超值优惠券
¥50
满100可用 有效期2天

全场图书通用（淘书团除外）

 
不再提示
关闭
假期加倍！在书里重启人生|每满30减10
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
  • 合成诗经
  • 新人领礼券
  • 新用户注册领10元
中图网
>
计算机/网络
>
软件工程/开发项目管理
Pandas通关实战
分享

Pandas通关实战

作者：黄福星
出版社：清华大学出版社出版时间：2022-08-01
开本： 其他 页数： 504
本类榜单：计算机/网络销量榜
中 图 价:¥83.3(7.0折) 定价  ¥119.0 登录后可看到会员价
加入购物车 收藏
运费6元，满39元免运费
?新疆、西藏除外
本类五星书更多>
中图价:¥83.3 加入购物车
洞明世事，从读书开始 淘书团

Pandas通关实战 版权信息

Pandas通关实战 本书特色

本书秉承Less is more(少即是多)的原则，追求“简约但不简单”的风格。从入门篇到进阶篇的11个章节，主要都是围绕着一个简单的“7行8列的数据”进行有效地讲解，把Pandas中使用频率*高的或效率*高的80%的函数、方法、属性全部有效地串接起来，减少读者浪费时间去理解不同的数据源，让更多的精力聚焦于专业知识的学习。 全面、系统讲解Pandas的应用原理！配套丰富的实战型应用案例，帮助读者快速轻松上手★随着计算机技术和互联网技术的发展和广泛应用，人类社会逐步进入智能化时代，数据分析是人工智能技术的典型应用之一，Python是当前数据分析*热门的语言之一，Pandas是Python的数据分析利器。《Pandas通关实战》一书汇集了作者多年来的实践经验，全面、系统地描述了Pandas工具在数据筛选、数据转换、数据处理、数据可视化技术等方面的应用。本书既适合作为高等学校“Python编程语言”课程的参考教材，也适合从事数据分析的科研人员阅读。 ——曹少中 北京印刷学院教授 ★Pandas是基于Python的一款优秀的大数据分析工具，已经被广泛应用于统计分析和机器学习领域。本书用简洁、清晰的语言和深入浅出的表达方式，全面、系统地介绍了使用Pandas所需的相关知识和工具，并辅以大量的实战型应用案例和代码片段，让读者可以轻松上手，不但掌握Pandas的核心用法，而且学习到现实工作中的数据分析方法，真正做到学以致用，非常值得阅读。 ——郭林 纽约大学计算机硕士、脸书公司广告部门软件专家 ★本书不是一个学者在书斋中的思考和推理，而是经过实践检验的“实操宝典”。本书用七行八列的数据来讲解大数据的应用原理，脉络清晰。综合案例是作者20多年工作经验与精益六西格玛方法论的有机揉和。 ——黄德华 浙江大学EMBA教授、《创业搭档管理》作者★数据分析师在利用Python进行数据分析时，大部分时间其实是在利用Pandas进行数据分析。《Pandas通关实战》系统地介绍了Pandas中大部分高频函数的用法，推荐给想要学习如何利用Pandas进行数据分析的读者。 ——张俊红 畅销书《对比Excel，轻松学习Python数据分析》作者★近几年Python一直倍受追捧，微软更是在Power BI产品中内置了Python连接器。用Python处理数据不得不提Pandas库，相信你和我一样，翻开本书也能获得不同于传统办公软件数据处理的一份惊喜。 ——畅心 Power Query发烧友 ★如果说Pandas为大数据分析开辟了一条捷径，《Pandas通关实战》则为初学者的路灯，沿着亮光前行必达目的地，勇往直前吧！ ——马世权 PowerBI专家

Pandas通关实战 内容简介

本书系统阐述了Pandas基础知识、应用原理，以及应用流程和应用技巧等实战知识。 全书共分为5篇：**篇为入门篇（第1和2章），第二篇为基础篇（第3和4章），第三篇为基础强化篇（第5~7章），第四篇为进阶篇（第8~11章）, 第五篇为案例篇（第12章）。书中主要内容包括Python简介、NumPy基础、Pandas入门、数据筛选、数据转换、文本转换、数据获取、数据处理、数据分组、时序分析、数据可视化、通关案例。 本书可作为Python数据分析的入门与进阶书籍，适用于有一定Python基础的读者、对数据分析感兴趣的学生，也可作为数据分析及其它编程爱好者、IT培训机构的参考书籍。

Pandas通关实战 目录



目录

第1篇入门篇


第1章Python简介


1.1Pandas简介


1.2Pandas数据分析


1.3Jupyter与Anaconda


1.4Anaconda、conda与pip


1.4.1Anaconda


1.4.2conda


1.4.3Anaconda与conda


1.5Anaconda的下载与安装


1.6Anaconda安装简介


1.6.1安装步骤


1.6.2Anaconda Navigator简介


1.6.3Anaconda Prompt使用简介


1.6.4Anaconda Navigator与Anaconda Prompt


1.6.5conda与pip


1.6.6Nbextensions


1.7Jupyter Notebook简介


1.7.1代码模式


1.7.2Markdown模式


1.8Jupyter Notebook快捷键简介


1.9本章回顾


第2章NumPy基础


2.1对象、数据、数组


2.1.1位与字节


2.1.2对象


2.1.3数组


2.2数组的创建方式


2.2.1ndarray


2.2.2np.array()


2.2.3np.arange()


2.2.4np.linspace()


2.2.5np的特殊函数


2.3数据的基本属性


2.3.1NumPy数组属性


2.3.2改变数组的形状


2.3.3数组堆叠与分割


2.3.4广播机制


2.4通用函数(ufunc)


2.4.1排序函数


2.4.2一元函数


2.4.3多元函数


2.4.4数学函数


2.4.5随机函数


2.4.6字符串函数


2.4.7条件操作


2.4.8高阶操作


2.5本章回顾



第2篇基础篇



第3章Pandas入门


3.1Series


3.1.1Series基础知识


3.1.2Series的构建


3.1.3Series的常用转换方法


3.1.4Series的“十八招”


3.2DataFrame


3.2.1DataFrame基础知识


3.2.2创建


3.2.3DataFrame相关知识


3.3本章回顾


第4章数据筛选


4.1Python基础


4.1.1运算符


4.1.2视图与复制


4.1.3常用操作


4.2条件表达式


4.2.1条件筛选(索引)


4.2.2条件查询


4.2.3条件赋值


4.3数据删除


4.3.1缺失值


4.3.2重复值


4.3.3异常值


4.4数据重组


4.4.1填充


4.4.2重排


4.5axis转换


4.5.1rename()


4.5.2rename_axis()


4.5.3reindex()


4.5.4reset_index()


4.5.5set_index()


4.5.6MultiIndex()


4.6本章回顾



第3篇基础强化篇



第5章数据转换


5.1基础知识


5.1.1程序结构


5.1.2循环语句


5.2映射函数


5.2.1map()


5.2.2apply()


5.2.3applymap()


5.3各类转换


5.3.1数据类型转换


5.3.2数据结构转换


5.3.3文本格式转换


5.3.4style样式转换


5.4本章回顾


第6章文本转换


6.1文本字符串


6.1.1文本基础


6.1.2应用流程


6.2Python字符串


6.2.1识别阶段(Identity)


6.2.2清洗阶段(Elimilate)


6.2.3组合阶段(Combine)


6.2.4转换重组(Rearrange)


6.3正则表达式


6.3.1元字符


6.3.2用法


6.4Pandas的方法


6.4.1识别阶段(Identity)


6.4.2转换重组(Rearrange)


6.5本章回顾


第7章数据获取


7.1读取数据源


7.1.1pd.read_excel()


7.1.2pd.ExcelFile.parse()


7.1.3pd.read_csv()


7.2存储数据


7.2.1df.to_excel()


7.2.2pd.ExcelWriter()


7.2.3共性总结


7.3追加与合并


7.3.1(常规)追加


7.3.2追加(append)


7.3.3合并(combine)


7.3.4连接(join)


7.3.5按轴向合并(concat)


7.3.6融合(merge)


7.4文档的批量操作


7.4.1批量合并同一文件夹中的workbook


7.4.2批量合并同一文件工作簿中的worksheet


7.4.3批量更改DataFrame中的列名


7.4.4批量拆分DataFrame


7.5与xlwings的互动


7.5.1创建新工作簿


7.5.2批量修改电子表格名称


7.5.3在新增电子表格中插入图表


7.6本章回顾



第4篇进阶篇



第8章数据处理


8.1统计学基础


8.1.1概率与数理统计


8.1.2数据的离散化


8.1.3四则运算


8.2数据操作


8.3DataFrame处理


8.3.1Pandas的方法链


8.3.2assign()


8.3.3eval()


8.3.4pipe管道


8.4本章回顾


第9章数据分组


9.1Split阶段


9.1.1by参数


9.1.2axis参数


9.1.3level参数


9.1.4as_index参数


9.1.5dropna参数


9.2Apply阶段


9.2.1直接聚合


9.2.2agg


9.2.3map


9.2.4apply


9.2.5transform


9.2.6filter


9.3透视表


9.4进阶应用


9.4.1assign


9.4.2pipe管道


9.5批量保存分组对象


9.5.1保存为同一文件夹内的多个工作簿


9.5.2保存为同一工作簿中的多个工作表


9.5.3保存为多个工作簿中的多个工作表


9.6本章回顾


第10章时间序列


10.1Excel时间函数


10.2datetime模块


10.2.1date类


10.2.2time类


10.2.3datetime类


10.2.4timedelta类


10.3时间点


10.3.1pd.to_datetime


10.3.2pd.Timestamp


10.3.3DatetimeIndex时间戳索引


10.3.4pd.date_range()


10.4时间段


10.4.1Period


10.4.2Period_range


10.4.3asfreq时期的频率转换


10.4.4Timestamp与Period互相转换


10.5时间差


10.5.1运算规则说明


10.5.2参数的传递方式


10.6重采样


10.6.1使用方法


10.6.2降采样


10.6.3升采样和插值


10.6.4其他采样


10.7偏移


10.7.1shift()


10.7.2diff()


10.7.3rolling()


10.8本章回顾


第11章数据可视化


11.1可视化


11.1.1可视化基础


11.1.2可视化图形


11.2Matplotlib


11.2.1基本语法


11.2.2可视化的应用流程


11.2.3图表的选择与应用


11.3df.plot()


11.3.1参数对照表


11.3.2应用说明


11.4Seaborn


11.4.1设置


11.4.2图表应用


11.5本章回顾


11.5.1本章内容回顾


11.5.2时序数据图表化



第5篇案例篇



第12章实战案例分析


12.1项目说明


12.1.1行业描述


12.1.2项目背景


12.1.3项目推行计划


12.1.4KPI指标体系


12.2数据现状


12.2.1数据来源说明


12.2.2获取数据


12.2.3数据转换


12.3数据探索


12.3.1客户订单量


12.3.2业务的相关性


12.3.3订单消费额


12.3.4探索性挖掘


12.3.5盈利情况


12.4数据分析结论


12.4.1数据质量现状


12.4.2后续改善要求


12.4.3指导意见


12.4.4方法论整理



展开全部

Pandas通关实战 作者简介

黄福星，精益六西格玛黑带，物流职业经理人（运营总监）。20多年工作经历，职业生涯横跨大型生产制造、综合保税物流与供应链、快递快运与新零售等。在信息流指导物流、数据指导改善、物流降本增效方面经验丰富，能够熟练地将精益改善技术与大数据分析技术运用于各类现场管理。

商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服