利用Python进行数据分析

图书标准信息

• 作者 Wes McKinney 著；唐学韬 译
• 出版社 机械工业出版社
• 出版时间 2014-01
• 版次 1
• ISBN 9787111436737
• 定价 89.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 464页
• 正文语种 简体中文
• 原版书名 Python for Data Analysis
• 丛书 O'Reilly精品图书系列

【内容简介】

　　《利用Python进行数据分析》讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用）。
　　《利用Python进行数据分析》重点介绍了用于高效解决各种数据分析问题的Python语言和库。《利用Python进行数据分析》没有阐述如何利用Python实现具体的分析方法。

【作者简介】

　　Wes McKinney，资深数据分析专家，对各种Python库（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，并在大量的实践中积累了丰富的经验。撰写了大量与Python数据分析相关的经典文章，被各大技术社区争相转载。开发了用于数据分析的著名开源Python库——pandas，广获用户好评。在创建Lambda Foundry（一家致力于企业数据分析的公司）之前，他曾是AQR Capital Management的定量分析师。

【目录】

前言 

第1章 准备工作 
本书主要内容 
为什么要使用Python进行数据分析 
重要的Python库 
安装和设置 
社区和研讨会 
使用本书 
致谢 

第2章 引言 
来自bit.ly的1.usa.gov数据 
MovieLens 1M数据集 
1880-2010年间全美婴儿姓名 
小结及展望 

第3章 IPython：一种交互式计算和开发环境 
IPython基础 
内省 
使用命令历史 
与操作系统交互 
软件开发工具 
IPython HTML Notebook 
利用IPython提高代码开发效率的几点提示 
高级IPython功能 
致谢 

第4章 NumPy基础：数组和矢量计算 
NumPy的ndarray：一种多维数组对象 
通用函数：快速的元素级数组函数 
利用数组进行数据处理 
用于数组的文件输入输出 
线性代数 
随机数生成 
范例：随机漫步 

第5章 pandas入门 
pandas的数据结构介绍 
基本功能 
汇总和计算描述统计 
处理缺失数据 
层次化索引 
其他有关pandas的话题 

第6章 数据加载、存储与文件格式 
读写文本格式的数据 
二进制数据格式 
使用HTML和Web API 
使用数据库 

第7章 数据规整化：清理、转换、合并、重塑 
合并数据集 
重塑和轴向旋转 
数据转换 
字符串操作 
示例：USDA食品数据库 

第8章 绘图和可视化 
matplotlib API入门 
pandas中的绘图函数 
绘制地图：图形化显示海地地震危机数据 
Python图形化工具生态系统 

第9章 数据聚合与分组运算 
GroupBy技术 
数据聚合 
分组级运算和转换 
透视表和交叉表 
示例：2012联邦选举委员会数据库 

第10章 时间序列 
日期和时间数据类型及工具 
时间序列基础 
日期的范围、频率以及移动 
时区处理 
时期及其算术运算 
重采样及频率转换 
时间序列绘图 
移动窗口函数 
性能和内存使用方面的注意事项 

第11章 金融和经济数据应用 
数据规整化方面的话题 
分组变换和分析 
更多示例应用 

第12章 NumPy高级应用 
ndarray对象的内部机理 
高级数组操作 
广播 
ufunc高级应用 
结构化和记录式数组 
更多有关排序的话题 
NumPy的matrix类 
高级数组输入输出 
性能建议 
附录A Python语言精要