內容簡介

本書是Python資料分析入門書，每個概念都通過簡單實例來闡述，便於讀者理解與上手。具體內容包括：Python及Pandas基礎知識，載入和查看資料集，Pandas的DataFrame物件和Series物件，使用matplotlib、seaborn和Pandas提供的繪圖方法為探索性資料分析作圖，連接與合併資料集，處理缺失資料，清理資料，轉換資料類型，處理字串，應用函數，分組操作，擬合及評估模型，正則化方法與聚類技術等。

作者介紹

丹尼爾·陳（Daniel Y. Chen）
Lander Analytics公司資料科學家，Software Carpentry和Data Carpentry的講師和課程維護人員，Data Camp的課程講師。目前他在弗尼吉亞理工大學社會與決策分析實驗室從事政策決策資料分析。

獻詞 iii
序 iv
前言 v
致謝 xi
關於作者 xiv

第一部分簡介 1
第1章 Pandas DataFrame基礎知識 2
1．1 簡介 2
1．2 載入資料集 3
1．3 查看列、行、儲存格 5
1．3．1 取列子集 6
1．3．2 取行子集 7
1．3．3 混合 11
1．4 分組和聚合計算 16
1．4．1 分組方式 17
1．4．2 分組頻率計數 21
1．5 基本繪圖 21
1．6 小結 22

第2章 Pandas資料結構 23
2．1 簡介 23
2．2 創建資料 24
2．2．1 創建Series 24
2．2．2 創建DataFrame 25
2．3 Series 26
2．3．1 類似於ndarray的Series 27
2．3．2 布林子集：Series 29
2．3．3 操作自動對齊和向量化（廣播） 31
2．4 DataFrame 34
2．4．1 布林子集：DataFrame 34
2．4．2 操作自動對齊和向量化（廣播） 35
2．5 更改Series和DataFrame 36
2．5．1 添加列 36
2．5．2 直接更改列 37
2．5．3 刪除值 39
2．6 匯出和導入數據 40
2．6．1 保存資料 40
2．6．2 CSV 42
2．6．3 Excel 42
2．6．4 feather檔案格式 43
2．6．5 其他資料輸出格式 43
2．7 小結 44

第3章繪圖入門 45
3．1 簡介 45
3．2 matplotlib 46
3．3 使用matplotlib繪製統計圖 51
3．3．1 單變數 52
3．3．2 雙變數 53
3．3．3 多變數資料 54
3．4 seaborn 56
3．4．1 單變數 56
3．4．2 雙變數資料 59
3．4．3 多變數資料 67
3．5 Pandas對象 75
3．5．1 長條圖 75
3．5．2 密度圖 76
3．5．3 散點圖 77
3．5．4 蜂巢圖 77
3．5．5 箱線圖 79
3．6 seaborn主題和樣式 79
3．7 小結 81

第二部分資料處理 83
第4章資料組合 84
4．1 簡介 84
4．2 整理資料 84
4．3 連接 85
4．3．1 添加行 85
4．3．2 添加列 89
4．3．3 不同索引下的連接操作 90
4．4 合併多個資料集 93
4．4．1 一對一合併 94
4．4．2 多對一合併 95
4．4．3 多對多合併 95
4．5 小結 97

第5章缺失數據 98
5．1 簡介 98
5．2 何為NaN值 98
5．3 缺失值從何而來 100
5．3．1 載入數據 100
5．3．2 合併資料 101
5．3．3 用戶輸入值 103
5．3．4 重建索引 103
5．4 處理缺失資料 105
5．4．1 查找和統計缺失資料 105
5．4．2 清理缺失資料 106
5．4．3 缺失值計算 109
5．5 小結 110

第6章整理資料 111
6．1 簡介 111
6．2 包含值而非變數的列 112
6．2．1 固定一列 112
6．2．2 固定多列 114
6．3 包含多個變數的列 115
6．3．1 單獨拆分和添加列（簡單方法） 116
6．3．2 在單個步驟中進行拆分和組合（簡單方法） 118
6．3．3 在單個步驟中進行拆分和組合（複雜方法） 118
6．4 行與列中的變數 119
6．5 一張表中多個觀測單元（歸一化） 121
6．6 跨多張表的觀測單元 123
6．6．1 使用迴圈載入多個檔 125
6．6．2 使用列表推導載入多個檔 126
6．7 小結 127

第三部分資料整理 129
第7章資料類型 130
7．1 簡介 130
7．2 資料類型 130
7．3 類型轉換 131
7．3．1 轉換為字串物件 131
7．3．2 轉換為數值類型 132
7．4 分類資料 136
7．4．1 轉換為category類型 137
7．4．2 操作分類資料 137
7．5 小結 138

第8章字串和文本資料 139
8．1 簡介 139
8．2 字串 139
8．2．1 取子串和字串切片 139
8．2．2 獲取字串的最後一個字元 141
8．3 字串方法 143
8．4 更多字串方法 144
8．4．1 join方法 144
8．4．2 splitlines方法 144
8．5 字串格式化 145
8．5．1 自訂字串格式 146
8．5．2 格式化字串 146
8．5．3 格式化數位 146
8．5．4 C printf格式化風格 147
8．5．5 Python 3．6+中的格式化字串 148
8．6 規則運算式 148
8．6．1 匹配模式 149
8．6．2 查找模式 152
8．6．3 模式替代 152
8．6．4 編譯模式 153
8．7 regex庫 154
8．8 小結 154

第9章應用 155
9．1 簡介 155
9．2 函數 155
9．3 使用函數 156
9．3．1 Series的apply方法 157
9．3．2 DataFrame的apply方法 158
9．4 apply高級用法 160
9．4．1 按列應用 162
9．4．2 按行應用 164
9．5 向量化函數 166
9．5．1 使用NumPy 167
9．5．2 使用numba 168
9．6 lambda函數 168
9．7 小結 170

第10章分組操作：分割-應用-組合 171
10．1 簡介 171
10．2 聚合 171
10．2．1 基本的單變數分組聚合 172
10．2．2 Pandas內置的聚合方法 173
10．2．3 彙總函式 174
10．2．4 同時傳入多個函數 176
10．2．5 在agg/aggregate中使用字典 177
10．3 轉換 178
10．4 篩檢程式 182
10．5 pandas．core．groupby．DataFrameGroupBy對象 183
10．5．1 分組 183
10．5．2 涉及多個變數的分組計算 184
10．5．3 選擇分組 184
10．5．4 遍歷分組 184
10．5．5 多個分組 186
10．5．6 平鋪結果 187
10．6 使用多重索引 188
10．7 小結 191

第11章 datetime資料類型 192
11．1 簡介 192
11．2 Python的datatime對象 192
11．3 轉換為datetime 193
11．4 載入包含日期的資料 196
11．5 提取日期的各個部分 196
11．6 日期運算和Timedelta 198
11．7 datetime方法 200
11．8 獲取股票資料 202
11．9 基於日期取資料子集 203
11．9．1 DatetimeIndex對象 203
11．9．2 TimedeltaIndex對象 204
11．10 日期範圍 205
11．10．1 頻率 206
11．10．2 偏移量 207
11．11 移動 207
11．12 重採樣 213
11．13 時區 214
11．14 小結 215

第四部分資料建模 217
第12章線性模型 218
12．1 簡介 218
12．2 簡單線性回歸 218
12．2．1 使用統計模型庫 218
12．2．2 使用sklearn庫 220
12．3 多元回歸 222
12．3．1 使用statsmodels庫 222
12．3．2 使用statsmodels和分類變數 222
12．3．3 使用sklearn庫 224
12．3．4 使用sklearn和分類變數 225
12．4 保留sklearn的索引標籤 226
12．5 小結 226

第13章廣義線性模型 227
13．1 簡介 227
13．2 邏輯回歸 227
13．2．1 使用statsmodels 229
13．2．2 使用sklearn 230
13．3 泊松回歸 232
13．3．1 使用statsmodels 232
3．3．2 負二項回歸 233
13．4 更多GLM 234
13．5 生存分析 235
13．6 小結 238

第14章模型診斷 239
14．1 簡介 239
14．2 殘差 239
14．3 比較多個模型 243
14．3．1 比較線性模型 243
14．3．2 比較GLM 246
14．4 k折交叉驗證 248
14．5 小結 251

第15章正則化 252
15．1 簡介 252
15．2 何為正則化 252
15．3 LASSO回歸 254
15．4 嶺回歸 255
15．5 彈性網 256
15．6 交叉驗證 258
15．7 小結 260

第16章聚類 261
16．1 簡介 261
16．2 k均值聚類 261
16．3 層次聚類 267
16．3．1 最長距離法 267
16．3．2 最短距離法 267
16．3．3 平均距離法 268
16．3．4 重心法 268
16．3．5 手動設置閾值 269
16．4 小結 270

第五部分終章 271
第17章 Pandas之外 272
17．1 科學計算棧 272
17．2 性能 272
17．2．1 測試代碼執行時間 272
17．2．2 分析代碼 274
17．3 規模更大、速度更快 274

第18章寫給自學者 275
18．1 不可閉門造車 275
18．2 本地聚會 275
18．3 參加會議 275
18．4 互聯網 276
18．5 播客 276
18．6 小結 276
第六部分附錄
附錄A 安裝 278
附錄B 命令列 280
附錄C 專案範本 282
附錄D Python代碼編寫工具 283
附錄E 工作目錄 285
附錄F 環境 287
附錄G 安裝包 289
附錄H 導入庫 291
附錄I 列表 293
附錄J 元組 294
附錄K 字典 295
附錄L 切片 297
附錄M 迴圈 299
附錄N 推導式 300
附錄O 函數 301
附錄P 範圍和生成器 305
附錄Q 多重賦值 307
附錄R NumPy ndarray 309
附錄S 類 311
附錄T 變形器odo 313
版權聲明 314

看更多