《利用Python进行数据分析（原书第2版）》源码

阅读本书可以获得关于在Python下操作、处理、清洗、规整数据集的完整说明。本书第2版针对Python 3.6进行了更新，并增加了实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到最新版本的pandas、NumPy、IPython和Jupyter。

封面图

目录

• 前言1
• 第1章 准备工作7
• 1.1 本书内容7
• 1.1.1 什么类型的数据7
• 1.2 为何利用Python进行数据分析8
• 1.2.1 Python作为胶水8
• 1.2.2 解决“双语言”难题8
• 1.2.3 为何不使用Python9
• 1.3 重要的Python库9
• 1.3.1 NumPy9
• 1.3.2 pandas10
• 1.3.3 matplotlib11
• 1.3.4 IPython与Jupyter11
• 1.3.5 SciPy12
• 1.3.6 scikit-learn12
• 1.3.7 statsmodels13
• 1.4 安装与设置13
• 1.4.1 Windows14
• 1.4.2 Apple（OS X和macOS）14
• 1.4.3 GNU/Linux14
• 1.4.4 安装及更新Python包15
• 1.4.5 Python 2和Python 316
• 1.4.6 集成开发环境和文本编辑器16
• 1.5 社区和会议17
• 1.6 快速浏览本书17
• 1.6.1 代码示例18
• 1.6.2 示例数据18
• 1.6.3导入约定18
• 1.6.4术语19
• 第2章 Python语言基础、IPython及Jupyter notebook20
• 2.1 Python解释器21
• 2.2 IPython基础22
• 2.2.1 运行IPython命令行22
• 2.2.2 运行 Jupyter notebook23
• 2.2.3 Tab补全25
• 2.2.4 内省27
• 2.2.5 %run命令28
• 2.2.6 执行剪贴板中的程序30
• 2.2.7 终端快捷键30
• 2.2.8 关于魔术命令31
• 2.2.9matplotlib集成33
• 2.3 Python语言基础34
• 2.3.1 语言语义34
• 2.3.2 标量类型42
• 2.3.3 控制流49
• 第3章 内建数据结构、函数及文件54
• 3.1 数据结构和序列54
• 3.1.1 元组54
• 3.1.2 列表57
• 3.1.3 内建序列函数61
• 3.1.4 字典64
• 3.1.5集合67
• 3.1.6 列表、集合和字典的推导式69
• 3.2 函数72
• 3.2.1 命名空间、作用域和本地函数72
• 3.2.2 返回多个值73
• 3.2.3 函数是对象74
• 3.2.4 匿名（Lambda）函数75
• 3.2.5 柯里化：部分参数应用76
• 3.2.6 生成器77
• 3.2.7 错误和异常处理79
• 3.3 文件与操作系统82
• 3.3.1 字节与Unicode文件85
• 3.4 本章小结86
• 第4章 NumPy基础：数组与向量化计算87
• 4.1 NumPy ndarray：多维数组对象89
• 4.1.1 生成ndarray90
• 4.1.2 ndarray的数据类型92
• 4.1.3 NumPy数组算术94
• 4.1.4 基础索引与切片95
• 4.1.5 布尔索引100
• 4.1.6 神奇索引103
• 4.1.7 数组转置和换轴104
• 4.2 通用函数：快速的逐元素数组函数106
• 4.3 使用数组进行面向数组编程109
• 4.3.1 将条件逻辑作为数组操作110
• 4.3.2 数学和统计方法111
• 4.3.3 布尔值数组的方法113
• 4.3.4 排序114
• 4.3.5 唯一值与其他集合逻辑115
• 4.4 使用数组进行文件输入和输出115
• 4.5 线性代数116
• 4.6 伪随机数生成118
• 4.7 示例：随机漫步120
• 4.7.1 一次性模拟多次随机漫步121
• 4.8 本章小结122
• 第5章 pandas入门123
• 5.1 pandas数据结构介绍123
• 5.1.1 Series123
• 5.1.2 DataFrame128
• 5.1.3 索引对象134
• 5.2 基本功能135
• 5.2.1 重建索引136
• 5.2.2 轴向上删除条目138
• 5.2.3 索引、选择与过滤140
• 5.2.4 整数索引144
• 5.2.5 算术和数据对齐145
• 5.2.6 函数应用和映射150
• 5.2.7 排序和排名152
• 5.2.8 含有重复标签的轴索引155
• 5.3 描述性统计的概述与计算157
• 5.3.1 相关性和协方差159
• 5.3.2 唯一值、计数和成员属性161
• 5.4 本章小结164
• 第6章 数据载入、存储及文件格式165
• 6.1 文本格式数据的读写165
• 6.1.1 分块读入文本文件171
• 6.1.2 将数据写入文本格式172
• 6.1.3 使用分隔格式174
• 6.1.4 JSON数据176
• 6.1.5 XML和HTML：网络抓取177
• 6.2 二进制格式180
• 6.2.1 使用HDF5格式181
• 6.2.2 读取Microsoft Excel文件183
• 6.3 与Web API交互184
• 6.4 与数据库交互186
• 6.5 本章小结187
• 第7章 数据清洗与准备188
• 7.1 处理缺失值188
• 7.1.1 过滤缺失值189
• 7.1.2 补全缺失值191
• 7.2 数据转换194
• 7.2.1 删除重复值194
• 7.2.2 使用函数或映射进行数据转换195
• 7.2.3 替代值197
• 7.2.4 重命名轴索引198
• 7.2.5 离散化和分箱199
• 7.2.6 检测和过滤异常值202
• 7.2.7 置换和随机抽样203
• 7.2.8 计算指标/虚拟变量204
• 7.3 字符串操作207
• 7.3.1 字符串对象方法208
• 7.3.2 正则表达式210
• 7.3.3 pandas中的向量化字符串函数213
• 7.4 本章小结215
• 第8章 数据规整：连接、联合与重塑216
• 8.1 分层索引216
• 8.1.1重排序和层级排序219
• 8.1.2 按层级进行汇总统计220
• 8.1.3 使用DataFrame的列进行索引220
• 8.2 联合与合并数据集221
• 8.2.1 数据库风格的DataFrame连接222
• 8.2.2 根据索引合并226
• 8.2.3 沿轴向连接230
• 8.2.4 联合重叠数据235
• 8.3 重塑和透视236
• 8.3.1 使用多层索引进行重塑236
• 8.3.2 将“长”透视为“宽”240
• 8.3.3 将“宽”透视为“长”242
• 8.4 本章小结244
• 第9章 绘图与可视化245
• 9.1 简明matplotlib API入门245
• 9.1.1 图片与子图246
• 9.1.2 颜色、标记和线类型250
• 9.1.3 刻度、标签和图例252
• 9.1.4 注释与子图加工255
• 9.1.5 将图片保存到文件258
• 9.1.6 matplotlib设置258
• 9.2 使用pandas和seaborn绘图259
• 9.2.1 折线图259
• 9.2.2 柱状图262
• 9.2.3 直方图和密度图266
• 9.2.4 散点图或点图269
• 9.2.5 分面网格和分类数据270
• 9.3 其他Python可视化工具271
• 9.4 本章小结272
• 第10章 数据聚合与分组操作274
• 10.1 GroupBy机制274
• 10.1.1 遍历各分组278
• 10.1.2 选择一列或所有列的子集279
• 10.1.3 使用字典和Series分组280
• 10.1.4 使用函数分组281
• 10.1.5 根据索引层级分组282
• 10.2 数据聚合282
• 10.2.1 逐列及多函数应用284
• 10.2.2 返回不含行索引的聚合数据287
• 10.3 应用：通用拆分-应用-联合288
• 10.3.1 压缩分组键290
• 10.3.2 分位数与桶分析291
• 10.3.3 示例：使用指定分组值填充缺失值292
• 10.3.4 示例：随机采样与排列294
• 10.3.5 示例：分组加权平均和相关性296
• 10.3.6 示例：逐组线性回归298
• 10.4 数据透视表与交叉表298
• 10.4.1 交叉表：crosstab301
• 10.5 本章小结302
• 第11章 时间序列303
• 11.1 日期和时间数据的类型及工具303
• 11.1.1 字符串与datetime互相转换305
• 11.2 时间序列基础307
• 11.2.1 索引、选择、子集308
• 11.2.2 含有重复索引的时间序列311
• 11.3 日期范围、频率和移位312
• 11.3.1 生成日期范围313
• 11.3.2 频率和日期偏置316
• 11.3.3 移位（前向和后向）日期317
• 11.4 时区处理320
• 11.4.1 时区的本地化和转换320
• 11.4.2 时区感知时间戳对象的操作323
• 11.4.3 不同时区间的操作324
• 11.5 时间区间和区间算术324
• 11.5.1 区间频率转换326
• 11.5.2 季度区间频率327
• 11.5.3 将时间戳转换为区间（以及逆转换）329
• 11.5.4 从数组生成PeriodIndex330
• 11.6 重新采样与频率转换332
• 11.6.1 向下采样334
• 11.6.2 向上采样与插值336
• 11.6.3 使用区间进行重新采样337
• 11.7 移动窗口函数339
• 11.7.1 指数加权函数342
• 11.7.2 二元移动窗口函数343
• 11.7.3 用户自定义的移动窗口函数344
• 11.8 本章小结344
• 第12章 高阶pandas346
• 12.1 分类数据346
• 12.1.1 背景和目标346
• 12.1.2 pandas中的Categorical类型348
• 12.1.3 使用Categorical对象进行计算350
• 12.1.4 分类方法352
• 12.2 高阶GroupBy应用355
• 12.2.1 分组转换和“展开”GroupBy355
• 12.2.2 分组的时间重新采样359
• 12.3 方法链技术361
• 12.3.1 pipe方法362
• 12.4 本章小结363
• 第13章 Python建模库介绍364
• 13.1 pandas与建模代码的结合364
• 13.2 使用Patsy创建模型描述367
• 13.2.1 Patsy公式中的数据转换369
• 13.2.2 分类数据与Patsy371
• 13.3 statsmodels介绍373
• 13.3.1 评估线性模型374
• 13.3.2 评估时间序列处理377
• 13.4 scikit-learn介绍377
• 13.5 继续你的教育381
• 第14章 数据分析示例382
• 14.1 从Bitly获取1.USA.gov数据382
• 14.1.1 纯Python时区计数383
• 14.1.2 使用pandas进行时区计数385
• 14.2 MovieLens 1M数据集392
• 14.2.1 测量评价分歧396
• 14.3 美国1880～2010年的婴儿名字397
• 14.3.1分析名字趋势402
• 14.4 美国农业部食品数据库410
• 14.5 2012年联邦选举委员会数据库416
• 14.5.1 按职业和雇主的捐献统计419
• 14.5.2 捐赠金额分桶421
• 14.5.3 按州进行捐赠统计423
• 14.6 本章小结424
• 附录A 高阶NumPy425
• 附录B 更多IPython系统相关内容457