将代码保存到文件中并在命令行中运行 39
3.2 JSON数据 41
3.3 XML数据 44
3.4 小结 56
第4 章处理Excel文件 58
4.1 安装Python包 58
4.2 解析Excel文件 59
4.3 开始解析 60
4.4 小结 71
第5 章处理PDF文件，以及用Python解决问题 73
5.1 尽量不要用PDF 73
5.2 解析PDF的编程方法 74
5.2.1 利用slate库打开并读取PDF 75
5.2.2 将PDF转换成文本 77
5.3 利用pdfminer解析PDF 78
5.4 学习解决问题的方法 92
5.4.1 练习：使用表格提取，换用另一个库 94
5.4.2 练习：手动清洗数据 98
5.4.3 练习：试用另一种工具 98
5.5 不常见的文件类型 101
5.6 小结 101
第6 章数据获取与存储 103
6.1 并非所有数据生而平等 103
6.2 真实性核查 104
6.3 数据可读性、数据清洁度和数据寿命 105
6.4 寻找数据 105
6.4.1 打电话 105
6.4.2 美国政府数据 106
6.4.3 全球政府和城市开放数据 107
6.4.4 组织数据和非政府组织数据 109
6.4.5 教育数据和大学数据 109
6.4.6 医学数据和科学数据 109
6.4.7 众包数据和API 110
6.5 案例研究：数据调查实例 111
6.5.1 埃博拉病毒危机 111
6.5.2 列车安全 111
6.5.3 足球运动员的薪水 112
6.5.4 童工 112
6.6 数据存储 113
6.7 数据库简介 113
6.7.1 关系型数据库：MySQL和PostgreSQL 114
6.7.2 非关系型数据库：NoSQL 116
6.7.3 用Python创建本地数据库 117
6.8 使用简单文件 118
6.8.1 云存储和Python 118
6.8.2 本地存储和Python 119
6.9 其他数据存储方式 119
6.10 小结 119
第7 章数据清洗：研究、匹配与格式化 121
7.1 为什么要清洗数据 121
7.2 数据清洗基础知识 122
7.2.1 找出需要清洗的数据 123
7.2.2 数据格式化 131
7.2.3 找出离群值和不良数据 135
7.2.4 找出重复值 140
7.2.5 模糊匹配 143
7.2.6 正则表达式匹配 146
7.2.7 如何处理重复记录 150
7.3 小结 151
第8 章数据清洗：标准化和脚本化 153
8.1 数据归一化和标准化 153
8.2 数据存储 154
8.3 找到适合项目的数据清洗方法 156
8.4 数据清洗脚本化 157
8.5 用新数据测试 170
8.6 小结 172
第9 章数据探索和分析 173
9.1 探索数据 173
9.1.1 导入数据 174
9.1.2 探索表函数 179
9.1.3 联结多个数据集 182
9.1.4 识别相关性 186
9.1.5 找出离群值 187
9.1.6 创建分组 189
9.1.7 深入探索 192
9.2 分析数据 193
9.2.1 分离和聚焦数据 194
9.2.2 你的数据在讲什么 196
9.2.3 描述结论 196
9.2.4 将结论写成文档 197
9.3 小结 197
第10 章展示数据 199
10.1 避免讲故事陷阱 199
10.1.1 怎样讲故事 200
10.1.2 了解听众 200
10.2 可视化数据 201
10.2.1 图表 201
10.2.2 时间相关数据 207
10.2.3 地图 208
10.2.4 交互式元素 211
10.2.5 文字 212
10.2.6 图片、视频和插画 212
10.3 展示工具 213
10.4 发布数据 213
10.4.1 使用可用站点 213
10.4.2 开源平台：创建一个新网站 215
10.4.3 Jupyter（曾名IPythonnotebook） 216
10.5 小结 219
第11 章网页抓取：获取并存储网络数据 221
11.1 抓取什么和如何抓取 221
11.2 分析网页 223
11.2.1 检视：标记结构 224
11.2.2 网络／时间线：页面是如何加载的 230
11.2.3 控制台：同JavaScript交互 232
11.2.4 页面的深入分析 236
11.3 得到页面：如何通过互联网发出请求 237
11.4 使用BeautifulSoup读取网页 238
11.5 使用lxml读取网页 241
11.6 小结 249
……
第12 章高级网页抓取：屏幕抓取器与爬虫 251
第13 章应用编程接口 286
第14 章自动化和规模化 298
第15 章结论 330
附录A 编程语言对比 334
附录B 初学者的Python学习资源 336
附录C 学习命令行 338
附录D 高级Python设置 349
附录E Python陷阱 361
附录F IPython指南 370
附录G 使用亚马逊网络服务 374
关于作者 378
关于封面 378