书籍下载:利用Python进行数据分析.pdf

942次阅读
11条评论

共计 2706 个字符,预计需要花费 7 分钟才能阅读完成。

提醒:本文最后更新于 2022-04-02 21:37,文中所关联的信息可能已发生改变,请知悉!

书籍下载:利用 Python 进行数据分析.pdf

编辑推荐

适读人群:适合刚学 Python 的数据分析师或刚学数据科学以及科学计算的 Python 编程者。

阅读本书可以获得一份关于在 Python 下操作、处理、清洗、规整数据集的完整说明。本书第二版针对 Python 3.6 进行了更新,并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到新版本的 pandas、NumPy、IPython 和 Jupyter。本书由 Wes McKinney 创作,他是 Python pandas 项目的创始人。本书是对 Python 数据科学工具的实操化、现代化的介绍,非常适合刚学 Python 的数据分析师或刚学数据科学以及科学计算的 Python 编程者。数据文件和相关的材料可以在 GitHub 上找到:l 使用 IPython shell 和 Jupyter notebook 进行探索性计算 l 学习 NumPy(Numerical Python) 的基础和高级特性 l 入门 pandas 库中的数据分析工具 l 使用灵活工具对数据进行载入、清洗、变换、合并和重塑 l 使用 matplotlib 创建富含信息的可视化 l 将 pandas 的 groupby 功能应用于对数据集的切片、分块和汇总 l 分析并操作规则和不规则的时间序列数据利用完整的、详细的示例学习如何解决现实中数据分析问题

内容简介

本书由 Python pandas 项目创始人 Wes McKinney 亲笔撰写,详细介绍利用 Python 进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。第 2 版针对 Python 3.6 进行全面修订和更新,涵盖新版的 pandas、NumPy、IPython 和 Jupyter,并增加大量实际案例,可以帮助你高效解决一系列数据分析问题。

第 2 版中的主要更新包括:

所有的代码,包括把 Python 的教程更新到了 Python 3.6 版本 (第 1 版中使用的是 Python 2.7)

更新了 Python 第三方发布版 Anaconda 和其他所需 Python 包的安装指引

更新 pandas 库到 2017 年的新版

新增一章,关于更多高级 pandas 工具和一些使用提示

新增 statsmodels 和 scikit-learn 的简明使用介绍

作者简介

Wes McKinney 是流行的 Python 开源数据分析库 pandas 的创始人。他是一名活跃的演讲者,也是 Python 数据社区和 Apache 软件基金会的 Python/C++ 开源开发者。目前他在纽约从事软件架构师工作

精彩书评

“本书已经是 Python 数据生态中的一本经典书籍,本次的新版本对 Python 3.6 到 pandas 新特性等关键领域都进行了更新,增强了其独特价值。通过解释为什么以及如何使用 Python 数据工具,本书以新颖、创造性的方式帮助读者高效地学习了这些工具。它是所有现代化数据密集型计算库的重要组成部分“

——Fernando Perez,加州大学伯克利分校助理教授、IPython 创始人、Jupyter 项目联合创始

目录

前言 1

第 1 章 准备工作 7

1.1 本书内容 7

1.1.1 什么类型的数据 7

1.2 为何利用 Python 进行数据分析 8

1.2.1 Python 作为胶水 8

1.2.2 解决“双语言”难题 8

1.2.3 为何不使用 Python9

1.3 重要的 Python 库 9

1.3.1 NumPy9

1.3.2 pandas10

1.3.3 matplotlib11

1.3.4 IPython 与 Jupyter11

1.3.5 SciPy12

1.3.6 scikit-learn12

1.3.7 statsmodels13

1.4 安装与设置 13

1.4.1 Windows14

1.4.2 Apple(OS X 和 macOS)14

1.4.3 GNU/Linux14

1.4.4 安装及更新 Python 包 15

1.4.5 Python 2 和 Python 316

1.4.6 集成开发环境和文本编辑器 16

1.5 社区和会议 17

1.6 快速浏览本书 17

1.6.1 代码示例 18

1.6.2 示例数据 18

1.6.3 导入约定 18

1.6.4 术语 19

第 2 章 Python 语言基础、IPython 及 Jupyter notebook20

2.1 Python 解释器 21

2.2 IPython 基础 22

2.2.1 运行 IPython 命令行 22

2.2.2 运行 Jupyter notebook23

2.2.3 Tab 补全 25

2.2.4 内省 27

2.2.5 %run 命令 28

2.2.6 执行剪贴板中的程序 30

2.2.7 终端快捷键 30

2.2.8 关于魔术命令 31

2.2.9 matplotlib 集成 33

2.3 Python 语言基础 34

2.3.1 语言语义 34

2.3.2 标量类型 42

2.3.3 控制流 49

第 3 章 内建数据结构、函数及文件 54

3.1 数据结构和序列 54

3.1.1 元组 54

3.1.2 列表 57

3.1.3 内建序列函数 61

3.1.4 字典 64

3.1.5 集合 67

3.1.6 列表、集合和字典的推导式 69

3.2 函数 72

3.2.1 命名空间、作用域和本地函数 72

3.2.2 返回多个值 73

3.2.3 函数是对象 74

3.2.4 匿名(Lambda)函数 75

3.2.5 柯里化:部分参数应用 76

3.2.6 生成器 77

3.2.7 错误和异常处理 79

3.3 文件与操作系统 82

3.3.1 字节与 Unicode 文件 85

3.4 本章小结 86

第 4 章 NumPy 基础:数组与向量化计算 87

4.1 NumPy ndarray:多维数组对象 89

4.1.1 生成 ndarray90

4.1.2 ndarray 的数据类型 92

4.1.3 NumPy 数组算术 94

4.1.4 基础索引与切片 95

4.1.5 布尔索引 100

4.1.6 神奇索引 103

4.1.7 数组转置和换轴 104

4.2 通用函数:快速的逐元素数组函数 106

4.3 使用数组进行面向数组编程 109

4.3.1 将条件逻辑作为数组操作 110

4.3.2 数学和统计方法 111

4.3.3 布尔值数组的方法 113

4.3.4 排序 114

4.3.5 唯一值与其他集合逻辑 115

4.4 使用数组进行文件输入和输出 115

4.5 线性代数 116

4.6 伪随机数生成 118

4.7 示例:随机漫步 120

4.7.1 一次性模拟多次随机漫步 121

4.8 本章小结 122

第 5 章 pandas 入门 123

5.1 pandas 数据结构介绍 123

5.1.1 Series123

5.1.2 DataFrame128

5.1.3 索引对象 134

5.2 基本功能 135

......

学习类书籍建议购买实体书,当然也可以下载 PDF。

京东购买: 点击前往

提取码 

  此处含有隐藏内容,请提交评论并审核通过刷新后即可查看!

点击下载:[c-downbtn type="bd" url="https://pan.baidu.com/s/1qU2gLqAnCply31RVUvs0tQ" pwd=""] 资源文件下载 [/c-downbtn]

正文完
 
水东柳
版权声明:本站原创文章,由 水东柳 2019-08-21发表,共计2706字。
转载说明:除特殊说明外本站文章皆由CC-4.0协议发布,转载请注明出处。
评论(11条评论)
pbn123
2023-03-13 17:40:20 回复

太赞了,非常感谢

 Windows  Edge  中国河北省石家庄市移动
在人间
2023-02-13 13:26:26 回复

太赞了,非常感谢

 Windows  Chrome  中国香港
258
2022-04-22 22:45:51 回复

多谢分享

 Windows  Edge  中国广东省惠州市移动
好吃的
2021-12-13 21:16:37 回复

谢谢

 Windows  Edge  中国天津天津市电信
hmlike
2021-12-07 11:18:02 回复

太赞了,非常感谢

 Windows  Edge  中国浙江省杭州市电信
andy
2021-09-19 11:22:39 回复

多谢分享

 Windows  Chrome  中国北京北京市联通
2021-08-30 12:31:00 回复

aa

 Windows  Chrome  越南南定省越南邮电
fifi
2020-12-30 20:03:53 回复

十分感谢!

 Windows  Chrome  中国北京北京市联通
acRs
2020-09-05 20:01:38 回复

多谢版主提供资料

 Windows  Chrome  中国北京北京市联通
jj
2020-05-08 20:47:29 回复

11

 Windows  Chrome  中国上海上海市移动
叁拾
2019-08-23 08:22:57 回复

非常感谢

 Windows  Firefox  中国浙江省嘉兴市电信