新書推薦：
《
氢经济
》
售價：NT$
549.0
《
校园欺凌
》
售價：NT$
279.0
《
培训需求分析与年度计划制订——基于组织战略，做”对的”培训！
》
售價：NT$
386.0
《
这就是心理咨询：全球心理咨询师都在用的45项技术（第3版）
》
售價：NT$
717.0
《
正说清朝十二帝（修订珍藏版）
》
售價：NT$
493.0
《
黑海史：从历史涟漪到时代巨浪
》
售價：NT$
538.0
《
我，毕加索
》
售價：NT$
280.0
《
投资真相
》
售價：NT$
381.0
|
| 內容簡介： |
|
本书共分为10章，循序渐进地讲述了Python数据分析的基本概念、NumPy、Pandas、matplotlib以及Python数据分析的综合案例，包括以下主要内容：Python数据分析的基本概念与环境安装配置，以及开发工具的使用；NumPy模块的基本概念、结构及语法；介绍数据分析的核心模块Pandas，以及如何使用Pandas中两大核心对象Series和DataFrame；如何从数据源（文件、数据库）中读取数据并转换为Pandas模块中的DataFrame对象，进而进行数据分析；Pandas中的缺失对象、索引对象以及常用的数据清洗方式；Pandas中的多层索引对象，以及索引对象和Pandas中Series与DataFrame的关系；数据合并的概念，以及Pandas中数据合并的方法；数据分组的概念，以及Pandas中数据分组的方法；如何利用matplotlib进行数据可视化；综合利用本书知识为读者展示对招聘数据进行分析的实战案例。本书可作为高校计算机及相关专业基础课程教材，也可作为数据分析培训教材和提高数据分析操作能力的参考书。书中在合理安排内容的同时配有适量的例题与习题，以辅助教师讲授和学生自学。
|
| 目錄：
|
|
前言第1章数据科学导论1.1数据科学的由来1.2数据科学在不同场景中的应用1.3数据科学工作的一般流程1.4IPython的概念1.5IPython的安装1.6IPython的功能特点1.6.1magic特性1.6.2Tab补全功能1.6.3代码自省1.7Jupyter Notebook的使用1.7.1Jupyter Notebook的概念及特点1.7.2安装Jupyter Notebook1.7.3启动Jupyter Notebook1.8本章小结1.9练习第2章NumPy基础2.1NumPy的概念2.1.1什么是NumPy2.1.2NumPy的优势2.2ndarray对象基本应用2.2.1创建ndarray2.2.2元素的类型2.2.3数组的属性2.3索引与切片2.3.1基本的索引与切片2.3.2切片索引2.3.3布尔型索引2.3.4花式索引2.4内置函数2.4.1字符串函数2.4.2统计函数2.4.3数学函数2.4.4算术函数2.4.5排序、筛选函数2.5数组的运算2.5.1四则运算2.5.2广播2.5.3逻辑运算2.6基于数组的文件输入与输出2.7利用数组进行数据处理2.7.1条件逻辑表述为数组运算2.7.2用于布尔型数组的方法2.8本章小结2.9练习第3章Pandas入门3.1Pandas介绍3.2Pandas数据结构 Series3.2.1创建Series对象3.2.2Series数据的访问3.2.3通过NumPy和其他Series对象定义新的Series对象3.2.4Series的元素判断和过滤3.2.5Series的元素组成3.2.6Series的计算3.3Pandas数据结构 DataFrame3.3.1创建DataFrame3.3.2DataFrame数据的访问3.3.3DataFrame 基础信息查看3.3.4DataFrame数据的选取和过滤3.4Pandas的算术运算3.5Pandas函数应用与映射3.6本章小结3.7练习第4章Pandas数据加载4.1读取CSV文件中的数据4.2处理CSV文件中的无效数据4.3逐块读取文本文件4.4从数据库中读取数据4.5读取JSON数据4.6将数据写入CSV文件4.7本章小结4.8练习Python科学计算目录第5章Pandas数据预处理5.1了解缺失值5.1.1None ：Python对象类型的缺失值5.1.2NaN:数值类型的缺失值5.1.3Pandas中常用缺失值的总结5.2处理缺失值5.2.1探索缺失值5.2.2删除缺失值5.2.3替换缺失值5.3本章小结5.4练习第6章Pandas索引的应用6.1索引对象6.1.1初识Index对象6.1.2创建并使用Index对象6.1.3创建并使用MultiIndex对象6.2索引及切片6.2.1Series对象6.2.2DataFrame对象6.3本章小结6.4练习第7章Pandas数据合并及常见字符串处理7.1字符串常见操作7.2Series类中str对象的方法7.3数据拼接7.3.1低维度数据合并7.3.2高维度数据合并7.4数据连接7.5本章小结7.6练习第8章Pandas分组8.1数据分组8.2数据分组高级使用8.3透视表制作8.4本章小结8.5练习第9章使用matplotlib完成数据可视化9.1matplotlib的安装9.2matplotlib的快速使用9.3pyplot的用法详解9.3.1pyplot的快速使用9.3.2绘制多个子图9.3.3为图表添加文本9.3.4为图表添加图例9.3.5日期类型的数据9.3.6注解的使用9.4折线图9.5柱状图9.6散点图9.7误差线9.8本章小结9.9练习第10章招聘数据综合分析10.1不同岗位公司类型占比10.2数据分析岗位各招聘公司规模分布10.3数据分析岗位招聘学历以及经验要求10.4数据分析岗位招聘城市需求数量占比10.5数据分析岗位招聘不同地区薪资分布10.6本章小结10.7练习参考文献
|
| 內容試閱：
|
|
不论从事什么领域的分析工作，掌握计算机科学知识对分析师来说都是基本的要求。因为只有具备良好的计算机科学知识及实际应用经验，才能熟练掌握数据分析的工具。数据分析离不开计算机技术，比如用于计算的软件MATLAB和编程语言（C++、Java、Python、R）等。在Pandas出现之前，R语言在数据分析领域一直处于霸主地位，随着Pandas模块的出现，Python在数据分析领域成了后起之秀。比起R和MATLAB等其他用于数据分析的编程语言，Python不仅提供数据处理平台，还有其他语言和专业应用软件没有的特点。Python的库一直在增加，其相应的算法也在不断优化，其作为“胶水语言”能与很多语言对接，这些特点使得Python在分析领域与众不同。本书主要讲述Python数据分析中常用到的三大模块:NumPy、Pandas、matplotlib，后为读者展示了一个完整的实战案例，使读者能够做到学以致用。读者在掌握了本书的基础知识之后，并在工作中不断提升数据分析的能力，才能做出更复杂的数据分析应用。本书要求读者边学习、边实践操作，每一章都有大量的案例供读者学习参考，避免学习的知识流于表面、限于理论，Python数据分析没有捷径可走，的方式就是多实践、多动手、多学习经典的数据分析案例，进而应用到自己的分析项目中。参与本书编写的有孙霓刚、李祺、王超、徐彬彬、王智超、包宜洋。其中王超负责第1、2章的编写，徐彬彬负责第3、4章的编写，王智超负责第5~8章的编写，包宜洋负责第9、10章的编写，孙霓刚、李祺和包宜洋对全书进行了统稿。由于作者水平有限，不当之处在所难免，恳请读者批评指正。编者
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
