利用Python进行数据分析(原书第2版)
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1.3 重要的Python库
1.3.2 panda s
1.3.5 SciPy
1.3.3 matpl otlib
1.3.6 scikitlearn
1 准备工作
1.3 重要的Python库
1.3.7 statsmodels
1 准备工作
0 1
1.4.1 Windows
0 4
1.4.4 安 装及更新 Python包
3 内建数据结构、函数 及文件
3.3 文件与操作系统
3.3.1 字节与Unicode文 件
04
4 NumPy基础：数 组与向量化计算
4 NumPy基础：数组与向量化计算
A
C
E
4.2 通用函数：快 速的逐元素数组函
数
4.4 使用数组进行 文件输入和输出
4.6 伪随机数生 成
4.1 NumPy
4.3 使用数组进
文件
02
6.1.2 将数 据写入文
0 2
1.4.2 Apple （OS X和 macOS）
0 5
1.4.5 Python 2和
Python 3
0 3
1.4.3 GNU/Lin
ux
0 6
1.4.6 集成 开发环境和 文本编辑器
1.4 安装与设置
1 准备工作
01
02
03
04
1.6.1 代 1.6.2 示 1.6.3 导 1.6.4 术
码示例 例数据 入约定
语
1.6 快速浏览本书
02
2 Python语言基础、IPython 及Jupyter notebook
2 Python语言基础、IPython及Jupyter notebook
2.1 Python 解释器
2.2 IPython 基础
2.3 Python 语言基础
2.2.1 运行IPython命令行
4.1.2 ndarray
的数据类型
01
4.1.1 生成 ndarray
4.1 NumPy ndarray：多维 数组对象
4 NumPy基础：数组与 向量化计算
4.1 NumPy ndarray：多维数组 对象
4.1.7 数组转置和换轴
4 NumPy基础：数组与向量化计算
4.3.1 将条件逻辑作 为数组操作
3 内建数据结构、函数及文件
Βιβλιοθήκη Baidu
A
3.1 数据 结构和序
列
B
3.2 函数
C
3.3 文件 与操作系
统
D
3.4 本 章小结
3 内建数据结构、函数及文件
0
0
0
1
2
3
3.1.1 元 组
0 4
3.1.2 列 表
0 5
3.1.3 内 建序列函
数
0
6
3.1.4 字 典
3.1.5 集 合
3.1.6 列表、 集合和字典
2022
1 准备工作
1.1 本书内容
1.1.1 什么类型的数据
1 准备工作
1.2.1 Python 作为胶水
1.2.2 解 决“双语 言”难题
1.2.3 为 何不使用 Python
1.2 为何利用Python进行数据 分析
1.3.1 NumP y
1.3.4 IPython 与Jupyter
1 准备工作
5.2.2 轴向 上删除条目
5 pandas入门
5.2 基本功能
5.2.3 索引、 选择与过滤
5.2.6 函数 应用和映射
5 pandas入门
A
5.2.7 排序和排 名
5.2.8 含有重复 标签的轴索引
B
5.2 基本功能
5 pandas入门
1
5.3.1 相关性和协方差
2
5.3.2 唯一值、计数和成员属性
4.5 线性代数
ndarray：多维数 组对象
行面向数组编程
B
D
F
4 NumPy基础：数组与向量化计算
4.7 示例： 随机漫步
4.8 本章小 结
4 NumPy基础：数组与向量化计算
06
4.1.6 神奇 索引
05
4.1.5 布尔
索引
04
4.1.4 基础
索引与切片
03
4.1.3 NumPy
数组算术
02
利用Python进行数据分析(原书第2版)
演讲人
2021-11-11
01
1 准备工作
2017
1 准备工作
1.2 为何利用 Python进行
数据分析
2019
1.4 安装与设 置
2021
1.6 快速浏览 本书
01
02
03
04
05
06
1.1 本书内容
2018
1.3 重要的 Python库
2020
1.5 社区和会 议
的推导式
3.1 数据结构和序列
3.2.1 命名空间、作用域和 本地函数
3.2.3 函数是对象
3.2.5 柯里化：部分参数应 用
3.2.2 返回多个值
3.2.4 匿名（Lambda）函 数
3.2.6 生成器
3 内建数据结构、函数及文件
3.2 函数
3 内建数据结构、函数及文件
3.2 函数
3.2.7 错误和异常处理
2.2.7 终端快捷键
A
2.2.8 关于魔术命令
B
2.2.9 matplotlib集 成
C
2.2 IPython基础
2 Python语言基础、IPython及Jupyter notebook
2.3.1 语言语 义
2.3.2 标量类 型
2.3.3 控制流
2.3 Python语言基础
03
3 内建数据结构、 函数及文件
4.3.2 数学和统计方 法
4.3.3 布尔值数组的 方法
4.3.4 排序
4.3.5 唯一值与其他 集合逻辑
4.3 使用数组进行面向数组编 程
4 NumPy基础：数组与向量化计算
4.7 示例：随机漫步
4.7.1 一次性模拟多次随机漫 步
05
5 pandas入门
5 pandas入门
01
02
03
04
5.3 描述性统计的概述与计算
06
6 数据载入、存储 及文件格式
6 数据载入、存储及文件格式
6.1 文本 格式数据 的读写
6.2 二 进制格 式
6.3 与 Web API交互
6.4 与 数据库 交互
6.5 本 章小结
6 数据载入、 存储及文件格 式
6.1 文本格式数据的读写
01
6.1.1 分块 读入文本
2.2.3 Tab补全 2.2.5 %run命令
2.2.2 运行Jupyter notebook
2.2.4 内省
2.2.6 执行剪贴板中的程序
2 Python语言基础、IPython及Jupyter notebook
2.2 IPython基础
2 Python语言基础、IPython及Jupyter notebook
5.1 pandas 数据结构介 绍
5.2 基本功 能
5.3 描述性 统计的概述 与计算
5.4 本章小 结
5 pandas入门
5.1.1 Series
5.1.2 DataFrame
5.1.3 索引对 象
5.1 pandas数据结构介绍
5.2.4 整数 索引
5.2.5 算术 和数据对齐
5.2.1 重建 索引
1.3.2 panda s
1.3.5 SciPy
1.3.3 matpl otlib
1.3.6 scikitlearn
1 准备工作
1.3 重要的Python库
1.3.7 statsmodels
1 准备工作
0 1
1.4.1 Windows
0 4
1.4.4 安 装及更新 Python包
3 内建数据结构、函数 及文件
3.3 文件与操作系统
3.3.1 字节与Unicode文 件
04
4 NumPy基础：数 组与向量化计算
4 NumPy基础：数组与向量化计算
A
C
E
4.2 通用函数：快 速的逐元素数组函
数
4.4 使用数组进行 文件输入和输出
4.6 伪随机数生 成
4.1 NumPy
4.3 使用数组进
文件
02
6.1.2 将数 据写入文
0 2
1.4.2 Apple （OS X和 macOS）
0 5
1.4.5 Python 2和
Python 3
0 3
1.4.3 GNU/Lin
ux
0 6
1.4.6 集成 开发环境和 文本编辑器
1.4 安装与设置
1 准备工作
01
02
03
04
1.6.1 代 1.6.2 示 1.6.3 导 1.6.4 术
码示例 例数据 入约定
语
1.6 快速浏览本书
02
2 Python语言基础、IPython 及Jupyter notebook
2 Python语言基础、IPython及Jupyter notebook
2.1 Python 解释器
2.2 IPython 基础
2.3 Python 语言基础
2.2.1 运行IPython命令行
4.1.2 ndarray
的数据类型
01
4.1.1 生成 ndarray
4.1 NumPy ndarray：多维 数组对象
4 NumPy基础：数组与 向量化计算
4.1 NumPy ndarray：多维数组 对象
4.1.7 数组转置和换轴
4 NumPy基础：数组与向量化计算
4.3.1 将条件逻辑作 为数组操作
3 内建数据结构、函数及文件
Βιβλιοθήκη Baidu
A
3.1 数据 结构和序
列
B
3.2 函数
C
3.3 文件 与操作系
统
D
3.4 本 章小结
3 内建数据结构、函数及文件
0
0
0
1
2
3
3.1.1 元 组
0 4
3.1.2 列 表
0 5
3.1.3 内 建序列函
数
0
6
3.1.4 字 典
3.1.5 集 合
3.1.6 列表、 集合和字典
2022
1 准备工作
1.1 本书内容
1.1.1 什么类型的数据
1 准备工作
1.2.1 Python 作为胶水
1.2.2 解 决“双语 言”难题
1.2.3 为 何不使用 Python
1.2 为何利用Python进行数据 分析
1.3.1 NumP y
1.3.4 IPython 与Jupyter
1 准备工作
5.2.2 轴向 上删除条目
5 pandas入门
5.2 基本功能
5.2.3 索引、 选择与过滤
5.2.6 函数 应用和映射
5 pandas入门
A
5.2.7 排序和排 名
5.2.8 含有重复 标签的轴索引
B
5.2 基本功能
5 pandas入门
1
5.3.1 相关性和协方差
2
5.3.2 唯一值、计数和成员属性
4.5 线性代数
ndarray：多维数 组对象
行面向数组编程
B
D
F
4 NumPy基础：数组与向量化计算
4.7 示例： 随机漫步
4.8 本章小 结
4 NumPy基础：数组与向量化计算
06
4.1.6 神奇 索引
05
4.1.5 布尔
索引
04
4.1.4 基础
索引与切片
03
4.1.3 NumPy
数组算术
02
利用Python进行数据分析(原书第2版)
演讲人
2021-11-11
01
1 准备工作
2017
1 准备工作
1.2 为何利用 Python进行
数据分析
2019
1.4 安装与设 置
2021
1.6 快速浏览 本书
01
02
03
04
05
06
1.1 本书内容
2018
1.3 重要的 Python库
2020
1.5 社区和会 议
的推导式
3.1 数据结构和序列
3.2.1 命名空间、作用域和 本地函数
3.2.3 函数是对象
3.2.5 柯里化：部分参数应 用
3.2.2 返回多个值
3.2.4 匿名（Lambda）函 数
3.2.6 生成器
3 内建数据结构、函数及文件
3.2 函数
3 内建数据结构、函数及文件
3.2 函数
3.2.7 错误和异常处理
2.2.7 终端快捷键
A
2.2.8 关于魔术命令
B
2.2.9 matplotlib集 成
C
2.2 IPython基础
2 Python语言基础、IPython及Jupyter notebook
2.3.1 语言语 义
2.3.2 标量类 型
2.3.3 控制流
2.3 Python语言基础
03
3 内建数据结构、 函数及文件
4.3.2 数学和统计方 法
4.3.3 布尔值数组的 方法
4.3.4 排序
4.3.5 唯一值与其他 集合逻辑
4.3 使用数组进行面向数组编 程
4 NumPy基础：数组与向量化计算
4.7 示例：随机漫步
4.7.1 一次性模拟多次随机漫 步
05
5 pandas入门
5 pandas入门
01
02
03
04
5.3 描述性统计的概述与计算
06
6 数据载入、存储 及文件格式
6 数据载入、存储及文件格式
6.1 文本 格式数据 的读写
6.2 二 进制格 式
6.3 与 Web API交互
6.4 与 数据库 交互
6.5 本 章小结
6 数据载入、 存储及文件格 式
6.1 文本格式数据的读写
01
6.1.1 分块 读入文本
2.2.3 Tab补全 2.2.5 %run命令
2.2.2 运行Jupyter notebook
2.2.4 内省
2.2.6 执行剪贴板中的程序
2 Python语言基础、IPython及Jupyter notebook
2.2 IPython基础
2 Python语言基础、IPython及Jupyter notebook
5.1 pandas 数据结构介 绍
5.2 基本功 能
5.3 描述性 统计的概述 与计算
5.4 本章小 结
5 pandas入门
5.1.1 Series
5.1.2 DataFrame
5.1.3 索引对 象
5.1 pandas数据结构介绍
5.2.4 整数 索引
5.2.5 算术 和数据对齐
5.2.1 重建 索引