利用Python进行数据分析 利用Python库高效解决各式各样的数据分析问题

本书讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。同时，它也是利用Python进行科学计算的实用指南（专门针对数据密集型应用）。本书重点介绍了用于高效解决各种数据分析问题的Python语言和库。《利用Python进行数据分析》没有阐述如何利用Python实现具体的分析方法。

Wes McKinney，资深数据分析专家，对各种Python库（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，并在大量的实践中积累了丰富的经验。撰写了大量与Python数据分析相关的经典文章，被各大技术社区争相转载，是Python和开源技术社区公认的权威人物之一。开发了用于数据分析的著名开源Python库——pandas，广获用户好评。在创建Lambda Foundry（一家致力于企业数据分析的公司）之前，他曾是AQR Capital Management的定量分析师。

前言

第1章 准备工作 本书主要内容 为什么要使用Python进行数据分析 重要的Python库 安装和设置 社区和研讨会 使用本书 致谢

第2章 引言 来自bit.ly的1.usa.gov数据 MovieLens 1M数据集 1880-2010年间全美婴儿姓名 小结及展望

第3章 IPython：一种交互式计算和开发环境 IPython基础 内省 使用命令历史 与操作系统交互 软件开发工具 IPython HTML Notebook 利用IPython提高代码开发效率的几点提示 高级IPython功能 致谢

第4章 NumPy基础：数组和矢量计算 NumPy的ndarray：一种多维数组对象 通用函数：快速的元素级数组函数 利用数组进行数据处理 用于数组的文件输入输出 线性代数 随机数生成 范例：随机漫步

第5章 pandas入门 pandas的数据结构介绍 基本功能 汇总和计算描述统计 处理缺失数据 层次化索引 其他有关pandas的话题

第6章 数据加载、存储与文件格式 读写文本格式的数据 二进制数据格式 使用HTML和Web API 使用数据库

第7章 数据规整化：清理、转换、合并、重塑 合并数据集 重塑和轴向旋转 数据转换 字符串操作 示例：USDA食品数据库

第8章 绘图和可视化 matplotlib API入门 pandas中的绘图函数 绘制地图：图形化显示海地地震危机数据 Python图形化工具生态系统

第9章 数据聚合与分组运算 GroupBy技术 数据聚合 分组级运算和转换 透视表和交叉表 示例：2012联邦选举委员会数据库

第10章 时间序列 日期和时间数据类型及工具 时间序列基础 日期的范围、频率以及移动 时区处理 时期及其算术运算 重采样及频率转换 时间序列绘图 移动窗口函数 性能和内存使用方面的注意事项

第11章 金融和经济数据应用 数据规整化方面的话题 分组变换和分析 更多示例应用

第12章 NumPy高级应用 ndarray对象的内部机理 高级数组操作 广播 ufunc高级应用 结构化和记录式数组 更多有关排序的话题 NumPy的matrix类 高级数组输入输出 性能建议 附录A Python语言精要