利用Python进行数据分析（原书第2版）

作者: 【美】韦斯·麦金尼（WesMcKinney）

28.13万字78人正在读

已完结现代当代当代文学

目录 (139章)

倒序

正文

001 .1.2 按层级进行汇总统计 002 .1.3 使用DataFrame的列进行索引 003 .2 联合与合并数据集 004 .2.1 数据库风格的DataFrame连接 005 .2.2 根据索引合并(1)006 .2.2 根据索引合并(2)007 .2.3 沿轴向连接(1)008 .2.3 沿轴向连接(2)009 .2.4 联合重叠数据 010 .3 重塑和透视 011 .3.1 使用多层索引进行重塑 012 .3.2 将“长”透视为“宽”(1)013 .3.2 将“长”透视为“宽”(2)014 .3.3 将“宽”透视为“长”015 .4 本章小结 016 绘图与可视化 017 .1 简明matplotlib API入门 018 .1.1 图片与子图 019 .1.2 颜色、标记和线类型 020 .1.3 刻度、标签和图例 021 .1.4 注释与子图加工 022 .1.5 将图片保存到文件 023 .1.6 matplotlib设置 024 .2 使用pandas和seaborn绘图 025 .2.1 折线图 026 .2.2 柱状图 027 .2.3 直方图和密度图 028 .2.4 散点图或点图 029 .2.5 分面网格和分类数据 030 .3 其他Python可视化工具 031 .4 本章小结 032 数据聚合与分组操作 033 .1 GroupBy机制 034 .1.1 遍历各分组 035 .1.2 选择一列或所有列的子集 036 .1.3 使用字典和Series分组 037 .1.4 使用函数分组 038 .1.5 根据索引层级分组 039 .2 数据聚合 040 .2.1 逐列及多函数应用(1)041 .2.1 逐列及多函数应用(2)042 .2.2 返回不含行索引的聚合数据 043 .3 应用：通用拆分-应用-联合 044 .3.1 压缩分组键 045 .3.2 分位数与桶分析 046 .3.3 示例：使用指定分组值填充缺失值 047 .3.4 示例：随机采样与排列 048 .3.5 示例：分组加权平均和相关性 049 .3.6 示例：逐组线性回归 050 .4 数据透视表与交叉表 051 .4.1 交叉表：crosstab 052 .5 本章小结 053 时间序列 054 .1 日期和时间数据的类型及工具 055 .1.1 字符串与datetime互相转换 056 .2 时间序列基础 057 .2.1 索引、选择、子集 058 .2.2 含有重复索引的时间序列 059 .3 日期范围、频率和移位 060 .3.1 生成日期范围 061 .3.2 频率和日期偏置 062 .3.3 移位（前向和后向）日期 063 .4 时区处理 064 .4.1 时区的本地化和转换 065 .4.2 时区感知时间戳对象的操作 066 .4.3 不同时区间的操作 067 .5 时间区间和区间算术 068 .5.1 区间频率转换 069 .5.2 季度区间频率 070 .5.3 将时间戳转换为区间（以及逆转换）071 .5.4 从数组生成PeriodIndex 072 .6 重新采样与频率转换 073 .6.1 向下采样 074 .6.2 向上采样与插值 075 .6.3 使用区间进行重新采样 076 .7 移动窗口函数 077 .7.1 指数加权函数 078 .7.2 二元移动窗口函数 079 .7.3 用户自定义的移动窗口函数 080 .8 本章小结 081 高阶pandas 082 .1 分类数据 083 .1.1 背景和目标 084 .1.2 pandas中的Categorical类型 085 .1.3 使用Categorical对象进行计算 086 .1.4 分类方法 087 .2 高阶GroupBy应用 088 .2.1 分组转换和“展开”GroupBy 089 .2.2 分组的时间重新采样 090 .3 方法链技术 091 .3.1 pipe方法 092 .4 本章小结 093 Python建模库介绍 094 .1 pandas与建模代码的结合 095 .2 使用Patsy创建模型描述 096 .2.1 Patsy公式中的数据转换 097 .2.2 分类数据与Patsy 098 .3 statsmodels介绍 099 .3.1 评估线性模型 100 .3.2 评估时间序列处理 101 .4 scikit-learn介绍 102 .5 继续你的教育 103 数据分析示例 104 .1 从Bitly获取1.USA.gov数据 105 .1.1 纯Python时区计数 106 .1.2 使用pandas进行时区计数(1)107 .1.2 使用pandas进行时区计数(2)108 .2 MovieLens 1M数据集(1)109 .2 MovieLens 1M数据集(2)110 .2.1 测量评价分歧 111 .3 美国1880～2010年的婴儿名字(1)112 .3 美国1880～2010年的婴儿名字(2)113 .3.1 分析名字趋势(1)114 .3.1 分析名字趋势(2)115 .3.1 分析名字趋势(3)116 .4 美国农业部食品数据库(1)117 .4 美国农业部食品数据库(2)118 .5 2012年联邦选举委员会数据库 119 .5.1 按职业和雇主的捐献统计 120 .5.2 捐赠金额分桶 121 .5.3 按州进行捐赠统计 122 .6 本章小结 123 附录A 高阶NumPy(1)124 附录A 高阶NumPy(2)125 附录A 高阶NumPy(3)126 附录A 高阶NumPy(4)127 附录A 高阶NumPy(5)128 附录A 高阶NumPy(6)129 附录A 高阶NumPy(7)130 附录A 高阶NumPy(8)131 附录A 高阶NumPy(9)132 附录A 高阶NumPy(10)133 附录B 更多IPython系统相关内容(1)134 附录B 更多IPython系统相关内容(2)135 附录B 更多IPython系统相关内容(3)136 附录B 更多IPython系统相关内容(4)137 附录B 更多IPython系统相关内容(5)138 附录B 更多IPython系统相关内容(6)139 附录B 更多IPython系统相关内容(7)

精选推荐

销售心理学

[中国纺织出版社]

兰华

已完结当代文学

销售就是玩转情商

[中国纺织出版社]

王威

已完结当代文学

销售员情商实战训练

成功的销售需要高智商，更需要高情商。一个销售员的销售业绩，往往与他的情商成正比。本书从十个方面详细讲述了有效运用情商，提高销售业绩的方法和技巧。通过实际销售案例和销售心理学理论指导，以及实战点拨和情商拓展训练，帮助读者全方位、快速提高情商。故事性、多版块、碎片化的内容设置，有效降低读者阅读疲劳，提高阅读兴趣，不论是奔波在路上的销售小白，还是带领团队奋勇向前的销售经理，都能从中找到适合自己的销售软技巧。

刘军

已完结当代文学