幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

Python實戰之數據分析與處理(新工科建設之路數據科學與大數據規劃教材)

  • 作者：編者:劉宇宙//劉艷|責編:章海濤
  • 出版社：電子工業
  • ISBN：9787121363474
  • 出版日期：2020/01/01
  • 裝幀：平裝
  • 頁數：295
人民幣：RMB 58 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是為使用Python進行科學計算的新手或剛入門者量身定做的，是作者學習和使用Python進行人工智慧項目研發的體會與經驗總結，涵蓋了實際開發中的基礎知識點，內容詳盡，代碼可讀性及可操作性強。
    本書主要介紹NumPy、Pandas、Matplotlib的基本操作。本書使用通俗易懂的描述，引入了豐富的示例代碼，同時結合智慧城市中的一些事件，使內容呈現盡可能生動有趣，讓一些原本複雜的處理能夠通過另一種輔助解釋得以簡單化，從而使讀者充分感受學習的樂趣和魅力。
    本書可供有一定Python基礎但沒有NumPy、Pandas、Matplotlib操作經驗的人員，有Python基礎並且想進一步學習使用Python進行科學計算的人員，有一些Python基礎並且打算入門人工智慧的人員，以及培訓機構、中學及大專院校的學生閱讀。
作者介紹
編者:劉宇宙//劉艷|責編:章海濤
目錄
第一部分  數據分析與處理簡介
  第1章  數據分析與處理概述
    1.1  了解大數據
    1.2  數據分析與處理的需求
    1.3  數據分析與處理的發展前景
第二部分  科學計算之門——NumPy
  第2章  NumPy入門
    2.1  NumPy簡介
    2.2  NumPy安裝
    2.3  NumPy——ndarray對象
    2.4  NumPy數據類型
      2.4.1  數據類型
      2.4.2  數據類型對象（dtype）
    2.5  NumPy數組屬性
    2.6  NumPy創建數組
      2.6.1  numpy.empty
      2.6.2  numpy.zeros
      2.6.3  numpy.ones
      2.6.4  numpy.asarray
      2.6.5  numpy.frombuffer
      2.6.6  numpy.fromiter
      2.6.7  numpy.arange
      2.6.8  numpy.linspace
      2.6.9  numpy.logspace
    2.7  NumPy切片和索引
      2.7.1  切片和索引
      2.7.2  整數數組索引
      2.7.3  布爾索引
      2.7.4  花式索引
    2.8  NumPy迭代數組
    2.9  NumPy數組操作
      2.9.1  修改數字形狀
      2.9.2  翻轉數組
      2.9.3  修改數組維度
      2.9.4  連接數組
      2.9.5  分割數組
      2.9.6  數組的添加與刪除
    2.10  NumPy位運算
      2.10.1  bitwise_and()函數
      2.10.2  bitwise_or()函數
      2.10.3  invert()函數
      2.10.4  left_shift()函數
      2.10.5  right_shift()函數
    2.11  實戰演練
  第3章  NumPy函數
    3.1  字元串函數
      3.1.1  numpy.char.add()函數
      3.1.2  numpy.char.multiply()函數
      3.1.3  numpy.char.center()函數
      3.1.4  numpy.char.capitalize()函數

      3.1.5  numpy.char.title()函數
      3.1.6  numpy.char.lower()函數
      3.1.7  numpy.char.upper()函數
      3.1.8  numpy.char.split()函數
      3.1.9  numpy.char.splitlines()函數
      3.1.10  numpy.char.strip()函數
      3.1.11  numpy.char.join()函數
      3.1.12  numpy.char.replace()函數
      3.1.13  numpy.char.encode()函數
      3.1.14  numpy.char.decode()函數
    3.2  數學函數
      3.2.1  三角函數
      3.2.2  舍入函數
      3.2.3  numpy.floor()函數
      3.2.4  numpy.ceil()函數
    3.3  算術函數
    3.4  統計函數
      3.4.1  numpy.amin()函數和numpy.amax()函數
      3.4.2  numpy.ptp()函數
      3.4.3  numpy.percentile()函數
      3.4.4  numpy.median()函數
      3.4.5  numpy.mean()函數
      3.4.6  numpy.average()函數
      3.4.7  標準差
      3.4.8  方差
    3.5  排序、搜索和計數函數
      3.5.1  numpy.sort()函數
      3.5.2  numpy.argsort()函數
      3.5.3  numpy.lexsort()函數
      3.5.4  numpy.argmax()函數和numpy.argmin()函數
      3.5.5  numpy.nonzero()函數
      3.5.6  numpy.where()函數
      3.5.7  numpy.extract()函數
      3.5.8  其他排序
    3.6  位元組交換
    3.7  副本和視圖
      3.7.1  無複製
      3.7.2  視圖
      3.7.3  副本
    3.8  矩陣庫
    3.9  線性代數
    3.10  NumPy IO
    3.11  實戰演練
第三部分  數據處理法寶——Pandas
  第4章  Pandas入門
    4.1  Pandas簡介
    4.2  Pandas安裝及數據結構
    4.3  系列
      4.3.1  創建空系列
      4.3.2  由ndarray創建系列

      4.3.3  由字典創建系列
      4.3.4  使用標量創建系列
      4.3.5  從系列中訪問數據
      4.3.6  使用標籤檢索數據
    4.4  數據幀
      4.4.1  創建空數據幀
      4.4.2  使用列表創建數據幀
      4.4.3  使用ndarrays/lists的字典創建數據幀
      4.4.4  使用字典列表創建數據幀
      4.4.5  使用系列的字典創建數據幀
      4.4.6  列選擇
      4.4.7  列添加
      4.4.8  列刪除
      4.4.9  行選擇、添加和刪除
      4.4.10  行切片
    4.5  面板
      4.5.1  面板創建
      4.5.2  數據選擇
    4.6  基本功能
      4.6.1  T轉置
      4.6.2  axes
      4.6.3  dtypes
      4.6.4  empty
      4.6.5  ndim
      4.6.6  shape
      4.6.7  size
      4.6.8  values
      4.6.9  head()方法與tail()方法
    4.7  描述性統計
      4.7.1  sum()函數
      4.7.2  mean()函數
      4.7.3  std()函數
      4.7.4  describe()函數
    4.8  函數應用
      4.8.1  表格函數
      4.8.2  行列合理函數
      4.8.3  元素合理函數
    4.9  重建索引
      4.9.1  重建對象對齊索引
      4.9.2  填充時重新加註
      4.9.3  重建索引時的填充限制
      4.9.4  重命名
    4.10  迭代
    4.11  排序
      4.11.1  按標籤排序
      4.11.2  排序順序
      4.11.3  按列排序
      4.11.4  按值排序
      4.11.5  排序演算法
    4.12  字元串和文本數據

      4.12.1  lower()函數
      4.12.2  upper()函數
      4.12.3  len()函數
      4.12.4  strip()函數
      4.12.5  split()函數
      4.12.6  cat()函數
      4.12.7  get_dummies()函數
      4.12.8  contains()函數
      4.12.9  replace()函數
      4.12.10  repeat()函數
      4.12.11  count()函數
      4.12.12  startswith()函數
      4.12.13  endswith()函數
      4.12.14  find()函數
      4.12.15  findall()函數
      4.12.16  swapcase()函數
      4.12.17  islower()函數
      4.12.18  isupper()函數
      4.12.19  isnumeric()函數
    4.13  選項和自定義
      4.13.1  get_option()函數
      4.13.2  set_option()函數
      4.13.3  reset_option()函數
      4.13.4  describe_option()函數
      4.13.5  option_context()函數
    4.14  選擇和索引數據
      4.14.1  .loc()
      4.14.2  .iloc()
      4.14.3  .ix()
      4.14.4  使用符號
      4.14.5  屬性訪問
    4.15  實戰演練
  第5章  Pandas進階
    5.1  統計函數
      5.1.1  pct_change()函數
      5.1.2  協方差
      5.1.3  相關性
      5.1.4  數據排名
    5.2  窗口函數
      5.2.1  .rolling()函數
      5.2.2  .expanding()函數
      5.2.3  .ewm()函數
    5.3  聚合
      5.3.1  在整個DataFrame上應用聚合
      5.3.2  在DataFrame的單列上應用聚合
      5.3.3  在DataFrame的多列上應用聚合
      5.3.4  在DataFrame的單列上應用多個函數
      5.3.5  在DataFrame的多列上應用多個函數
      5.3.6  將不同的函數應用於DataFrame的不同列
    5.4  缺失數據

      5.4.1  為什麼會缺失數據
      5.4.2  檢查缺失值
      5.4.3  缺失數據的計算
      5.4.4  缺失數據填充
      5.4.5  向前和向後填充
      5.4.6  清除缺失值
      5.4.7  值替換
    5.5  分組
      5.5.1  將數據拆分成組
      5.5.2  查看分組
      5.5.3  迭代遍歷分組
      5.5.4  選擇一個分組
      5.5.5  聚合
      5.5.6  使用多個聚合函數
      5.5.7  轉換
      5.5.8  過濾
    5.6  合併/連接
      5.6.1  合併一個鍵上的兩個數據幀
      5.6.2  合併多個鍵上的兩個數據幀
      5.6.3  使用how參數
    5.7  級聯
      5.7.1  concat()函數
      5.7.2  append()函數
      5.7.3  時間序列
    5.8  日期功能
    5.9  時間差
    5.10  分類數據
    5.11  稀疏數據
    5.12  實戰演練
第四部分  優雅的藝術——Matplotlib
  第6章  Matplotlib入門
    6.1  Matplotlib簡介
    6.2  Matplotlib安裝
    6.3  Pyplot教程
      6.3.1  控制線條屬性
      6.3.2  處理多個圖形和軸域
      6.3.3  處理文本
      6.3.4  在文本中使用數學表達式
      6.3.5  對數和其他非線性軸
    6.4  使用GridSpec自定義子圖位置
      6.4.1  subplot2grid
      6.4.2  GridSpec和SubplotSpec
      6.4.3  調整GridSpec布局
      6.4.4  使用SubplotSpec創建GridSpec
      6.4.5  調整GridSpec布局
    6.5  布局
      6.5.1  簡單示例
      6.5.2  和GridSpec一起使用
      6.5.3  和AxesGrid1一起使用
      6.5.4  顏色條

    6.6  藝術家教程
      6.6.1  自定義對象
      6.6.2  圖形容器
      6.6.3  軸域容器
      6.6.4  軸容器（Axis）
      6.6.5  刻度容器
    6.7  圖例指南
      6.7.1  控製圖例條目
      6.7.2  代理藝術家
      6.7.3  圖例位置
      6.7.4  同軸域的多個圖例
      6.7.5  圖例處理器
      6.7.6  自定義圖例處理器
    6.8  變換
      6.8.1  數據坐標
      6.8.2  混合變換
      6.8.3  創建陰影效果
    6.9  路徑
      6.9.1  貝塞爾示例
      6.9.2  複合路徑
      6.9.3  路徑效果
      6.9.4  添加陰影
      6.9.5  其他
  第7章  Matplotlib更多處理
    7.1  基本文本命令
    7.2  文本屬性及布局
    7.3  標注
      7.3.1  基本標注
      7.3.2  使用框和文本標注
      7.3.3  使用箭頭標注
    7.4  數學表達式
    7.5  顏色指定
    7.6  事件處理及拾取
      7.6.1  事件連接
      7.6.2  事件屬性
      7.6.3  可拖曳的矩形
      7.6.4  滑鼠進入和離開
      7.6.5  對象拾取
    7.7  擴展
      7.7.1  透明度填充
      7.7.2  透明、花式圖例
      7.7.3  放置文本框
第五部分  項目實戰
  第8章  數據載入與資料庫操作
    8.1  讀寫文本格式的數據
    8.2  逐塊讀取文本文件
    8.3  數據寫入文本
    8.4  JSON數據處理
    8.5  二進位數據格式
    8.6  HDF5數據格式

    8.7  Pandas操作資料庫
  第9章  數據分析
    9.1  數據準備
    9.2  數據處理
    9.3  數據可視化
附錄A  可用Line2D屬性
附錄B  習題參考答案

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032