利用Python進(jìn)行數(shù)據(jù)分析

定　價(jià)：￥89.00

作　者：	（美）Wes McKinney
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)與互聯(lián)網(wǎng) 軟件工程及軟件方法學(xué)

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787111436737	出版時(shí)間：	2013-11-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	464	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《利用Python進(jìn)行數(shù)據(jù)分析》講的是利用Python進(jìn)行數(shù)據(jù)控制、處理、整理、分析等方面的具體細(xì)節(jié)和基本要點(diǎn)。同時(shí)，它也是利用Python進(jìn)行科學(xué)計(jì)算的實(shí)用指南（專(zhuān)門(mén)針對(duì)數(shù)據(jù)密集型應(yīng)用）。本書(shū)重點(diǎn)介紹了用于高效解決各種數(shù)據(jù)分析問(wèn)題的Python語(yǔ)言和庫(kù)。《利用Python進(jìn)行數(shù)據(jù)分析》沒(méi)有闡述如何利用Python實(shí)現(xiàn)具體的分析方法。

作者簡(jiǎn)介

　　Wes McKinney 資深數(shù)據(jù)分析專(zhuān)家，對(duì)各種Python庫(kù)（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，并在大量的實(shí)踐中積累了豐富的經(jīng)驗(yàn)。撰寫(xiě)了大量與Python數(shù)據(jù)分析相關(guān)的經(jīng)典文章，被各大技術(shù)社區(qū)爭(zhēng)相轉(zhuǎn)載，是Python和開(kāi)源技術(shù)社區(qū)公認(rèn)的權(quán)威人物之一。開(kāi)發(fā)了用于數(shù)據(jù)分析的著名開(kāi)源Python庫(kù)——pandas，廣獲用戶好評(píng)。在創(chuàng)建Lambda Foundry（一家致力于企業(yè)數(shù)據(jù)分析的公司）之前，他曾是AQR Capital Management的定量分析師。

圖書(shū)目錄

目錄
前言 1
第1章準(zhǔn)備工作 5
本書(shū)主要內(nèi)容 5
為什么要使用Python進(jìn)行數(shù)據(jù)分析 6
重要的Python庫(kù) 7
安裝和設(shè)置 10
社區(qū)和研討會(huì) 16
使用本書(shū) 16
致謝 18
第2章引言 20
來(lái)自bit.ly的1.usa.gov數(shù)據(jù) 21
MovieLens 1M數(shù)據(jù)集 29
1880—2010年間全美嬰兒姓名 35
小結(jié)及展望 47
第3章 IPython：一種交互式計(jì)算和開(kāi)發(fā)環(huán)境 48
IPython基礎(chǔ) 49
內(nèi)省 51
使用命令歷史 60
與操作系統(tǒng)交互 63
軟件開(kāi)發(fā)工具 66
IPython HTML Notebook 75
利用IPython提高代碼開(kāi)發(fā)效率的幾點(diǎn)提示 77
高級(jí)IPython功能 79
致謝 81
第4章 NumPy基礎(chǔ)：數(shù)組和矢量計(jì)算 82
NumPy的ndarray：一種多維數(shù)組對(duì)象 83
通用函數(shù)：快速的元素級(jí)數(shù)組函數(shù) 98
利用數(shù)組進(jìn)行數(shù)據(jù)處理 100
用于數(shù)組的文件輸入輸出 107
線性代數(shù) 109
隨機(jī)數(shù)生成 111
范例：隨機(jī)漫步 112
第5章 pandas入門(mén) 115
pandas的數(shù)據(jù)結(jié)構(gòu)介紹 116
基本功能 126
匯總和計(jì)算描述統(tǒng)計(jì) 142
處理缺失數(shù)據(jù) 148
層次化索引 153
其他有關(guān)pandas的話題 158
第6章數(shù)據(jù)加載、存儲(chǔ)與文件格式 162
讀寫(xiě)文本格式的數(shù)據(jù) 162
二進(jìn)制數(shù)據(jù)格式 179
使用HTML和Web API 181
使用數(shù)據(jù)庫(kù) 182
第7章數(shù)據(jù)規(guī)整化：清理、轉(zhuǎn)換、合并、重塑 186
合并數(shù)據(jù)集 186
重塑和軸向旋轉(zhuǎn) 200
數(shù)據(jù)轉(zhuǎn)換 204
字符串操作 217
示例：USDA食品數(shù)據(jù)庫(kù) 224
第8章繪圖和可視化 231
matplotlib API入門(mén) 231
pandas中的繪圖函數(shù) 244
繪制地圖：圖形化顯示海地地震危機(jī)數(shù)據(jù) 254
Python圖形化工具生態(tài)系統(tǒng) 260
第9章數(shù)據(jù)聚合與分組運(yùn)算 263
GroupBy技術(shù) 264
數(shù)據(jù)聚合 271
分組級(jí)運(yùn)算和轉(zhuǎn)換 276
透視表和交叉表 288
示例：2012聯(lián)邦選舉委員會(huì)數(shù)據(jù)庫(kù) 291
第10章時(shí)間序列 302
日期和時(shí)間數(shù)據(jù)類(lèi)型及工具 303
時(shí)間序列基礎(chǔ) 307
日期的范圍、頻率以及移動(dòng) 311
時(shí)區(qū)處理 317
時(shí)期及其算術(shù)運(yùn)算 322
重采樣及頻率轉(zhuǎn)換 327
時(shí)間序列繪圖 334
移動(dòng)窗口函數(shù) 337
性能和內(nèi)存使用方面的注意事項(xiàng) 342
第11章金融和經(jīng)濟(jì)數(shù)據(jù)應(yīng)用 344
數(shù)據(jù)規(guī)整化方面的話題 344
分組變換和分析 355
更多示例應(yīng)用 361
第12章 NumPy高級(jí)應(yīng)用 368
ndarray對(duì)象的內(nèi)部機(jī)理 368
高級(jí)數(shù)組操作 370
廣播 378
ufunc高級(jí)應(yīng)用 383
結(jié)構(gòu)化和記錄式數(shù)組 386
更多有關(guān)排序的話題 388
NumPy的matrix類(lèi) 393
高級(jí)數(shù)組輸入輸出 395
性能建議 397
附錄A Python語(yǔ)言精要 401