利用Python进行数据分析 原书第2版PDF电子书下载

前言 1

第1章 准备工作 7

1.1 本书内容 7

1.1.1 什么类型的数据 7

1.2 为何利用Python进行数据分析 8

1.2.1 Python作为胶水 8

1.2.2 解决“双语言”难题 8

1.2.3 为何不使用Python 9

1.3 重要的Python库 9

1.3.1 NumPy 9

1.3.2 pandas 10

1.3.3 matplotlib 11

1.3.4 IPython与Jupyter 11

1.3.5 SciPy 12

1.3.6 scikit-learn 12

1.3.7 statsmodels 13

1.4 安装与设置 13

1.4.1 Windows 14

1.4.2 Apple（OS X和macOS） 14

1.4.3 GNU/Linux 14

1.4.4 安装及更新Python包 15

1.4.5 Python 2和Python 3 16

1.4.6 集成开发环境和文本编辑器 16

1.5 社区和会议 17

1.6 快速浏览本书 17

1.6.1 代码示例 18

1.6.2 示例数据 18

1.6.3 导入约定 18

1.6.4 术语 19

第2章 Python语言基础、l Python及Jupyter notebook 20

2.1 Python解释器 21

2.2 IPython基础 22

2.2.1 运行IPython命令行 22

2.2.2 运行Jupyter notebook 23

2.2.3 Tab补全 25

2.2.4 内省 27

2.2.5 %run命令 28

2.2.6 执行剪贴板中的程序 30

2.2.7 终端快捷键 30

2.2.8 关于魔术命令 31

2.2.9 matplotlib集成 33

2.3 Python语言基础 34

2.3.1 语言语义 34

2.3.2 标量类型 42

2.3.3 控制流 49

第3章 内建数据结构、函数及文件 54

3.1 数据结构和序列 54

3.1.1 元组 54

3.1.2 列表 57

3.1.3 内建序列函数 61

3.1.4 字典 64

3.1.5 集合 67

3.1.6 列表、集合和字典的推导式 69

3.2 函数 72

3.2.1 命名空间、作用域和本地函数 72

3.2.2 返回多个值 73

3.2.3 函数是对象 74

3.2.4 匿名（Lambda）函数 75

3.2.5 柯里化：部分参数应用 76

3.2.6 生成器 77

3.2.7 错误和异常处理 79

3.3 文件与操作系统 82

3.3.1 字节 与Unicode文件 85

3.4 本章小结 86

第4章 NumPy基础：数组与向量化计算 87

4.1 NumPy ndarray：多维数组对象 89

4.1.1 生成ndarray 90

4.1.2 ndarray的数据类型 92

4.1.3 NumPy数组算术 94

4.1.4 基础索引与切片 95

4.1.5 布尔索引 100

4.1.6 神奇索引 103

4.1.7 数组转置和换轴 104

4.2 通用函数：快速的逐元素数组函数 106

4.3 使用数组进行面向数组编程 109

4.3.1 将条件逻辑作为数组操作 110

4.3.2 数学和统计方法 111

4.3.3 布尔值数组的方法 113

4.3.4 排序 114

4.3.5 唯一值与其他集合逻辑 115

4.4 使用数组进行文件输入和输出 115

4.5 线性代数 116

4.6 伪随机数生成 118

4.7 示例：随机漫步 120

4.7.1 一次性模拟多次随机漫步 121

4.8 本章小结 122

第5章 pandas入门 123

5.1 pandas数据结构介绍 123

5.1.1 Series 123

5.1.2 DataFrame 128

5.1.3 索引对象 134

5.2 基本功能 135

5.2.1 重建索引 136

5.2.2 轴向上删除条目 138

5.2.3 索引、选择与过滤 140

5.2.4 整数索引 144

5.2.5 算术和数据对齐 145

5.2.6 函数应用和映射 150

5.2.7 排序和排名 152

5.2.8 含有重复标签的轴索引 155

5.3 描述性统计的概述与计算 157

5.3.1 相关性和协方差 159

5.3.2 唯一值、计数和成员属性 161

5.4 本章小结 164

第6章 数据载入、存储及文件格式 165

6.1 文本格式数据的读写 165

6.1.1 分块读入文本文件 171

6.1.2 将数据写入文本格式 172

6.1.3 使用分隔格式 174

6.1.4 JSON数据 176

6.1.5 XML和HTML：网络抓取 177

6.2 二进制格式 180

6.2.1 使用HDF5格式 181

6.2.2 读取Microsoft Excel文件 183

6.3 与Web API交互 184

6.4 与数据库交互 186

6.5 本章小结 187

第7章 数据清洗与准备 188

7.1 处理缺失值 188

7.1.1 过滤缺失值 189

7.1.2 补全缺失值 191

7.2 数据转换 194

7.2.1 删除重复值 194

7.2.2 使用函数或映射进行数据转换 195

7.2.3 替代值 197

7.2.4 重命名轴索引 198

7.2.5 离散化和分箱 199

7.2.6 检测和过滤异常值 202

7.2.7 置换和随机抽样 203

7.2.8 计算指标/虚拟变量 204

7.3 字符串操作 207

7.3.1 字符串对象方法 208

7.3.2 正则表达式 210

7.3.3 pandas中的向量化字符串函数 213

7.4 本章小结 215

第8章 数据规整：连接、联合与重塑 216

8.1 分层索引 216

8.1.1 重排序和层级排序 219

8.1.2 按层级进行汇总统计 220

8.1.3 使用DataFrame的列进行索引 220

8.2 联合与合并数据集 221

8.2.1 数据库风格的DataFrame连接 222

8.2.2 根据索引合并 226

8.2.3 沿轴向连接 230

8.2.4 联合重叠数据 235

8.3 重塑和透视 236

8.3.1 使用多层索引进行重塑 236

8.3.2 将“长”透视为“宽” 240

8.3.3 将“宽”透视为“长” 242

8.4 本章小结 244

第9章 绘图与可视化 245

9.1 简明matplotlib API入门 245

9.1.1 图片与子图 246

9.1.2 颜色、标记和线类型 250

9.1.3 刻度、标签和图例 252

9.1.4 注释与子图加工 255

9.1.5 将图片保存到文件 258

9.1.6 matplotlib设置 258

9.2 使用pandas和seaborn绘图 259

9.2.1 折线图 259

9.2.2 柱状图 262

9.2.3 直方图和密度图 266

9.2.4 散点图或点图 269

9.2.5 分面网格和分类数据 270

9.3 其他Python可视化工具 271

9.4 本章小结 272

第10章 数据聚合与分组操作 274

10.1 GroupBy机制 274

10.1.1 遍历各分组 278

10.1.2 选择一列或所有列的子集 279

10.1.3 使用字典和Series分组 280

10.1.4 使用函数分组 281

10.1.5 根据索引层级分组 282

10.2 数据聚合 282

10.2.1 逐列及多函数应用 284

10.2.2 返回不含行索引的聚合数据 287

10.3 应用：通用拆分-应用-联合 288

10.3.1 压缩分组键 290

10.3.2 分位数与桶分析 291

10.3.3 示例：使用指定分组值填充缺失值 292

10.3.4 示例：随机采样与排列 294

10.3.5 示例：分组加权平均和相关性 296

10.3.6 示例：逐组线性回归 298

10.4 数据透视表与交叉表 298

10.4.1 交叉表：crosstab 301

10.5 本章小结 302

第11章 时间序列 303

11.1 日期和时间数据的类型及工具 303

11.1.1 字符串与datetime互相转换 305

11.2 时间序列基础 307

11.2.1 索引、选择、子集 308

11.2.2 含有重复索引的时间序列 311

11.3 日期范围、频率和移位 312

11.3.1 生成日期范围 313

11.3.2 频率和日期偏置 316

11.3.3 移位（前向和后向）日期 317

11.4 时区处理 320

11.4.1 时区的本地化和转换 320

11.4.2 时区感知时间戳对象的操作 323

11.4.3 不同时区间的操作 324

11.5 时间区间和区间算术 324

11.5.1 区间频率转换 326

11.5.2 季度区间频率 327

11.5.3 将时间戳转换为区间（以及逆转换） 329

11.5.4 从数组生成Periodlndex 330

11.6 重新采样与频率转换 332

11.6.1 向下采样 334

11.6.2 向上采样与插值 336

11.6.3 使用区间进行重新采样 337

11.7 移动窗口函数 339

11.7.1 指数加权函数 342

11.7.2 二元移动窗口函数 343

11.7.3 用户自定义的移动窗口函数 344

11.8 本章小结 344

第12章 高阶pandas 346

12.1 分类数据 346

12.1.1 背景和目标 346

12.1.2 pandas中的Categorical类型 348

12.1.3 使用Categorical对象进行计算 350

12.1.4 分类方法 352

12.2 高阶GroupBy应用 355

12.2.1 分组转换和“展开”GroupBy 355

12.2.2 分组的时间重新采样 359

12.3 方法链技术 361

12.3.1 pipe方法 362

12.4 本章小结 363

第13章 Python建模库介绍 364

13.1 pandas与建模代码的结合 364

13.2 使用Patsy创建模型描述 367

13.2.1 Patsy公式中的数据转换 369

13.2.2 分类数据与Patsy 371

13.3 statsmodels介绍 373

13.3.1 评估线性模型 374

13.3.2 评估时间序列处理 377

13.4 scikit-learn介绍 377

13.5 继续你的教育 381

第14章 数据分析示例 382

14.1 从Bitly获取1.USA.gov数据 382

14.1.1 纯Python时区计数 383

14.1.2 使用pandas进行时区计数 385

14.2 MovieLens 1M数据集 392

14.2.1 测量评价分歧 396

14.3 美国1880～2010年的婴儿名字 397

14.3.1 分析名字趋势 402

14.4 美国农业部食品数据库 410

14.5 2012年联邦选举委员会数据库 416

14.5.1 按职业和雇主的捐献统计 419

14.5.2 捐赠金额分桶 421

14.5.3 按州进行捐赠统计 423

14.6 本章小结 424

附录A高阶NumPy 425

附录B更多IPython系统相关内容 457