Python科學計算

定　價：￥42.80

作　者：	孫霓剛
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111703792	出版時間：	2022-05-01	包裝：
開本：	16開	頁數：	202	字數：

內容簡介

　　本書共分為10章，循序漸進地講述了Python數據分析的基本概念、NumPy、Pandas、matplotlib以及Python數據分析的綜合案例，包括以下主要內容：Python數據分析的基本概念與環(huán)境安裝配置，以及開發(fā)工具的使用；NumPy模塊的基本概念、結構及語法；介紹數據分析的核心模塊Pandas，以及如何使用Pandas中兩大核心對象Series和DataFrame；如何從數據源（文件、數據庫）中讀取數據并轉換為Pandas模塊中的DataFrame對象，進而進行數據分析；Pandas中的缺失對象、索引對象以及常用的數據清洗方式；Pandas中的多層索引對象，以及索引對象和Pandas中Series與DataFrame的關系；數據合并的概念，以及Pandas中數據合并的方法；數據分組的概念，以及Pandas中數據分組的方法；如何利用matplotlib進行數據可視化；綜合利用本書知識為讀者展示對招聘數據進行分析的實戰(zhàn)案例。 \n本書可作為高校計算機及相關專業(yè)基礎課程教材，也可作為數據分析培訓教材和提高數據分析操作能力的參考書。書中在合理安排內容的同時配有適量的例題與習題，以輔助教師講授和學生自學。 \n \n \n \n

作者簡介

暫缺《Python科學計算》作者簡介

圖書目錄

前言 \n
第1章數據科學導論 \n
1.1數據科學的由來 \n
1.2數據科學在不同場景中的應用 \n
1.3數據科學工作的一般流程 \n
1.4IPython的概念 \n
1.5IPython的安裝 \n
1.6IPython的功能特點 \n
1.6.1magic特性 \n
1.6.2Tab補全功能 \n
1.6.3代碼自省 \n
1.7Jupyter Notebook的使用 \n
1.7.1Jupyter Notebook的概念及特點 \n
1.7.2安裝Jupyter Notebook \n
1.7.3啟動Jupyter Notebook \n
1.8本章小結 \n
1.9練習 \n
第2章NumPy基礎 \n
2.1NumPy的概念 \n
2.1.1什么是NumPy \n
2.1.2NumPy的優(yōu)勢 \n
2.2ndarray對象基本應用 \n
2.2.1創(chuàng)建ndarray \n
2.2.2元素的類型 \n
2.2.3數組的屬性 \n
2.3索引與切片 \n
2.3.1基本的索引與切片 \n
2.3.2切片索引 \n
2.3.3布爾型索引 \n
2.3.4花式索引 \n
2.4內置函數 \n
2.4.1字符串函數 \n
2.4.2統(tǒng)計函數 \n
2.4.3數學函數 \n
2.4.4算術函數 \n
2.4.5排序、篩選函數 \n
2.5數組的運算 \n
2.5.1四則運算 \n
2.5.2廣播 \n
2.5.3邏輯運算 \n
2.6基于數組的文件輸入與輸出 \n
2.7利用數組進行數據處理 \n
2.7.1條件邏輯表述為數組運算 \n
2.7.2用于布爾型數組的方法 \n
2.8本章小結 \n
2.9練習 \n
第3章Pandas入門 \n
3.1Pandas介紹 \n
3.2Pandas數據結構 Series \n
3.2.1創(chuàng)建Series對象 \n
3.2.2Series數據的訪問 \n
3.2.3通過NumPy和其他Series對象 \n
定義新的Series對象 \n
3.2.4Series的元素判斷和過濾 \n
3.2.5Series的元素組成 \n
3.2.6Series的計算 \n
3.3Pandas數據結構 DataFrame \n
3.3.1創(chuàng)建DataFrame \n
3.3.2DataFrame數據的訪問 \n
3.3.3DataFrame 基礎信息查看 \n
3.3.4DataFrame數據的選取和過濾 \n
3.4Pandas的算術運算 \n
3.5Pandas函數應用與映射 \n
3.6本章小結 \n
3.7練習 \n
第4章Pandas數據加載 \n
4.1讀取CSV文件中的數據 \n
4.2處理CSV文件中的無效數據 \n
4.3逐塊讀取文本文件 \n
4.4從數據庫中讀取數據 \n
4.5讀取JSON數據 \n
4.6將數據寫入CSV文件 \n
4.7本章小結 \n
4.8練習 \n
Python科學計算目錄第5章Pandas數據預處理 \n
5.1了解缺失值 \n
5.1.1None ：Python對象類型 \n
的缺失值 \n
5.1.2NaN:數值類型的缺失值 \n
5.1.3Pandas中常用缺失值的總結 \n
5.2處理缺失值 \n
5.2.1探索缺失值 \n
5.2.2刪除缺失值 \n
5.2.3替換缺失值 \n
5.3本章小結 \n
5.4練習 \n
第6章Pandas索引的應用 \n
6.1索引對象 \n
6.1.1初識Index對象 \n
6.1.2創(chuàng)建并使用Index對象 \n
6.1.3創(chuàng)建并使用MultiIndex對象 \n
6.2索引及切片 \n
6.2.1Series對象 \n
6.2.2DataFrame對象 \n
6.3本章小結 \n
6.4練習 \n
第7章Pandas數據合并及常見字符串 \n
處理7.1字符串常見操作 \n
7.2Series類中str對象的方法 \n
7.3數據拼接 \n
7.3.1低維度數據合并 \n
7.3.2高維度數據合并 \n
7.4數據連接 \n
7.5本章小結 \n
7.6練習 \n
第8章Pandas分組 \n
8.1數據分組 \n
8.2數據分組高級使用 \n
8.3透視表制作 \n
8.4本章小結 \n
8.5練習 \n
第9章使用matplotlib完成數據 \n
可視化9.1matplotlib的安裝 \n
9.2matplotlib的快速使用 \n
9.3pyplot的用法詳解 \n
9.3.1pyplot的快速使用 \n
9.3.2繪制多個子圖 \n
9.3.3為圖表添加文本 \n
9.3.4為圖表添加圖例 \n
9.3.5日期類型的數據 \n
9.3.6注解的使用 \n
9.4折線圖 \n
9.5柱狀圖 \n
9.6散點圖 \n
9.7誤差線 \n
9.8本章小結 \n
9.9練習 \n
第10章招聘數據綜合分析 \n
10.1不同崗位公司類型占比 \n
10.2數據分析崗位各招聘公司規(guī)模分布 \n
10.3數據分析崗位招聘學歷以及經驗 \n
要求 \n
10.4數據分析崗位招聘城市需求數量 \n
占比 \n
10.5數據分析崗位招聘不同地區(qū)薪資 \n
分布 \n
10.6本章小結 \n
10.7練習 \n
參考文獻 \n