基本介紹
- 中文名：
- 作者：
- 出版時間：
- 出版社：
- 頁數：
- ISBN：
- 定價：
- 開本：
內容簡介,圖書目錄,
內容簡介
圖書目錄
2.4.2 二維數組套用實例 53
第3章 Pandas數據的導入與導出 55
3.1 導入CSV檔案 56
3.2 導入Excel檔案 63
3.3 導入JSON檔案 68
3.4 Pandas數據的輸出 70
3.4.1 輸出CSV檔案 71
3.4.2 輸出Excel檔案 73
3.4.3 輸出JSON檔案 76
第4章 Pandas數據表的查看和清洗 79
4.1 Pandas數據表信息的查看 80
4.2 Pandas數據表的清洗 92
4.2.1 空值的清洗 92
4.2.2 格式錯誤數據的清洗 97
4.2.3 錯誤數據的清洗 98
4.2.4 重複數據的清洗 101
4.2.5 數據表列名的清洗 103
4.2.6 數據內容的清洗 105
第5章 Pandas數據的合併與對比 108
5.1 利用append方法追加數據 109
5.2 利用concat方法合併數據 118
5.3 利用merge方法合併數據 125
5.4 利用compare方法對比數據 130
第6章 Pandas數據的預處理 135
6.1 設定索引列 135
6.2 排序 141
6.2.1 按索引列排序 141
6.2.2 按指定列排序 144
6.3 分組標記 146
6.4 列的拆分 151
第7章 Pandas數據的提取 155
7.1 利用loc提取數據 155
7.2 利用iloc提取數據 164
7.3 利用屬性提取數據 170
7.4 利用For循環提取數據 172
第8章 Pandas數據的篩選 175
8.1 Pandas數據關係篩選 176
8.1.1 等於關係數據篩選實例 176
8.1.2 不等於關係數據篩選實例 178
8.1.3 大於和大於等於關係數據篩選實例 180
8.1.4 小於和小於等於關係數據篩選實例 182
8.2 Pandas數據邏輯篩選 183
8.2.1 使用“與”進行數據篩選實例 183
8.2.2 使用“或”進行數據篩選實例 185
8.2.3 使用“非”進行數據篩選實例 186
8.3 使用query方法進行數據篩選實例 188
8.4 使用filter方法進行數據篩選 192
第9章 Pandas數據的聚合函式 197
9.1 sum函式的套用 197
9.2 mean函式的套用 202
9.3 max函式的套用 207
9.4 min函式的套用 210
9.5 count函式的套用 213
第10章 Pandas數據的分組與透視 217
10.1 Pandas數據的分組 218
10.2 Pandas數據的透視 230
第11章 Pandas數據的統計 243
11.1 數據採樣 243
11.2 數據統計 249
11.3 數據相關性分析 267
11.3.1 協方差的套用 267
11.3.2 協方差相關係數的套用 270
第12章 Pandas數據的可視化 275
12.1 利用Pandas中的plot方法繪圖 276
12.2 利用Matplotlib包繪製Pandas數據圖形 287
第13章 Pandas數據的機器學習算法 303
13.1 機器學習概述 304
13.1.1 什麼是機器學習 304
13.1.2 機器學習的類型 304
13.2 常見的機器學習算法 305
13.3 機器學習的sklearn包 307
13.3.1 sklearn包中的數據集 308
13.3.2 iris數據集 308
13.3.3 查看iris數據集實例 309
13.4 決策樹 314
13.4.1 決策樹的組成 315
13.4.2 決策樹的優點 315
13.4.3 決策樹的缺點 316
13.4.4 決策樹實現實例 316
13.5 隨機森林 318
13.5.1 隨機森林的構建 318
13.5.2 隨機森林的優缺點 318
13.5.3 隨機森林的套用範圍 319
13.5.4 隨機森林實現實例 319
13.6 支持向量機 321
13.6.1 支持向量機的工作原理 321
13.6.2 核函式 322
13.6.3 支持向量機的優點 324
13.6.4 支持向量機的缺點 324
13.6.5 支持向量機實現實例 325
13.7 樸素貝葉斯算法 328
13.7.1 樸素貝葉斯算法的思想 329
13.7.2 樸素貝葉斯算法的步驟 329
13.7.3 樸素貝葉斯算法的優缺點 330
13.7.4 高斯樸素貝葉斯模型實現實例 330
13.7.5 多項式分布樸素貝葉斯模型實現實例 333
13.7.6 伯努力樸素貝葉斯模型實現實例 336
第14章 Pandas的時間序列數據 338
14.1 Pandas時間序列的創建 339
14.2 時間類型與字元串類型的轉換 343
14.3 時間序列數據的操作技巧 345
14.3.1 時間序列數據的提取 345
14.3.2 時間序列數據的篩選 349
14.3.3 時間序列數據的重採樣 352
14.3.4 時間序列數據的滑動視窗 355
14.4 時間序列數據的預測 359
14.4.1 時間序列數據的準備 359
14.4.2 時間序列數據的樸素預測法 362
14.4.3 時間序列數據的簡單平均預測法 363
14.4.4 時間序列數據的移動平均預測法 365
14.4.5 時間序列數據的簡單指數平滑預測法 367
14.4.6 時間序列數據的霍爾特線性趨勢預測法 369
14.4.7 時間序列數據的Holt-Winters季節性預測法 371
14.4.8 時間序列數據的自回歸移動平均預測法 373
