【Python数据分析】70.《Python数据分析》系列文章汇总及代码分享

本系列文章配套代码获取有以下三种途径：

• 可以在以下网站查看，该网站是使用JupyterLite搭建的web端Jupyter环境，因此无需在本地安装运行环境即可使用，首次运行浏览器需要下载一些配置文件（大约20M）：

https://returu.github.io/Python_Data_Analysis/lab/index.html

• 也可以通过百度网盘获取，需要在本地配置代码运行环境，环境配置可以查看【Python基础】2.搭建Python开发环境：

链接：https://pan.baidu.com/s/1MYkeYeVAIRqbxezQECHwcA?pwd=mnsj 提取码：mnsj

• 前往GitHub详情页面，单击 code 按钮，选择Download ZIP选项：

https://github.com/returu/Python_Data_Analysis

根据《Python for Data Analysis 3rd Edition》翻译整理

-----------------------------------------------------

本系列文章根据《Python for Data Analysis 3rd Edition》翻译整理，本书是由pandas库的作者Wes McKinney编写的Python数据分析专业工具书籍，是学习pandas的经典书籍，第三版本最初于2022年8月出版，因此还未有中文出版物（第二版有中文出版物）。

第三版在第二版的基础上针对pandas 1.4.0和Python 3.10进行了更新，英语水平较好地同学可以直接前往网站（https://wesmckinney.com/book/）学习英文版内容。

本系列在翻译整理时，主要整理了关于numpy和pandas的相关内容，省略了书中的前三章及绘图与可视化内容：

• 预备工作（Python相关内容介绍及安装）；

• Python语言基础知识、IPython和Jupyter笔记本（主要介绍了IPython基础知识）；

• Python内建的数据结构、函数和文件（主要介绍了Python的基础知识）。

• 绘图及可视化（主要介绍了matplotlib及seaborn相关内容）

上述内容主要是一些基础知识，其中，Python基础知识部分可以查看《Python基础》系列文章。另外，绘图与可视化部分后续会作为单独系列发布相关文章。

-------------------------------------------------------------

《Python数据分析》系列内容目录：

本系列在翻译整理的同时，也根据自己的学习心得做了相应的调整和内容添加，如有不当之处欢迎指正。

1、NumPy基础：数组和向量化计算

• 1.数据的维度

• 2.Numpy多维数组对象ndarray介绍

• 3.ndarray对象生成

• 4.ndarray对象的数据类型及转换

• 5.数组的索引与切片

• 6.数组算术与变换操作

• 7.伪随机数的生成

• 8.数组通用函数（ufunc）

• 9.数组的数学和统计方法

• 10.数组的集合操作

• 11.数组排序操作

• 12.ndarray数组的其他操作

• 13.Numpy线性代数函数及文件读写

2、Pandas入门

• 14.Pandas数据结构——Series类型

• 15.Pandas数据结构——DataFrame类型

• 16.重建索引

• 17.轴向上删除数据

• 18.索引、选择、过滤

• 19.Pandas对齐运算

• 20.Pandas函数应用和映射

• 21.排名(Sorting)与排序(Ranking)

• 22.含有重复标签的轴索引

• 23.描述性统计和汇总统计

• 24.相关性和协方差

• 25.唯一值、计数及成员属性

3、数据加载、存储和文件格式

• 26.文本格式数据的读写

• 27.分块读取数据

• 28.将文件写入文本格式

• 29.JSON数据的读写操作

• 30.二进制数据和Excel 数据的读写操作

4、数据清洗和准备

• 31.数据清洗与准备——处理缺失值

• 32.数据清洗与准备——数据转换1

• 33.数据清洗与准备——数据转换2

• 34.数据清洗与准备——数据转换3

• 35.数据清洗与准备——字符串操作1

• 36.数据清洗与准备——字符串操作2

• 37.数据清洗与准备——分类数据1

• 38.数据清洗与准备——分类数据2

5、数据规整

• 39.数据规整——分层索引

• 40.数据规整——联合与合并数据1（数据库风格的DataFrame连接）

• 41.数据规整——联合与合并数据2（根据索引合并）

• 42.数据规整——联合与合并数据3（沿轴向连接）

• 43.数据规整——联合与合并数据4（联合重叠数据）

• 44.数据规整——重塑和透视1（使用多层索引进行重塑）

• 45.数据规整——重塑和透视2（数据透视）

6、数据聚合和分组操作

• 46.数据聚合和分组操作——groupby方法1

• 47.数据聚合和分组操作——groupby方法2

• 48.数据聚合和分组操作——数据聚合

• 49.数据聚合和分组操作——通用拆分-应用-联合1

• 50.数据聚合和分组操作——通用拆分-应用-联合2

• 51.数据聚合和分组操作——分组转换

• 52.数据聚合和分组操作——数据透视表与交叉表

7、时间序列

• 53.时间序列——日期和时间数据类型和工具

• 54.时间序列——时间序列基础

• 55.时间序列——生成时间范围

• 56.时间序列——频率和日期偏置

• 57.时间序列——移位（前向和后向）日期

• 58.时间序列——时区处理

• 59.时间序列——时间区间和区间算术1

• 60.时间序列——时间区间和区间算术2

• 61.时间序列——重新采样和频率转换1

• 62.时间序列——重新采样和频率转换2

• 63.时间序列——移动窗口函数rolling和expanding

• 64.时间序列——移动窗口函数rolling和expanding示例

• 65.时间序列——指数加权函数、二元移动窗口函数、自定义移动窗口函数

8、Python建模库介绍

• 66.Python建模库介绍——pandas与建模代码的结合

• 67.Python建模库介绍——使用Patsy创建模型描述

• 68.Python建模库介绍——statsmodels介绍

• 69.Python建模库介绍——scikit-learn介绍

-------------------------------------------------------------

之前提到的以下内容也将持续更新：

• Python空间数据分析相关内容，涉及软件工具shapely、geopandas、NetworkX等Python包。

• 空间句法（Space Syntax）相关内容，涉及软件工具Depthmapx、sDNA；

• 数据爬取、数据分析、数据可视化等相关内容，涉及软件工具Python、FME等；

• 多主体建模（Agent-based Modeling, ABM），涉及软件工具NetLogo；

• 深度学习（Deep Learning）相关内容，涉及软件工具Pytorch、Keras等深度学习框架以及Scikit-learn机器学习库；

• 离散选择模型(Discrete Choice Model, DCM)相关内容，涉及软件工具NLogit、Biogeme Python包；

• 其他城市定量研究内容；

• 有趣、有用、有料的内容分享；

• and so on......

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

 最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至CSDN官方，朋友如果需要可以直接微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】。