利用Python进行数据分析 PDF扫描版[MB] 电子书 下载

利用Python进行数据分析 内容简介：

还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程？《利用Python进行数据分析》含有大量的实践案例，你将学会如何利用各种Python库（包括NumPy、pandas、matplotlib以及IPython等）高效地解决各式各样的数据分析问题。 由于作者Wes McKinney是pandas库的主要作者，所以本书也可以作为利用Python实现数据密集型应用的科学计算实践指南。本书适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。

·将IPython这个交互式Shell作为你的首要开发环境。 ·学习NumPy（Numerical Python）的基础和高级知识。 ·从pandas库的数据分析工具开始。 ·利用高性能工具对数据进行加载、清理、转换、合并以及重塑。 ·利用matplotlib创建散点图以及静态或交互式的可视化结果。 ·利用pandas的groupby功能对数据集进行切片、切块和汇总操作。 ·处理各种各样的时间序列数据。 ·通过详细的案例学习如何解决Web分析、社会科学、金融学以及经济学等领域的问题。

利用Python进行数据分析 目录： 前言        1 第1章 准备工作        5 本书主要内容        5 为什么要使用Python进行数据分析        6 重要的Python库        7 安装和设置        10 社区和研讨会        16 使用本书        16 致谢        18 第2章 引言        20 来自bit.ly的1.usa.gov数据        21 MovieLens 1M数据集        29 1880—2010年间全美婴儿姓名        35 小结及展望        47 第3章 IPython：一种交互式计算和开发环境        48 IPython基础        49 内省        51 使用命令历史        60 与操作系统交互        63 软件开发工具        66 IPython HTML Notebook        75 利用IPython提高代码开发效率的几点提示        77 高级IPython功能        79 致谢        81 第4章 NumPy基础：数组和矢量计算        82 NumPy的ndarray：一种多维数组对象        83 通用函数：快速的元素级数组函数        98 利用数组进行数据处理        100 用于数组的文件输入输出        107 线性代数        109 随机数生成        111 范例：随机漫步        112 第5章 pandas入门        115 pandas的数据结构介绍        116 基本功能        126 汇总和计算描述统计        142 处理缺失数据        148 层次化索引        153 其他有关pandas的话题        158 第6章 数据加载、存储与文件格式        162 读写文本格式的数据        162 二进制数据格式        179 使用HTML和Web API        181 使用数据库        182 第7章 数据规整化：清理、转换、合并、重塑        186 合并数据集        186 重塑和轴向旋转        200 数据转换        204 字符串操作        217 示例：USDA食品数据库        224 第8章 绘图和可视化        231 matplotlib API入门        231 pandas中的绘图函数        244 绘制地图：图形化显示海地地震危机数据        254 Python图形化工具生态系统        260 第9章 数据聚合与分组运算        263 GroupBy技术        264 数据聚合        271 分组级运算和转换        276 透视表和交叉表        288 示例：2012联邦选举委员会数据库        291 第10章 时间序列        302 日期和时间数据类型及工具        303 时间序列基础        307 日期的范围、频率以及移动        311 时区处理        317 时期及其算术运算        322 重采样及频率转换        327 时间序列绘图        334 移动窗口函数        337 性能和内存使用方面的注意事项        342 第11章 金融和经济数据应用        344 数据规整化方面的话题        344 分组变换和分析        355 更多示例应用        361 第12章 NumPy高级应用        368 ndarray对象的内部机理        368 高级数组操作        370 广播        378 ufunc高级应用        383 结构化和记录式数组        386 更多有关排序的话题        388 NumPy的matrix类        393 高级数组输入输出        395 性能建议        397 附录A Python语言精要        401