91精品国产综合久久四虎久久_国产成人午夜高潮毛片_99er视频精品免费观看_2020亚洲熟女在线观看_日本女优人体写真_国内黄色毛片_年轻的老师中文版在线_丰满女邻居做爰_久久久久久精品成人免费图片

 
利用Python進(jìn)行數(shù)據(jù)分析
利用Python進(jìn)行數(shù)據(jù)分析
Wes McKinney
唐學(xué)韜 等譯
出版時(shí)間:2013年10月
頁(yè)數(shù):451
“科學(xué)計(jì)算和數(shù)據(jù)分析社區(qū)已經(jīng)等待這本書(shū)很多年了:大量具體的實(shí)踐建議,以及大量綜合應(yīng)用方法。本書(shū)在未來(lái)幾年里肯定會(huì)成為Python領(lǐng)域中技術(shù)計(jì)算的權(quán)威指南。”
——Fernando Pérez
加州大學(xué)伯克利分校研究科學(xué)家,
IPython的創(chuàng)始人之一
還在苦苦尋覓用Python控制、處理、整理、分析結(jié)構(gòu)化數(shù)據(jù)的完整課程?本書(shū)含有大量的實(shí)踐案例,你將學(xué)會(huì)如何利用各種Python庫(kù)(包括NumPy、pandas、matplotlib以及IPython等)高效地解決各式各樣的數(shù)據(jù)分析問(wèn)題。
由于作者Wes McKinney是pandas庫(kù)的主要作者,所以本書(shū)也可以作為利用Python實(shí)現(xiàn)數(shù)據(jù)密集型應(yīng)用的科學(xué)計(jì)算實(shí)踐指南。本書(shū)適合剛剛接觸Python的分析人員以及剛剛接觸科學(xué)計(jì)算的Python程序員。
· 將IPython這個(gè)交互式Shell作為你的首要開(kāi)發(fā)環(huán)境。
· 學(xué)習(xí)NumPy(Numerical Python)的基礎(chǔ)和高級(jí)知識(shí)。
· 從pandas庫(kù)的數(shù)據(jù)分析工具開(kāi)始。
· 利用高性能工具對(duì)數(shù)據(jù)進(jìn)行加載、清理、轉(zhuǎn)換、合并以及重塑。
· 利用matplotlib創(chuàng)建散點(diǎn)圖以及靜態(tài)或交互式的可視化結(jié)果。
· 利用pandas的groupby功能對(duì)數(shù)據(jù)集進(jìn)行切片、切塊和匯總操作。
· 處理各種各樣的時(shí)間序列數(shù)據(jù)。
· 通過(guò)詳細(xì)的案例學(xué)習(xí)如何解決Web分析、社會(huì)科學(xué)、金融學(xué)以及經(jīng)濟(jì)學(xué)等領(lǐng)域的問(wèn)題。
Wes McKinney 資深數(shù)據(jù)分析專(zhuān)家,對(duì)各種Python庫(kù)(包括NumPy、pandas、matplotlib以及IPython等)都有深入研究,并在大量的實(shí)踐中積累了豐富的經(jīng)驗(yàn)。撰寫(xiě)了大量與Python數(shù)據(jù)分析相關(guān)的經(jīng)典文章,被各大技術(shù)社區(qū)爭(zhēng)相轉(zhuǎn)載,是Python和開(kāi)源技術(shù)社區(qū)公認(rèn)的權(quán)威人物之一。開(kāi)發(fā)了用于數(shù)據(jù)分析的著名開(kāi)源Python庫(kù)——pandas,廣獲用戶(hù)好評(píng)。在創(chuàng)建Lambda Foundry(一家致力于企業(yè)數(shù)據(jù)分析的公司)之前,他曾是AQR Capital Management的定量分析師。
  1. 前言
  2. 第1章 準(zhǔn)備工作
  3. 本書(shū)主要內(nèi)容
  4. 為什么要使用Python進(jìn)行數(shù)據(jù)分析
  5. 重要的Python庫(kù)
  6. 安裝和設(shè)置
  7. 社區(qū)和研討會(huì)
  8. 使用本書(shū)
  9. 致謝
  10. 第2章 引言
  11. 來(lái)自bit.ly的1.usa.gov數(shù)據(jù)
  12. MovieLens 1M數(shù)據(jù)集
  13. 1880—2010年間全美嬰兒姓名
  14. 小結(jié)及展望
  15. 第3章 IPython:一種交互式計(jì)算和開(kāi)發(fā)環(huán)境
  16. IPython基礎(chǔ)
  17. 內(nèi)省
  18. 使用命令歷史
  19. 與操作系統(tǒng)交互
  20. 軟件開(kāi)發(fā)工具
  21. IPython HTML Notebook
  22. 利用IPython提高代碼開(kāi)發(fā)效率的幾點(diǎn)提示
  23. 高級(jí)IPython功能
  24. 致謝
  25. 第4章 NumPy基礎(chǔ):數(shù)組和矢量計(jì)算
  26. NumPy的ndarray:一種多維數(shù)組對(duì)象
  27. 通用函數(shù):快速的元素級(jí)數(shù)組函數(shù)
  28. 利用數(shù)組進(jìn)行數(shù)據(jù)處理
  29. 用于數(shù)組的文件輸入輸出
  30. 線(xiàn)性代數(shù)
  31. 隨機(jī)數(shù)生成
  32. 范例:隨機(jī)漫步
  33. 第5章 pandas入門(mén)
  34. pandas的數(shù)據(jù)結(jié)構(gòu)介紹
  35. 基本功能
  36. 匯總和計(jì)算描述統(tǒng)計(jì)
  37. 處理缺失數(shù)據(jù)
  38. 層次化索引
  39. 其他有關(guān)pandas的話(huà)題
  40. 第6章 數(shù)據(jù)加載、存儲(chǔ)與文件格式
  41. 讀寫(xiě)文本格式的數(shù)據(jù)
  42. 二進(jìn)制數(shù)據(jù)格式
  43. 使用HTML和Web API
  44. 使用數(shù)據(jù)庫(kù)
  45. 第7章 數(shù)據(jù)規(guī)整化:清理、轉(zhuǎn)換、合并、重塑
  46. 合并數(shù)據(jù)集
  47. 重塑和軸向旋轉(zhuǎn)
  48. 數(shù)據(jù)轉(zhuǎn)換
  49. 字符串操作
  50. 示例:USDA食品數(shù)據(jù)庫(kù)
  51. 第8章 繪圖和可視化
  52. matplotlib API入門(mén)
  53. pandas中的繪圖函數(shù)
  54. 繪制地圖:圖形化顯示海地地震危機(jī)數(shù)據(jù)
  55. Python圖形化工具生態(tài)系統(tǒng)
  56. 第9章 數(shù)據(jù)聚合與分組運(yùn)算
  57. GroupBy技術(shù)
  58. 數(shù)據(jù)聚合
  59. 分組級(jí)運(yùn)算和轉(zhuǎn)換
  60. 透視表和交叉表
  61. 示例:2012聯(lián)邦選舉委員會(huì)數(shù)據(jù)庫(kù)
  62. 第10章 時(shí)間序列
  63. 日期和時(shí)間數(shù)據(jù)類(lèi)型及工具
  64. 時(shí)間序列基礎(chǔ)
  65. 日期的范圍、頻率以及移動(dòng)
  66. 時(shí)區(qū)處理
  67. 時(shí)期及其算術(shù)運(yùn)算
  68. 重采樣及頻率轉(zhuǎn)換
  69. 時(shí)間序列繪圖
  70. 移動(dòng)窗口函數(shù)
  71. 性能和內(nèi)存使用方面的注意事項(xiàng)
  72. 第11章 金融和經(jīng)濟(jì)數(shù)據(jù)應(yīng)用
  73. 數(shù)據(jù)規(guī)整化方面的話(huà)題
  74. 分組變換和分析
  75. 更多示例應(yīng)用
  76. 第12章 NumPy高級(jí)應(yīng)用
  77. ndarray對(duì)象的內(nèi)部機(jī)理
  78. 高級(jí)數(shù)組操作
  79. 廣播
  80. ufunc高級(jí)應(yīng)用
  81. 結(jié)構(gòu)化和記錄式數(shù)組
  82. 更多有關(guān)排序的話(huà)題
  83. NumPy的matrix類(lèi)
  84. 高級(jí)數(shù)組輸入輸出
  85. 性能建議
  86. 附錄A Python語(yǔ)言精要
書(shū)名:利用Python進(jìn)行數(shù)據(jù)分析
作者:Wes McKinney
譯者:唐學(xué)韜 等譯
國(guó)內(nèi)出版社:機(jī)械工業(yè)出版社
出版時(shí)間:2013年10月
頁(yè)數(shù):451
書(shū)號(hào):978-7-111-43673-7
原版書(shū)書(shū)名:Python for Data Analysis
原版書(shū)出版商:O'Reilly Media
Wes McKinney
 
Wes McKinney是紐約的一名數(shù)據(jù)分析高手和企業(yè)主。在2007年獲得MIT的數(shù)學(xué)學(xué)士學(xué)位之后,他到位于康涅狄格州格林威治市(Greenwich,CT)的AQR Capital Management公司從事定量金融方面的工作。由于不滿(mǎn)那些數(shù)據(jù)分析工具的各種不好用,他開(kāi)始學(xué)習(xí)Python,并于2008年開(kāi)始構(gòu)建pandas項(xiàng)目。他目前是Python科學(xué)計(jì)算社區(qū)的活躍分子,而且積極倡導(dǎo)在數(shù)據(jù)分析、金融以及統(tǒng)計(jì)應(yīng)用中使用Python。
 
 
本書(shū)封面上的那只動(dòng)物是一只筆尾樹(shù)鼩(拉丁名為Ptilocercus lowii)。筆尾樹(shù)鼩是筆尾樹(shù)鼩科(Ptilocercidae)筆尾樹(shù)鼩屬(Ptilocercus)中的唯一物種,其他樹(shù)鼩都屬于樹(shù)鼩科(Tupaiidae)。樹(shù)鼩的特征是長(zhǎng)長(zhǎng)的尾巴和柔軟的紅棕色皮毛。從名字上就能看出來(lái),筆尾樹(shù)鼩有一條形如羽毛筆的尾巴。樹(shù)鼩是雜食性動(dòng)物,以昆蟲(chóng)、水果、種子以及小型脊椎動(dòng)物為主要食物。
主要分布于印度尼西亞、馬來(lái)西亞和泰國(guó),這些野生哺乳動(dòng)物以慣于長(zhǎng)期飲酒而著稱(chēng)。馬來(lái)西亞樹(shù)鼩每天要花費(fèi)數(shù)小時(shí)食用天然發(fā)酵的玻淡棕櫚花蜜,相當(dāng)于大約10到12杯酒精含量為3.8%的酒。盡管如此,從來(lái)也沒(méi)有一只筆尾樹(shù)鼩喝醉過(guò),這得歸功于它們那令人印象深刻的乙醇降解能力,包括一種人類(lèi)所沒(méi)有的酒精代謝方式。跟其他哺乳動(dòng)物相比(包括人類(lèi)?),它們還有另外一個(gè)令人印象深刻的特點(diǎn)——大腦跟身體的質(zhì)量比。
雖然這種野生動(dòng)物的名字叫筆尾樹(shù)鼩(pen-tailed tree-shrew),但它們并不是真正的鼠類(lèi)(shrew),而是更接近于靈長(zhǎng)類(lèi)(primates)。因此,樹(shù)鼩在近視、心理社會(huì)應(yīng)激、肝炎等醫(yī)學(xué)實(shí)驗(yàn)中成為靈長(zhǎng)類(lèi)動(dòng)物的一種替代品。
購(gòu)買(mǎi)選項(xiàng)
定價(jià):89.00元
書(shū)號(hào):978-7-111-43673-7
出版社:機(jī)械工業(yè)出版社