包邮利用Python进行数据分析|3768783 下载 mobi epub pdf 电子书 2024

☆☆☆☆☆
简体网页||繁体网页

Wes McKinney 著，唐学韬译

下载链接在页面底部

点击这里下载

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到新城书站

book.cndgn.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2024-11-24

图书介绍

店铺：互动创新图书专营店

出版社：机械工业出版社

ISBN：9787111436737

商品编码：27157641755

丛书名： O’Reilly精品图书系列

出版时间：2014-01-01

页数：451

类似图书点击查看全场最低价

图书描述

书[0名0]：	利用Python进行数据分析\|3768783
图书定价：	89元
图书作者：	Wes McKinney
出版社：	[1机1] 械工业出版社
出版日期：	2014/1/1 0:00:00
ISBN号：	9787111436737
开本：	16开
页数：	451
版次：	1-1

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）都有深入研究，并在[0大0]量的实践中积累了丰富的经验。撰写了[0大0]量与Python数据分析相关的经典文章，被各[0大0]技术社区争相转载，是Python和开源技术社区公认的人物之一。开发了用于数据分析的著[0名0]开源Python库——pandas，广获用户好[0评0]。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。

内容简介

还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程？《利用Python进行数据分析》含有[0大0]量的实践案例，你将[0学0][0会0]如何利用各种Python库（包括NumPy、pandas、matplotlib以及IPython等）高效地解决各式各样的数据分析问题。
由于作者Wes McKinney是pandas库的主要作者，所以本书也可以作为利用Python实现数据密集型应用的科[0学0]计算实践指南。本书适合刚刚接触Python的分析人员以及刚刚接触科[0学0]计算的Python程序员。
·将IPython这个交互式Shell作为你的[0首0]要开发环境。
·[0学0]习NumPy（Numerical Python）的基础和高级[0知0]识。
·从pandas库的数据分析工具开始。
·利用高性能工具对数据进行加载、清理、转换、合并以及重塑。
·利用matplotlib创建散点图以及静态或交互式的可视化结果。
·利用pandas的groupby功能对数据集进行切片、切块和汇总操作。
·处理各种各样的时间序列数据。
·通过详细的案例[0学0]习如何解决Web分析、社[0会0]科[0学0]、金融[0学0]以及经济[0学0]等[0领0]域的问题。

《利用Python进行数据分析》
前言 1
[0第0]1章准备工作 5
本书主要内容 5
为什么要使用Python进行数据分析 6
重要的Python库 7
安装和设置 10
社区和研讨[0会0] 16
使用本书 16
致谢 18
[0第0]2章引言 20
来自bit.ly的1.usa.gov数据 21
MovieLens 1M数据集 29
1880—2010年间全美婴儿姓[0名0] 35
小结及展望 47
[0第0]3章 IPython：一种交互式计算和开发环境 48
IPython基础 49
内省 51
使用命令历[0史0] 60
与操作系统交互 63
软件开发工具 66
IPython HTML [0No0]tebook 75
利用IPython提高代码开发效率的几点提示 77
高级IPython功能 79
致谢 81
[0第0]4章 NumPy基础：数组和矢量计算 82
NumPy的ndarray：一种多维数组对象 83
通用函数：快速的元素级数组函数 98
利用数组进行数据处理 100
用于数组的文件输入输出 107
线性代数 109
随 [1机1] 数生成 111
范例：随 [1机1] 漫步 112
[0第0]5章 pandas入门 115
pandas的数据结构介绍 116
基本功能 126
汇总和计算描述统计 142
处理缺失数据 148
层次化索引 153
其他有关pandas的话题 158
[0第0]6章数据加载、存储与文件格式 162
读写文本格式的数据 162
二进制数据格式 179
使用HTML和Web API 181
使用数据库 182
[0第0]7章数据规整化：清理、转换、合并、重塑 186
合并数据集 186
重塑和轴向旋转 200
数据转换 204
字符串操作 217
示例：USDA食[0品0]数据库 224
[0第0]8章绘图和可视化 231
matplotlib API入门 231
pandas中的绘图函数 244
绘制地图：图形化显示海地地震危 [1机1] 数据 254
Python图形化工具生态系统 260
[0第0]9章数据聚合与分组运算 263
GroupBy技术 264
数据聚合 271
分组级运算和转换 276
透视表和交叉表 288
示例：2012联邦选举委员[0会0]数据库 291
[0第0]10章时间序列 302
日期和时间数据类型及工具 303
时间序列基础 307
日期的范围、频率以及移动 311
时区处理 317
时期及其算术运算 322
重采样及频率转换 327
时间序列绘图 334
移动窗口函数 337
性能和内存使用方面的注意事项 342
[0第0]11章金融和经济数据应用 344
数据规整化方面的话题 344
分组变换和分析 355
更多示例应用 361
[0第0]12章 NumPy高级应用 368
ndarray对象的内部 [1机1] 理 368
高级数组操作 370
广播 378
ufunc高级应用 383
结构化和记录式数组 386
更多有关排序的话题 388
NumPy的matrix类 393
高级数组输入输出 395
性能建议 397
附录A Python语言精要 401

编辑推荐

《利用Python进行数据分析》适合刚刚接触Python的分析人员以及刚刚接触科[0学0]计算的Python程序员。将IPython这个交互式Shell作为你的[0首0]要开发环境。

包邮利用Python进行数据分析|3768783 下载 mobi epub pdf txt 电子书格式