python数据分析实战 fabio nelli百度云_Python数据分析实战 内利（Fabio Nelli）,杜春晓 9787115432209...

商品描述：

基本信息

书名:Python数据分析实战

定**价：59.00元

作者: 内利(Fabio Nelli) 著，杜春晓 译

出版社：人民邮电出版社

出版日期：2016-08-01

ISBN：9787115432209

字数：

页码：290

版次：1

装帧：平装

开本：16开

目录

目录 n

n

致谢 n

译者序 n

第1 章 数据分析简介 1 n

1．1 数据分析 1 n

1．2 数据分析师的知识范畴 2 n

1．2．1 计算机科学 2 n

1．2．2 数学和统计学 3 n

1．2．3 机器学习和人工智能 3 n

1．2．4 数据来源领域 3 n

1．3 理解数据的性质 4 n

1．3．1 数据到信息的转变 4 n

1．3．2 信息到知识的转变 4 n

1．3．3 数据的类型 4 n

1．4 数据分析过程 4 n

1．4．1 问题定义 5 n

1．4．2 数据抽取 6 n

1．4．3 数据准备 6 n

1．4．4 数据探索和可视化 7 n

1．4．5 预测模型 7 n

1．4．6 模型评估 8 n

1．4．7 部署 8 n

1．5 定量和定性数据分析 9 n

1．6 开放数据 9 n

1．7 Pytho和数据分析 11 n

1．8 结论 11 n

第2 章 Pytho世界简介 12 n

2．1 Python——编程语言 12 n

2．2 Python——解释器 13 n

2．2．1 Cytho14 n

2．2．2 Jytho14 n

2．2．3 PyPy 14 n

2．3 Pytho2 和Pytho3 14 n

2．4 安装Pytho15 n

2．5 Pytho发行版 15 n

2．5．1 Anaconda 15 n

2．5．2 Enthought Canopy 16 n

2．5．3 Python(x，y) 17 n

2．6 使用Pytho17 n

2．6．1 Pythoshell 17 n

2．6．2 运行完整的Pytho程序 17 n

2．6．3 使用IDE 编写代码 18 n

2．6．4 跟Pytho交互 18 n

2．7 编写Pytho代码 18 n

2．7．1 数学运算 18 n

2．7．2 导入新的库和函数 19 n

2．7．3 函数式编程 21 n

2．7．4 缩进 22 n

2．8 IPytho23 n

2．8．1 IPythoshell 23 n

2．8．2 IPythoQt-Console 24 n

2．9 PyPI 仓库——Pytho包索引 25 n

2．10 多种PythoIDE 26 n

2．10．1 IDLE 26 n

2．10．2 Spyder 27 n

2．10．3 Eclipse(pyDev) 27 n

2．10．4 Sublime 28 n

2．10．5 Liclipse 29 n

2．10．6 NinjaIDE 29 n

2．10．7 Komodo IDE 29 n

2．11 SciPy 30 n

2．11．1 NumPy 30 n

2．11．2 pandas 30 n

2．11．3 matplotlib 31 n

2．12 小结 31 n

第3 章 NumPy 库 32 n

3．1 NumPy 简史 32 n

3．2 NumPy 安装 32 n

3．3 ndarray：NumPy 库的心脏 33 n

3．3．1 创建数组 34 n

3．3．2 数据类型 34 n

3．3．3 dtype 选项 35 n

3．3．4 自带的数组创建方法 36 n

3．4 基本操作 37 n

3．4．1 算术运算符 37 n

3．4．2 矩阵积 38 n

3．4．3 自增和自减运算符 39 n

3．4．4 通用函数 40 n

3．4．5 聚合函数 40 n

3．5 索引机制、切片和迭代方法 41 n

3．5．1 索引机制 41 n

3．5．2 切片操作 42 n

3．5．3 数组迭代 43 n

3．6 条件和布尔数组 45 n

3．7 形状变换 45 n

3．8 数组操作 46 n

3．8．1 连接数组 46 n

3．8．2 数组切分 47 n

3．9 常用概念 49 n

3．9．1 对象的副本或视图 49 n

3．9．2 向量化 50 n

3．9．3 广播机制 50 n

3．10 结构化数组 52 n

3．11 数组数据文件的读写 53 n

3．11．1 二进制文件的读写 54 n

3．11．2 读取文件中的列表形式数据 54 n

3．12 小结 55 n

第4 章 pandas 库简介 56 n

4．1 pandas：Pytho数据分析库 56 n

4．2 安装 57 n

4．2．1 用Anaconda 安装 57 n

4．2．2 用PyPI 安装 58 n

4．2．3 在Linux 系统的安装方法 58 n

4．2．4 用源代码安装 58 n

4．2．5 Windows 模块仓库 59 n

4．3 测试pandas 是否安装成功 59 n

4．4 开始pandas 之旅 59 n

4．5 pandas 数据结构简介 60 n

4．5．1 Series 对象 60 n

4．5．2 DataFrame 对象 66 n

4．5．3 Index 对象 72 n

4．6 索引对象的其他功能 74 n

4．6．1 更换索引 74 n

4．6．2 删除 75 n

4．6．3 算术和数据对齐 77 n

4．7 数据结构之间的运算 78 n

4．7．1 灵活的算术运算方法 78 n

4．7．2 DataFrame 和Series 对象之间的运算 78 n

4．8 函数应用和映射 79 n

4．8．1 操作元素的函数 79 n

4．8．2 按行或列执行操作的函数 80 n

4．8．3 统计函数 81 n

4．9 排序和排位次 81 n

4．10 相关性和协方差 84 n

4．11 NaN 数据 85 n

4．11．1 为元素赋NaN 值 85 n

4．11．2 过滤NaN 86 n

4．11．3 为NaN 元素填充其他值 86 n

4．12 等级索引和分级 87 n

4．12．1 重新调整顺序和为层级排序 89 n

4．12．2 按层级统计数据 89 n

4．13 小结 90 n

第5 章 pandas：数据读写 91 n

5．1 I/O API 工具 91 n

5．2 CSV 和文本文件 92 n

5．3 读取CSV 或文本文件中的数据 92 n

5．3．1 用RegExp 解析TXT 文件 94 n

5．3．2 从TXT 文件读取部分数据 96 n

5．3．3 往CSV 文件写入数据 97 n

5．4 读写HTML 文件 98 n

5．4．1 写入数据到HTML 文件 99 n

5．4．2 从HTML 文件读取数据 100 n

5．5 从XML 读取数据 101 n

5．6 读写Microsoft Excel 文件 103 n

5．7 JSON 数据 105 n

5．8 HDF5 格式 107 n

5．9 pickle——Pytho对象序列化 108 n

5．9．1 用cPickle 实现Pytho对象序列化 109 n

5．9．2 用pandas 实现对象序列化 109 n

5．10 对接数据库 110 n

5．10．1 SQLite3 数据读写 111 n

5．10．2 PostgreSQL 数据读写 112 n

5．11 NoSQL 数据库MongoDB 数据读写 114 n

5．12 小结 116 n

第6 章 深入pandas：数据处理 117 n

6．1 数据准备 117 n

6．2 拼接 122 n

6．2．1 组合 124 n

6．2．2 轴向旋转 125 n

6．2．3 删除 127 n

6．3 数据转换 128 n

6．3．1 删除重复元素 128 n

6．3．2 映射 129 n

6．4 离散化和面元划分 132 n

6．5 排序 136 n

6．6 字符串处理 137 n

6．6．1 内置的字符串处理方法 137 n

6．6．2 正则表达式 139 n

6．7 数据聚合 140 n

6．7．1 GroupBy 141 n

6．7．2 实例 141 n

6．7．3 等级分组 142 n

6．8 组迭代 143 n

6．8．1 链式转换 144 n

6．8．2 分组函数 145 n

6．9 高级数据聚合 145 n

6．10 小结 148 n

第7 章 用matplotlib 实现数据可视化 149 n

7．1 matplotlib 库 149 n

7．2 安装 150 n

7．3 IPytho和IPythoQtConsole 150 n

7．4 matplotlib 架构 151 n

7．4．1 Backend 层 152 n

7．4．2 Artist 层 152 n

7．4．3 Scripting 层(pyplot) 153 n

7．4．4 pylab 和pyplot 153 n

7．5 pyplot 154 n

7．5．1 生成一幅简单的交互式图表 154 n

7．5．2 设置图形的属性 156 n

7．5．3 matplotlib 和NumPy 158 n

7．6 使用kwargs 160 n

7．7 为图表添加更多元素 162 n

7．7．1 添加文本 162 n

7．7．2 添加网格 165 n

7．7．3 添加图例 166 n

7．8 保存图表 168 n

7．8．1 保存代码 169 n

7．8．2 将会话转换为HTML 文件 170 n

7．8．3 将图表直接保存为图片 171 n

7．9 处理日期值 171 n

7．10 图表类型 173 n

7．11 线性图 173 n

7．12 直方图 180 n

7．13 条状图 181 n

7．13．1 水平条状图 183 n

7．13．2 多序列条状图 184 n

7．13．3 为pandas DataFrame 生成多序列条状图 185 n

7．13．4 多序列堆积条状图 186 n

7．13．5 为pandas DataFrame 绘制堆积条状图 189 n

7．13．6 其他条状图 190 n

7．14 饼图 190 n

7．15 高级图表 193 n

7．15．1 等值线图 193 n

7．15．2 极区图 195 n

7．16 mplot3d 197 n

7．16．1 3D 曲面 197 n

7．16．2 3D 散点图 198 n

7．16．3 3D 条状图 199 n

7．17 多面板图形 200 n

7．17．1 在其他子图中显示子图 200 n

7．17．2 子图网格 202 n

7．18 小结 204 n

第8 章 用scikit-lear库实现机器学习 205 n

8．1 scikit-lear库 205 n

8．2 机器学习 205 n

8．2．1 有监督和无监督学习 205 n

8．2．2 训练集和测试集 206 n

8．3 用scikit-lear实现有监督学习 206 n

8．4 Iris 数据集 206 n

8．5 K-近邻分类器 211 n

8．6 Diabetes 数据集 214 n

8．7 线性回归：方回归 215 n

8．8 支持向量机 219 n

8．8．1 支持向量分类 219 n

8．8．2 非线性SVC 223 n

8．8．3 绘制SVM 分类器对Iris 数据集的分类效果图 225 n

8．8．4 支持向量回归 227 n

8．9 小结 229 n

第9 章 数据分析实例——气象数据 230 n

9．1 待检验的假设：靠海对气候的影响 230 n

9．2 数据源 233 n

9．3 用IPythoNotebook 做数据分析 234 n

9．4 风向频率玫瑰图 246 n

9．5 小结 251 n

第10 章 IPythoNotebook 内嵌JavaScript 库D3 252 n

10．1 开放的人口数据源 252 n

10．2 JavaScript 库D3 255 n

10．3 绘制簇状条状图 259 n

10．4 地区分布图 262 n

10．5 2014 年美国人口地区分布图 266 n

10．6 小结 270 n

第11 章 识别手写体数字 271 n

11．1 手写体识别 271 n

11．2 用scikit-lear识别手写体数字 271 n

11．3 Digits 数据集 272 n

11．4 学习和预测 274 n

11．5 小结 276 n

附录A 用LaTeX 编写数学表达式 277 n

附录B 开放数据源 287