Python实战之数据分析与处理

图书标准信息

• 作者 刘宇宙
• 出版社 电子工业出版社
• 出版时间 2020-01
• 版次 1
• ISBN 9787121363474
• 定价 58.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 312页

【内容简介】

本书是为使用Python进行科学计算的新手或刚入门者量身定做的，是作者学习和使用Python进行人工智能项目研发的体会与经验总结，涵盖了实际开发中的基础知识点，内容详尽，代码可读性及可操作性强。本书主要介绍NumPy、Pandas、Matplotlib的基本操作。本书使用通俗易懂的描述，引入了丰富的示例代码，同时结合智慧城市中的一些事件，使内容呈现尽可能生动有趣，让一些原本复杂的处理能够通过另一种辅助解释得以简单化，从而使读者充分感受学习的乐趣和魅力。本书可供有一定Python基础但没有NumPy、Pandas、Matplotlib操作经验的人员，有Python基础并且想进一步学习使用Python进行科学计算的人员，有一些Python基础并且打算入门人工智能的人员，以及培训机构、中学及大专院校的学生阅读。

【作者简介】

刘宇宙，先后供职于上海海鼎、上海云卯、上海宏力达，目前供职于广州棒谷科技股份有限公司人工智能开发部，从事大数据研发。先后从事过卡系统的研发，云计算项目中IAAS系统的研发，大数据项目研发，物联网研发。对Java、Python有深入研究。Python技术爱好者，在CSDN发表原创Python博文多篇。

【目录】

目    录

第一部分  数据分析与处理简介

第1章  数据分析与处理概述2

1.1  了解大数据2

1.2  数据分析与处理的需求4

1.3  数据分析与处理的发展前景5

第二部分  科学计算之门——NumPy

第2章  NumPy入门8

2.1  NumPy简介8

2.2  NumPy安装8

2.3  NumPy——ndarray对象9

2.4  NumPy数据类型11

2.4.1  数据类型11

2.4.2  数据类型对象（dtype）12

2.5  NumPy数组属性16

2.6  NumPy创建数组19

2.6.1  numpy.empty19

2.6.2  numpy.zeros19

2.6.3  numpy.ones20

2.6.4  numpy.asarray21

2.6.5  numpy.frombuffer22

2.6.6  numpy.fromiter23

2.6.7  numpy.arange23

2.6.8  numpy.linspace24

2.6.9  numpy.logspace26

2.7  NumPy切片和索引27

2.7.1  切片和索引27

2.7.2  整数数组索引29

2.7.3  布尔索引30

2.7.4  花式索引31

2.8  NumPy迭代数组32

2.9  NumPy数组操作37

2.9.1  修改数字形状37

2.9.2  翻转数组39

2.9.3  修改数组维度42

2.9.4  连接数组45

2.9.5  分割数组48

2.9.6  数组的添加与删除50

2.10  NumPy位运算55

2.10.1  bitwise_and()函数55

2.10.2  bitwise_or()函数55

2.10.3  invert()函数56

2.10.4  left_shift()函数56

2.10.5  right_shift()函数56

2.11  实战演练57

第3章  NumPy函数58

3.1  字符串函数58

3.1.1  numpy.char.add()函数58

3.1.2  numpy.char.multiply()函数59

3.1.3  numpy.char.center()函数59

3.1.4  numpy.char.capitalize()函数59

3.1.5  numpy.char.title()函数59

3.1.6  numpy.char.lower()函数60

3.1.7  numpy.char.upper()函数60

3.1.8  numpy.char.split()函数60

3.1.9  numpy.char.splitlines()函数61

3.1.10  numpy.char.strip()函数61

3.1.11  numpy.char.join()函数61

3.1.12  numpy.char.replace()函数62

3.1.13  numpy.char.encode()函数62

3.1.14  numpy.char.decode()函数62

3.2  数学函数62

3.2.1  三角函数62

3.2.2  舍入函数64

3.2.3  numpy.floor()函数65

3.2.4  numpy.ceil()函数65

3.3  算术函数65

?

3.4  统计函数67

3.4.1  numpy.amin()函数和numpy.amax()函数67

3.4.2  numpy.ptp()函数68

3.4.3  numpy.percentile()函数68

3.4.4  numpy.median()函数69

3.4.5  numpy.mean()函数70

3.4.6  numpy.average()函数70

3.4.7  标准差71

3.4.8  方差72

3.5  排序、搜索和计数函数72

3.5.1  numpy.sort()函数72

3.5.2  numpy.argsort()函数73

3.5.3  numpy.lexsort()函数74

3.5.4  numpy.argmax()函数和numpy.argmin()函数74

3.5.5  numpy.nonzero()函数75

3.5.6  numpy.where()函数76

3.5.7  numpy.extract()函数76

3.5.8  其他排序77

3.6  字节交换78

3.7  副本和视图79

3.7.1  无复制79

3.7.2  视图80

3.7.3  副本81

3.8  矩阵库82

3.9  线性代数85

3.10  NumPy IO90

3.11  实战演练93

第三部分  数据处理法宝——Pandas

第4章  Pandas入门96

4.1  Pandas简介96

4.2  Pandas安装及数据结构96

4.3  系列97

4.3.1  创建空系列98

4.3.2  由ndarray创建系列98

4.3.3  由字典创建系列99

4.3.4  使用标量创建系列99

4.3.5  从系列中访问数据100

4.3.6  使用标签检索数据101

4.4  数据帧101

4.4.1  创建空数据帧102

4.4.2  使用列表创建数据帧102

4.4.3  使用ndarrays/lists的字典创建数据帧103

4.4.4  使用字典列表创建数据帧104

4.4.5  使用系列的字典创建数据帧105

4.4.6  列选择105

4.4.7  列添加106

4.4.8  列删除106

4.4.9  行选择、添加和删除107

4.4.10  行切片108

4.5  面板109

4.5.1  面板创建110

4.5.2  数据选择110

4.6  基本功能111

4.6.1  T转置112

4.6.2  axes113

4.6.3  dtypes113

4.6.4  empty113

4.6.5  ndim114

4.6.6  shape114

4.6.7  size114

4.6.8  values115

4.6.9  head()方法与tail()方法115

4.7  描述性统计116

4.7.1  sum()函数116

4.7.2  mean()函数117

4.7.3  std()函数118

4.7.4  describe()函数118

4.8  函数应用120

4.8.1  表格函数120

4.8.2  行列合理函数121

4.8.3  元素合理函数122

4.9  重建索引123

4.9.1  重建对象对齐索引123

4.9.2  填充时重新加注124

4.9.3  重建索引时的填充限制124

4.9.4  重命名125

4.10  迭代126

4.11  排序127

4.11.1  按标签排序127

4.11.2  排序顺序128

4.11.3  按列排序129

4.11.4  按值排序129

4.11.5  排序算法129

4.12  字符串和文本数据130

4.12.1  lower()函数130

4.12.2  upper()函数130

4.12.3  len()函数131

4.12.4  strip()函数131

4.12.5  split()函数131

4.12.6  cat()函数132

4.12.7  get_dummies()函数132

4.12.8  contains()函数132

4.12.9  replace()函数133

4.12.10  repeat()函数133

4.12.11  count()函数133

4.12.12  startswith()函数133

4.12.13  endswith()函数134

4.12.14  find()函数134

4.12.15  findall()函数134

4.12.16  swapcase()函数135

4.12.17  islower()函数135

4.12.18  isupper()函数135

4.12.19  isnumeric()函数136

4.13  选项和自定义136

4.13.1  get_option()函数136

4.13.2  set_option()函数136

4.13.3  reset_option()函数137

4.13.4  describe_option()函数137

4.13.5  option_context()函数138

4.14  选择和索引数据138

4.14.1  .loc()138

4.14.2  .iloc()139

4.14.3  .ix()139

4.14.4  使用符号139

4.14.5  属性访问140

4.15  实战演练140

第5章  Pandas进阶141

5.1  统计函数141

5.1.1  pct_change()函数141

5.1.2  协方差142

5.1.3  相关性143

5.1.4  数据排名143

5.2  窗口函数144

5.2.1  .rolling()函数144

5.2.2  .expanding()函数145

5.2.3  .ewm()函数145

5.3  聚合145

5.3.1  在整个DataFrame上应用聚合146

5.3.2  在DataFrame的单列上应用聚合146

5.3.3  在DataFrame的多列上应用聚合147

5.3.4  在DataFrame的单列上应用多个函数147

5.3.5  在DataFrame的多列上应用多个函数148

5.3.6  将不同的函数应用于DataFrame的不同列148

5.4  缺失数据149

5.4.1  为什么会缺失数据149

5.4.2  检查缺失值149

5.4.3  缺失数据的计算150

5.4.4  缺失数据填充150

5.4.5  向前和向后填充150

5.4.6  清除缺失值151

5.4.7  值替换151

5.5  分组151

5.5.1  将数据拆分成组152

5.5.2  查看分组152

5.5.3  迭代遍历分组153

5.5.4  选择一个分组153

5.5.5  聚合154

5.5.6  使用多个聚合函数154

5.5.7  转换155

5.5.8  过滤155

5.6  合并/连接156

5.6.1  合并一个键上的两个数据帧157

5.6.2  合并多个键上的两个数据帧157

5.6.3  使用how参数158

5.7  级联159

5.7.1  concat()函数159

5.7.2  append()函数161

5.7.3  时间序列161

5.8  日期功能162

5.9  时间差164

5.10  分类数据165

5.11  稀疏数据169

5.12  实战演练170

第四部分  优雅的艺术——Matplotlib

第6章  Matplotlib 入门172

6.1  Matplotlib简介172

6.2  Matplotlib安装173

6.3  Pyplot教程173

6.3.1  控制线条属性176

6.3.2  处理多个图形和轴域177

6.3.3  处理文本178

6.3.4  在文本中使用数学表达式179

6.3.5  对数和其他非线性轴180

6.4  使用GridSpec自定义子图位置181

6.4.1  subplot2grid181

6.4.2  GridSpec和SubplotSpec182

6.4.3  调整GridSpec布局183

6.4.4  使用SubplotSpec创建GridSpec184

6.4.5  调整GridSpec布局185

6.5  布局186

6.5.1  简单示例186

6.5.2  和GridSpec一起使用190

6.5.3  和AxesGrid1一起使用193

6.5.4  颜色条194

6.6  艺术家教程195

6.6.1  自定义对象196

6.6.2  图形容器197

6.6.3  轴域容器197

6.6.4  轴容器（Axis）199

6.6.5  刻度容器201

6.7  图例指南202

6.7.1  控制图例条目202

6.7.2  代理艺术家203

6.7.3  图例位置204

6.7.4  同轴域的多个图例204

6.7.5  图例处理器205

6.7.6  自定义图例处理器206

6.8  变换208

6.8.1  数据坐标208

6.8.2  混合变换209

6.8.3  创建阴影效果210

6.9  路径212

6.9.1  贝塞尔示例213

6.9.2  复合路径214

6.9.3  路径效果216

6.9.4  添加阴影217

6.9.5  其他218

第7章  Matplotlib更多处理220

7.1  基本文本命令220

7.2  文本属性及布局222

7.3  标注225

7.3.1  基本标注225

7.3.2  使用框和文本标注227

7.3.3  使用箭头标注228

7.4  数学表达式231

7.5  颜色指定235

7.6  事件处理及拾取236