前言
章 Python环境搭建与使用 1
1.1 Anaconda的安装和使用 1
1.1.1 Anaconda的安装 1
1.1.2 Anaconda的使用 3
1.2 Jupyter Notebook的使用 5
1.2.1 更改工作空间 5
1.2.2 界面介绍与使用 7
第2章 NumPy入门和实战 9
2.1 ndarray多维数组 9
2.1.1 创建ndarray数组 9
2.1.2 ndarray对象属性 12
2.1.3 ndarray数据类型 13
2.1.4 数组变换 15
2.1.5 NumPy的随机数函数 18
前言
章 Python环境搭建与使用 1
1.1 Anaconda的安装和使用 1
1.1.1 Anaconda的安装 1
1.1.2 Anaconda的使用 3
1.2 Jupyter Notebook的使用 5
1.2.1 更改工作空间 5
1.2.2 界面介绍与使用 7
第2章 NumPy入门和实战 9
2.1 ndarray多维数组 9
2.1.1 创建ndarray数组 9
2.1.2 ndarray对象属性 12
2.1.3 ndarray数据类型 13
2.1.4 数组变换 15
2.1.5 NumPy的随机数函数 18
2.2 数组的索引和切片 20
2.2.1 数组的索引 21
2.2.2 数组的切片 23
2.2.3 布尔型索引 24
2.2.4 花式索引 26
2.3 数组的运算 26
2.3.1 数组和标量间的运算 26
2.3.2 通用函数 27
2.3.3 条件逻辑运算 28
2.3.4 统计运算 30
2.3.5 布尔型数组运算 31
2.3.6 排序 32
2.3.7 集合运算 33
2.3.8 线性代数 34
2.4 数组的存取 34
2.4.1 数组的存储 35
2.4.2 数组的读取 35
2.5 综合示例——图像变换 35
第3章 pandas入门和实战 38
3.1 pandas数据结构 38
3.1.1 创建Series数据 38
3.1.2 创建DataFrame数据 40
3.1.3 索引对象 43
3.2 pandas索引操作 44
3.2.1 重新索引 45
3.2.2 更换索引 46
3.2.3 索引和选取 48
3.2.4 操作行和列 52
3.3 pandas数据运算 53
3.3.1 算术运算 54
3.3.2 函数应用和映射 55
3.3.3 排序 56
3.3.4 汇总与统计 57
3.3.5 值和值计数 58
3.4 层次化索引 59
3.4.1 层次化索引简介 59
3.4.2 重排分级顺序 60
3.4.3 汇总统计 61
3.5 pandas可视化 61
3.5.1 线形图 61
3.5.2 柱状图 63
3.5.3 直方图和密度图 66
3.5.4 散点图 67
3.6 综合示例——小费数据集 68
第4章 外部数据的读取与存储 73
4.1 文本数据的读取与存储 73
4.2 JSON和Excel数据的读取与存储 82
4.3 数据库的读取与存储 87
4.4 Web数据的读取 90
第5章 数据清洗与整理 95
5.1 数据清洗 95
5.2 数据合并和重塑 104
5.3 字符串处理 116
5.4 综合示例——Iris数据集 118
第6章 数据分组与聚合 125
6.1 数据分组 125
6.2 聚合运算 132
6.3 分组运算 136
6.4 数据透视表 139
6.5 综合实例——巴尔的摩公务员工资数据集 142
第7章 matplotlib可视化 148
7.1 线形图 148
7.2 柱状图 152
7.3 其他基本图表 158
7.4 自定义设置 159
7.5 综合示例——星巴克店铺数据集 164
第8章 seaborn可视化 172
8.1 样式与分布图 172
8.2 分类图 181
8.3 回归图与网格 187
8.4 综合示例——泰坦尼克号生还者数据 191
第9章 pyecharts可视化 202
9.1 基础图表 202
9.2 其他图表 209
9.3 综合示例——糗事百科用户数据 213
0章 时间序列 224
10.1 datetime模块 224
10.2 时间序列基础 228
10.3 日期 231
10.4 时期 235
10.5 频率转换与重采样 238
10.6 综合示例——自行车租赁数据 241
1章 综合案例——网站日志分析 248
11.1 数据来源 248
11.2 日志数据分析 252
11.2.3 IP地址分析 258
5363
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
