注冊(cè) | 登錄讀書(shū)好,好讀書(shū),讀好書(shū)!
讀書(shū)網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書(shū)科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)軟件與程序設(shè)計(jì)其他編程語(yǔ)言/工具Pandas通關(guān)實(shí)戰(zhàn)

Pandas通關(guān)實(shí)戰(zhàn)

Pandas通關(guān)實(shí)戰(zhàn)

定 價(jià):¥119.00

作 者: 黃福星
出版社: 清華大學(xué)出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

購(gòu)買(mǎi)這本書(shū)可以去


ISBN: 9787302600619 出版時(shí)間: 2022-08-01 包裝: 平裝-膠訂
開(kāi)本: 16開(kāi) 頁(yè)數(shù): 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  本書(shū)系統(tǒng)闡述了Pandas基礎(chǔ)知識(shí)、應(yīng)用原理,以及應(yīng)用流程和應(yīng)用技巧等實(shí)戰(zhàn)知識(shí)。 全書(shū)共分為5篇:第一篇為入門(mén)篇(第1和2章),第二篇為基礎(chǔ)篇(第3和4章),第三篇為基礎(chǔ)強(qiáng)化篇(第5~7章),第四篇為進(jìn)階篇(第8~11章), 第五篇為案例篇(第12章)。書(shū)中主要內(nèi)容包括Python簡(jiǎn)介、NumPy基礎(chǔ)、Pandas入門(mén)、數(shù)據(jù)篩選、數(shù)據(jù)轉(zhuǎn)換、文本轉(zhuǎn)換、數(shù)據(jù)獲取、數(shù)據(jù)處理、數(shù)據(jù)分組、時(shí)序分析、數(shù)據(jù)可視化、通關(guān)案例。 本書(shū)可作為Python數(shù)據(jù)分析的入門(mén)與進(jìn)階書(shū)籍,適用于有一定Python基礎(chǔ)的讀者、對(duì)數(shù)據(jù)分析感興趣的學(xué)生,也可作為數(shù)據(jù)分析及其它編程愛(ài)好者、IT培訓(xùn)機(jī)構(gòu)的參考書(shū)籍。

作者簡(jiǎn)介

  黃福星,精益六西格瑪黑帶,物流職業(yè)經(jīng)理人(運(yùn)營(yíng)總監(jiān))。20多年工作經(jīng)歷,職業(yè)生涯橫跨大型生產(chǎn)制造、綜合保稅物流與供應(yīng)鏈、快遞快運(yùn)與新零售等。在信息流指導(dǎo)物流、數(shù)據(jù)指導(dǎo)改善、物流降本增效方面經(jīng)驗(yàn)豐富,能夠熟練地將精益改善技術(shù)與大數(shù)據(jù)分析技術(shù)運(yùn)用于各類(lèi)現(xiàn)場(chǎng)管理。

圖書(shū)目錄

第1篇入門(mén)篇
第1章Python簡(jiǎn)介
1.1Pandas簡(jiǎn)介
1.2Pandas數(shù)據(jù)分析
1.3Jupyter與Anaconda
1.4Anaconda、conda與pip
1.4.1Anaconda
1.4.2conda
1.4.3Anaconda與conda
1.5Anaconda的下載與安裝
1.6Anaconda安裝簡(jiǎn)介
1.6.1安裝步驟
1.6.2Anaconda Navigator簡(jiǎn)介
1.6.3Anaconda Prompt使用簡(jiǎn)介
1.6.4Anaconda Navigator與Anaconda Prompt
1.6.5conda與pip
1.6.6Nbextensions
1.7Jupyter Notebook簡(jiǎn)介
1.7.1代碼模式
1.7.2Markdown模式
1.8Jupyter Notebook快捷鍵簡(jiǎn)介
1.9本章回顧
第2章NumPy基礎(chǔ)
2.1對(duì)象、數(shù)據(jù)、數(shù)組
2.1.1位與字節(jié)
2.1.2對(duì)象
2.1.3數(shù)組
2.2數(shù)組的創(chuàng)建方式
2.2.1ndarray
2.2.2np.array()
2.2.3np.arange()
2.2.4np.linspace()
2.2.5np的特殊函數(shù)
2.3數(shù)據(jù)的基本屬性
2.3.1NumPy數(shù)組屬性
2.3.2改變數(shù)組的形狀
2.3.3數(shù)組堆疊與分割
2.3.4廣播機(jī)制
2.4通用函數(shù)(ufunc)
2.4.1排序函數(shù)
2.4.2一元函數(shù)
2.4.3多元函數(shù)
2.4.4數(shù)學(xué)函數(shù)
2.4.5隨機(jī)函數(shù)
2.4.6字符串函數(shù)
2.4.7條件操作
2.4.8高階操作
2.5本章回顧
第2篇基礎(chǔ)篇
第3章Pandas入門(mén)
3.1Series
3.1.1Series基礎(chǔ)知識(shí)
3.1.2Series的構(gòu)建
3.1.3Series的常用轉(zhuǎn)換方法 
3.1.4Series的“十八招”
3.2DataFrame
3.2.1DataFrame基礎(chǔ)知識(shí)
3.2.2創(chuàng)建
3.2.3DataFrame相關(guān)知識(shí)
3.3本章回顧
第4章數(shù)據(jù)篩選
4.1Python基礎(chǔ)
4.1.1運(yùn)算符
4.1.2視圖與復(fù)制
4.1.3常用操作
4.2條件表達(dá)式
4.2.1條件篩選(索引)
4.2.2條件查詢
4.2.3條件賦值
4.3數(shù)據(jù)刪除
4.3.1缺失值
4.3.2重復(fù)值
4.3.3異常值
4.4數(shù)據(jù)重組
4.4.1填充
4.4.2重排
4.5axis轉(zhuǎn)換
4.5.1rename()
4.5.2rename_axis()
4.5.3reindex()
4.5.4reset_index()
4.5.5set_index()
4.5.6MultiIndex()
4.6本章回顧
第3篇基礎(chǔ)強(qiáng)化篇
第5章數(shù)據(jù)轉(zhuǎn)換
5.1基礎(chǔ)知識(shí)
5.1.1程序結(jié)構(gòu)
5.1.2循環(huán)語(yǔ)句
5.2映射函數(shù)
5.2.1map()
5.2.2apply()
5.2.3applymap()
5.3各類(lèi)轉(zhuǎn)換
5.3.1數(shù)據(jù)類(lèi)型轉(zhuǎn)換
5.3.2數(shù)據(jù)結(jié)構(gòu)轉(zhuǎn)換
5.3.3文本格式轉(zhuǎn)換
5.3.4style樣式轉(zhuǎn)換
5.4本章回顧
第6章文本轉(zhuǎn)換
6.1文本字符串
6.1.1文本基礎(chǔ)
6.1.2應(yīng)用流程
6.2Python字符串
6.2.1識(shí)別階段(Identity)
6.2.2清洗階段(Elimilate)
6.2.3組合階段(Combine)
6.2.4轉(zhuǎn)換重組(Rearrange)
6.3正則表達(dá)式
6.3.1元字符
6.3.2用法
6.4Pandas的方法
6.4.1識(shí)別階段(Identity)
6.4.2轉(zhuǎn)換重組(Rearrange)
6.5本章回顧
第7章數(shù)據(jù)獲取
7.1讀取數(shù)據(jù)源
7.1.1pd.read_excel()
7.1.2pd.ExcelFile.parse()
7.1.3pd.read_csv()
7.2存儲(chǔ)數(shù)據(jù)
7.2.1df.to_excel()
7.2.2pd.ExcelWriter()
7.2.3共性總結(jié)
7.3追加與合并
7.3.1(常規(guī))追加
7.3.2追加(append)
7.3.3合并(combine)
7.3.4連接(join)
7.3.5按軸向合并(concat)
7.3.6融合(merge)
7.4文檔的批量操作
7.4.1批量合并同一文件夾中的workbook
7.4.2批量合并同一文件工作簿中的worksheet
7.4.3批量更改DataFrame中的列名
7.4.4批量拆分DataFrame
7.5與xlwings的互動(dòng)
7.5.1創(chuàng)建新工作簿
7.5.2批量修改電子表格名稱
7.5.3在新增電子表格中插入圖表
7.6本章回顧
第4篇進(jìn)階篇
第8章數(shù)據(jù)處理
8.1統(tǒng)計(jì)學(xué)基礎(chǔ)
8.1.1概率與數(shù)理統(tǒng)計(jì)
8.1.2數(shù)據(jù)的離散化
8.1.3四則運(yùn)算
8.2數(shù)據(jù)操作
8.3DataFrame處理
8.3.1Pandas的方法鏈
8.3.2assign()
8.3.3eval()
8.3.4pipe管道
8.4本章回顧
第9章數(shù)據(jù)分組
9.1Split階段
9.1.1by參數(shù)
9.1.2axis參數(shù)
9.1.3level參數(shù)
9.1.4as_index參數(shù)
9.1.5dropna參數(shù)
9.2Apply階段
9.2.1直接聚合
9.2.2agg
9.2.3map
9.2.4apply
9.2.5transform
9.2.6filter
9.3透視表
9.4進(jìn)階應(yīng)用
9.4.1assign
9.4.2pipe管道
9.5批量保存分組對(duì)象
9.5.1保存為同一文件夾內(nèi)的多個(gè)工作簿
9.5.2保存為同一工作簿中的多個(gè)工作表
9.5.3保存為多個(gè)工作簿中的多個(gè)工作表
9.6本章回顧
第10章時(shí)間序列
10.1Excel時(shí)間函數(shù)
10.2datetime模塊
10.2.1date類(lèi)
10.2.2time類(lèi)
10.2.3datetime類(lèi)
10.2.4timedelta類(lèi)
10.3時(shí)間點(diǎn)
10.3.1pd.to_datetime
10.3.2pd.Timestamp
10.3.3DatetimeIndex時(shí)間戳索引
10.3.4pd.date_range()
10.4時(shí)間段
10.4.1Period
10.4.2Period_range
10.4.3asfreq時(shí)期的頻率轉(zhuǎn)換
10.4.4Timestamp與Period互相轉(zhuǎn)換
10.5時(shí)間差
10.5.1運(yùn)算規(guī)則說(shuō)明
10.5.2參數(shù)的傳遞方式
10.6重采樣
10.6.1使用方法
10.6.2降采樣
10.6.3升采樣和插值
10.6.4其他采樣
10.7偏移
10.7.1shift()
10.7.2diff()
10.7.3rolling()
10.8本章回顧
第11章數(shù)據(jù)可視化
11.1可視化
11.1.1可視化基礎(chǔ)
11.1.2可視化圖形
11.2Matplotlib
11.2.1基本語(yǔ)法
11.2.2可視化的應(yīng)用流程
11.2.3圖表的選擇與應(yīng)用
11.3df.plot()
11.3.1參數(shù)對(duì)照表
11.3.2應(yīng)用說(shuō)明
11.4Seaborn
11.4.1設(shè)置
11.4.2圖表應(yīng)用
11.5本章回顧
11.5.1本章內(nèi)容回顧
11.5.2時(shí)序數(shù)據(jù)圖表化
第5篇案例篇
第12章實(shí)戰(zhàn)案例分析
12.1項(xiàng)目說(shuō)明
12.1.1行業(yè)描述
12.1.2項(xiàng)目背景
12.1.3項(xiàng)目推行計(jì)劃
12.1.4KPI指標(biāo)體系
12.2數(shù)據(jù)現(xiàn)狀
12.2.1數(shù)據(jù)來(lái)源說(shuō)明
12.2.2獲取數(shù)據(jù)
12.2.3數(shù)據(jù)轉(zhuǎn)換
12.3數(shù)據(jù)探索
12.3.1客戶訂單量
12.3.2業(yè)務(wù)的相關(guān)性
12.3.3訂單消費(fèi)額
12.3.4探索性挖掘
12.3.5盈利情況
12.4數(shù)據(jù)分析結(jié)論
12.4.1數(shù)據(jù)質(zhì)量現(xiàn)狀
12.4.2后續(xù)改善要求
12.4.3指導(dǎo)意見(jiàn)
12.4.4方法論整理
 

本目錄推薦

掃描二維碼
Copyright ? 讀書(shū)網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)