《Pandas數據分析》是2023年6月1日清華大學出版社出版的圖書，作者：[美]史蒂芬妮·莫林 著 李強 譯。
基本介紹
- 中文名：Pandas數據分析
- 作者：[美]史蒂芬妮·莫林
- 譯者：李強
- 出版時間：2023年6月1日
- 出版社：清華大學出版社
- ISBN：9787302631354
- 定價：169 元
- 印次：1-1
- 印刷日期：2023.06.25
內容簡介,圖書目錄,
內容簡介
《Pandas數據分析》詳細闡述了與Pandas數據分析相關的基本解決方案，主要包括數據分析導論、使用Pandas DataFrame、使用Pandas進行數據整理、聚合Pandas DataFrame、使用Pandas和Matplotlib可視化數據、使用Seaborn和自定義技術繪圖、金融分析、基於規則的異常檢測、Python機器學習入門、做出更好的預測、機器學習異常檢測等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。 本書適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學用書和參考手冊。
圖書目錄
目 錄
第1篇 Pandas入門
第1章 數據分析導論 3
1.1 章節材料 3
1.2 數據分析基礎知識 5
1.2.1 數據收集 6
1.2.2 數據整理 7
1.2.3 探索性數據分析 8
1.2.4 得出結論 9
1.3 統計基礎知識 10
1.3.1 採樣 11
1.3.2 描述性統計 12
1.3.3 集中趨勢的度量 12
1.3.4 均值 12
1.3.5 中位數 13
1.3.6 眾數 13
1.3.7 數據散布的度量 14
1.3.8 全距 14
1.3.9 方差 15
1.3.10 標準差 15
1.3.11 變異係數 16
1.3.12 四分位距 17
1.3.13 四分位離散係數 17
1.3.14 匯總數據 18
1.3.15 常見分布 22
1.3.16 縮放數據 24
1.3.17 量化變數之間的關係 25
1.3.18 匯總統計的陷阱 27
1.3.19 預測 28
1.3.20 推論統計 32
1.4 設定虛擬環境 35
1.4.1 虛擬環境 35
1.4.2 使用venv 36
1.4.3 Windows中的操作 37
1.4.4 Linux/macOS中的操作 37
1.4.5 使用conda 38
1.4.6 安裝所需的Python包 40
1.4.7 關於Pandas 40
1.4.8 Jupyter Notebook 41
1.4.9 啟動JupyterLab 41
1.4.10 驗證虛擬環境 43
1.4.11 關閉JupyterLab 45
1.5 小結 45
1.6 練習 46
1.7 延伸閱讀 47
第2章 使用Pandas DataFrame 49
2.1 章節材料 49
2.2 Pandas數據結構 50
2.2.1 Series 55
2.2.2 Index 56
2.2.3 DataFrame 57
2.3 創建Pandas DataFrame 60
2.3.1 從Python對象中創建DataFrame 61
2.3.2 從檔案中創建DataFrame 65
2.3.3 從資料庫中創建DataFrame 69
2.3.4 從API中獲取數據以創建DataFrame 71
2.4 檢查DataFrame對象 74
2.4.1 檢查數據 74
2.4.2 描述數據 77
2.5 抓取數據的子集 80
2.5.1 選擇列 81
2.5.2 切片 84
2.5.3 索引 86
2.5.4 過濾 88
2.6 添加和刪除數據 95
2.6.1 創建新數據 96
2.6.2 刪除不需要的數據 104
2.7 小結 106
2.8 練習 107
2.9 延伸閱讀 107
第2篇 使用Pandas進行數據分析
第3章 使用Pandas進行數據整理 111
3.1 章節材料 112
3.2 關於數據整理 113
3.2.1 數據清洗 114
3.2.2 數據轉換 114
3.2.3 寬數據格式 116
3.2.4 長數據格式 118
3.2.5 數據充實 121
3.3 探索API以查找和收集溫度數據 122
3.4 清洗數據 132
3.4.1 重命名列 133
3.4.2 類型轉換 134
3.4.3 按值排序 140
3.4.4 索引排序 143
3.4.5 設定索引 144
3.4.6 重置索引 145
3.4.7 重新索引 146
3.5 重塑數據 153
3.5.1 轉置DataFrame 155
3.5.2 旋轉DataFrame 155
3.5.3 融合DataFrame 161
3.6 處理重複、缺失或無效的數據 164
3.6.1 查找有問題的數據 164
3.6.2 處理潛在的問題 171
3.7 小結 180
3.8 練習 180
3.9 延伸閱讀 182
第4章 聚合Pandas DataFrame 183
4.1 章節材料 183
4.2 在DataFrame上執行資料庫風格的操作 185
4.2.1 查詢DataFrame 186
4.2.2 合併DataFrame 187
4.3 使用DataFrame操作充實數據 197
4.3.1 算術和統計 198
4.3.2 分箱 200
4.3.3 套用函式 205
4.3.4 視窗計算 207
4.3.5 滾動視窗 207
4.3.6 擴展視窗 210
4.3.7 指數加權移動視窗 211
4.3.8 管道 212
4.4 聚合數據 215
4.4.1 匯總DataFrame 217
4.4.2 按組聚合 218
4.4.3 數據透視表和交叉表 224
4.5 處理時間序列數據 227
4.5.1 基於日期選擇和過濾數據 228
4.5.2 基於時間選擇和過濾數據 230
4.5.3 移動滯後數據 234
4.5.4 差分數據 235
4.5.5 重採樣 236
4.5.6 合併時間序列 240
4.6 小結 242
4.7 練習 243
4.8 延伸閱讀 245
第5章 使用Pandas和Matplotlib可視化數據 247
5.1 章節材料 247
5.2 Matplotlib簡介 249
5.2.1 基礎知識 249
5.2.2 繪圖組件 255
5.2.3 其他選項 258
5.3 使用Pandas繪圖 260
5.3.1 隨時間演變 262
5.3.2 變數之間的關係 269
5.3.3 分布 275
5.3.4 計數和頻率 283
5.4 pandas.plotting模組 291
5.4.1 散點圖矩陣 291
5.4.2 滯後圖 294
5.4.3 自相關圖 296
5.4.4 自舉圖 297
5.5 小結 298
5.6 練習 299
5.7 延伸閱讀 299
第6章 使用Seaborn和自定義技術繪圖 301
6.1 章節材料 301
6.2 使用Seaborn進行高級繪圖 303
6.2.1 分類數據 304
6.2.2 相關性和熱圖 308
6.2.3 回歸圖 317
6.2.4 分面 321
6.3 使用Matplotlib格式化繪圖 323
6.3.1 標題和標籤 323
6.3.2 圖例 326
6.3.3 格式化軸 329
6.4 自定義可視化 336
6.4.1 添加參考線 336
6.4.2 區域著色 341
6.4.3 註解 344
6.4.4 顏色 346
6.4.5 顏色表 348
6.4.6 條件著色 355
6.4.7 紋理 357
6.5 小結 360
6.6 練習 360
6.7 延伸閱讀 361
第3篇 使用Pandas進行實際套用分析
第7章 金融分析 365
7.1 章節材料 366
7.2 構建Python包 367
7.2.1 封裝結構 368
7.2.2 stock_analysis包概述 369
7.2.3 UML圖 371
7.3 收集金融數據 372
7.3.1 StockReader類 373
7.3.2 從Yahoo!Finance中收集歷史數據 381
7.4 探索性數據分析 383
7.4.1 Visualizer類系列 388
7.4.2 可視化股票 394
7.4.3 可視化多個資產 407
7.5 金融工具的技術分析 413
7.5.1 StockAnalyzer類 414
7.5.2 AssetGroupAnalyzer類 421
7.5.3 比較資產 423
7.6 使用歷史數據建模 427
7.6.1 StockModeler類 427
7.6.2 時間序列分解 433
7.6.3 ARIMA 434
7.6.4 使用statsmodel進行線性回歸 436
7.6.5 比較模型 438
7.7 小結 440
7.8 練習 441
7.9 延伸閱讀 442
第8章 基於規則的異常檢測 445
8.1 章節材料 445
8.2 模擬登錄嘗試 446
8.2.1 假設 446
8.2.2 構建login_attempt_simulator包 447
8.2.3 輔助函式 448
8.2.4 構建LoginAttemptSimulator類 450
8.2.5 從命令行中進行模擬 461
8.3 探索性數據分析 467
8.3.1 讀入模擬數據 467
8.3.2 異常登錄行為的特點 468
8.3.3 檢查數據 469
8.3.4 比較登錄嘗試次數 470
8.3.5 比較登錄成功率 473
8.3.6 使用錯誤率指標 474
8.3.7 通過可視化找出異常值 476
8.4 實現基於規則的異常檢測 479
8.4.1 百分比差異 480
8.4.2 Tukey圍欄 485
8.4.3 Z分數 486
8.4.4 評估性能 488
8.5 小結 493
8.6 練習 493
8.7 延伸閱讀 494
第4篇 scikit-learn和機器學習
第9章 Python機器學習入門 499
9.1 章節材料 499
9.2 機器學習概述 501
9.2.1 機器學習的類型 502
9.2.2 常見任務 502
9.2.3 Python中的機器學習 503
9.3 探索性數據分析 504
9.3.1 紅酒品質數據 505
9.3.2 白葡萄酒和紅葡萄酒化學性質數據 508
9.3.3 行星和系外行星數據 511
9.4 預處理數據 517
9.4.1 訓練和測試集 518
9.4.2 縮放和居中數據 520
9.4.3 編碼數據 522
9.4.4 估算 525
9.4.5 附加轉換器 527
9.4.6 構建數據管道 529
9.5 聚類 531
9.5.1 k均值 532
9.5.2 按軌道特徵對行星進行分組 532
9.5.3 使用肘點法確定k值 535
9.5.4 解釋質心並可視化聚類空間 537
9.5.5 評估聚類結果 540
9.6 回歸 542
9.6.1 線性回歸 542
9.6.2 預測行星一年的長度 543
9.6.3 解釋線性回歸方程 544
9.6.4 做出預測 545
9.6.5 評估回歸結果 546
9.6.6 指標 548
9.7 分類 552
9.7.1 邏輯回歸 552
9.7.2 預測紅酒質量 553
9.7.3 通過化學性質確定葡萄酒類型 554
9.7.4 評估分類結果 555
9.7.5 混淆矩陣 555
9.7.6 分類指標 559
9.7.7 準確率和錯誤率 559
9.7.8 精確率和召回率 560
9.7.9 F分數 562
9.7.10 敏感性和特異性 563
9.7.11 ROC曲線 564
9.7.12 精確率-召回率曲線 568
9.8 小結 571
9.9 練習 572
9.10 延伸閱讀 574
第10章 做出更好的預測 577
10.1 章節材料 577
10.2 使用格線搜尋調整超參數 580
10.2.1 拆分驗證集 580
10.2.2 使用交叉驗證 582
10.2.3 使用RepeatedStratifiedKFold 585
10.3 特徵工程 588
10.3.1 互動項和多項式特徵 589
10.3.2 降維 592
10.3.3 特徵聯合 601
10.3.4 特徵重要性 603
10.4 集成方法 606
10.4.1 隨機森林 608
10.4.2 梯度提升 609
10.4.3 投票 610
10.4.4 檢查分類預測置信度 612
10.5 解決類不平衡的問題 616
10.5.1 欠採樣 618
10.5.2 過採樣 619
10.6 正則化 621
10.7 小結 623
10.8 練習 624
10.9 延伸閱讀 626
第11章 機器學習異常檢測 629
11.1 章節材料 629
11.2 探索模擬登錄嘗試數據 631
11.3 利用無監督學習執行異常檢測 638
11.3.1 隔離森林 639
11.3.2 局部異常因子 641
11.3.3 比較模型 643
11.4 實現有監督學習的異常檢測 647
11.4.1 基線模型 649
11.4.2 虛擬分類器 649
11.4.3 樸素貝葉斯 651
11.4.4 邏輯回歸 655
11.5 將反饋循環與線上學習相結合 657
11.5.1 創建PartialFitPipeline子類 658
11.5.2 隨機梯度下降分類器 658
11.5.3 構建初始模型 660
11.5.4 評估模型 661
11.5.5 更新模型 666
11.5.6 提交結果 668
11.5.7 進一步改進 669
11.6 小結 669
11.7 練習 670
11.8 延伸閱讀 671
第5篇 其 他 資 源
第12章 未來之路 675
12.1 數據資源 675
12.1.1 Python包 676
12.1.2 Seaborn 676
12.1.3 scikit-learn 676
12.2 搜尋數據 677
12.3 API 677
12.4 網站 678
12.4.1 金融 678
12.4.2 官方數據 679
12.4.3 健康與經濟 679
12.4.4 社交網路 680
12.4.5 運動 680
12.4.6 雜項 681
12.5 練習使用數據 681
12.5.1 Kaggle 682
12.5.2 DataCamp 682
12.6 Python練習 682
12.7 小結 684
12.8 練習 684
12.9 延伸閱讀 685
練習答案 693
附錄A 695
數據分析工作流程 695
選擇合適的可視化結果 696
機器學習工作流程 697
