pandas数据处理与分析

图书标准信息

• 作者 耿远昊
• 出版社 人民邮电出版社
• 出版时间 2022-08
• 版次 1
• ISBN 9787115583659
• 定价 98.00元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 327页
• 字数 499千字

【内容简介】

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，第一部分介绍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。

【作者简介】

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。

【目录】

第 一部分　基础知识

第　1章 预备知识　2

1.1　Python基础　2

1.1.1　推导式　2

1.1.2　匿名函数　4

1.1.3　打包函数　5

1.2　NumPy基础　7

1.2.1　NumPy数组的构造　7

1.2.2　NumPy数组的变形　11

1.2.3　NumPy数组的切片　15

1.2.4　广播机制　17

1.2.5　常用函数　19

1.3　习题　24

第　2章 pandas基础　26

2.1　文件的读取和写入　26

2.1.1　文件读取　26

2.1.2　数据写入　28

2.2　基本数据结构　29

2.2.1　Series　29

2.2.2　DataFrame　30

2.3　常用基本函数　32

2.3.1　汇总函数　33

2.3.2　特征统计函数　34

2.3.3　频次函数　35

2.3.4　替换函数　36

2.3.5　排序函数　39

2.3.6　apply()函数　40

2.4　窗口　42

2.4.1　滑动窗口　42

2.4.2　扩张窗口　45

2.5　习题　46

第二部分　4类操作

第3章　索引　50

3.1　单级索引　50

3.1.1　DataFrame的列索引　50

3.1.2　Series的行索引　51

3.1.3　loc索引器　52

3.1.4　iloc索引器　56

3.1.5　query()函数　57

3.1.6　索引运算　58

3.2　多级索引　59

3.2.1　多级索引及其表的结构　59

3.2.2　多级索引中的loc索引器　61

3.2.3　多级索引的构造　65

3.3　常用索引方法　66

3.3.1　索引层的交换和删除　66

3.3.2　索引属性的修改　67

3.3.3　索引的设置与重置　70

3.3.4　索引的对齐　71

3.4　习题　72

第4章　分组　74

4.1　分组模式及其对象　74

4.1.1　分组的一般模式　74

4.1.2　分组依据的本质　75

4.1.3　groupby对象　76

4.2　聚合函数　78

4.2.1　内置聚合函数　78

4.2.2　agg()函数　79

4.3　变换和过滤　80

4.3.1　变换函数　81

4.3.2　组索引与过滤　82

4.4　跨列分组　83

4.5　习题　85

第5章　变形　87

5.1　长宽表的变形　87

5.1.1　长表的透视变形　88

5.1.2　宽表的逆透视变形　91

5.2　其他变形方法　95

5.2.1　索引变形　95

5.2.2　扩张变形　98

5.3　习题　98

第6章　连接　100

6.1　关系连接　100

6.1.1　关系连接的基本概念　100

6.1.2　列连接　102

6.1.3　索引连接　104

6.2　其他连接　105

6.2.1　方向连接　105

6.2.2　比较与组合　108

6.3　习题　109

第三部分　4类数据

第7章　缺失数据　114

7.1　缺失值的统计和删除　114

7.1.1　缺失信息的统计　114

7.1.2　缺失信息的删除　115

7.2　缺失值的填充和插值　116

7.2.1　利用fillna() 进行填充　116

7.2.2　插值函数　118

7.3　Nullable类型　120

7.3.1　缺失记号及其缺陷　120

7.3.2　Nullable类型的性质　122

7.3.3　缺失数据的计算和分组　124

7.4　习题　126

第8章　文本数据　128

8.1　str对象　128

8.1.1　str对象的设计意图　128

8.1.2　[]索引器　129

8.1.3　string类型　129

8.2　正则表达式基础　131

8.2.1　元字符　132

8.2.2　分组捕获与反向引用　134

8.2.3　零宽断言　135

8.3　文本处理的5类操作　136

8.3.1　拆分　136

8.3.2　合并　137

8.3.3　匹配　138

8.3.4　替换　139

8.3.5　提取　140

8.4　其他字符串方法　141

8.4.1　字母型方法　141

8.4.2　数值型方法　142

8.4.3　统计型方法　143

8.4.4　格式型方法　143

8.5　习题　145

第9章　分类数据　147

9.1　cat对象　147

9.1.1　cat对象的属性　147

9.1.2　类别的增加、删除和修改　148

9.2　有序类别　150

9.2.1　序的建立　150

9.2.2　排序和比较　150

9.3　区间类别　152

9.3.1　利用cut()和qcut()进行区间构造　152

9.3.2　一般区间的构造　153

9.3.3　区间的属性与方法　155

9.4　习题　155

第　10章 时间序列数据　159

10.1　时间戳　160

10.1.1　时间戳的构造与属性　160

10.1.2　时间戳序列的生成　161

10.1.3　dt对象　164

10.1.4　时间戳序列的索引与切片　166

10.2　时间差　167

10.2.1　时间差序列的生成　168

10.2.2　时间差序列的运算　169

10.3　日期偏置　170

10.3.1　Offset对象　170

10.3.2　采样频率　173

10.4　时间序列操作　175

10.4.1　采样频率滑窗　175

10.4.2　重采样　177

10.4.3　特殊连接　181

10.5　习题　184

第四部分　进阶实战

第　11章 数据观测　190

11.1　可视化方法　190

11.1.1　基本绘图　190

11.1.2　元素控制　198

11.1.3　子图绘制　203

11.2　数据观测方法　206

11.2.1　数据类型　206

11.2.2　数据统计量　207

11.2.3　数据分布　209

11.2.4　基于数据报告的观测　210

11.3　习题　212

第　12章 特征工程　216

12.1　单特征构造　216

12.1.1　特征变换　216

12.1.2　文本数据特征　223

12.1.3　时间序列数据特征　226

12.1.4　单特征构造的一般方法　230

12.2　多特征构造　236

12.2.1　分组技术　236

12.2.2　特征降维　239

12.3　特征选择　242

12.3.1　基于统计量的选择　242

12.3.2　基于模型的选择　249

12.4　习题　255

第　13章 性能优化　258

13.1　pandasic代码要义　258

13.2　多进程加速　261

13.2.1　多进程和多线程　261

13.2.2　多进程的陷阱　264

13.2.3　异步进程　268

13.2.4　进程中的数据共享　271

13.2.5　在pandas中使用 多进程　282

13.3　利用Cython加速　286

13.3.1　初识Cython　286

13.3.2　优化策略　288

13.3.3　多线程加速　295

13.3.4　Cython类及其应用　306

13.3.5　模块构建　311

13.4　利用Numba加速　315

13.4.1　noPython模式　315

13.4.2　ufunc与向量化　320

13.4.3　jitclass及其应用　323

13.5　习题　325