前言
第1章 Python環境搭建與使用1
1.1 Anaconda的安裝和使用1
1.1.1 Anaconda的安裝1
1.1.2 Anaconda的使用3
1.2 Jupyter Notebook的使用5
1.2.1 更改工作空間5
1.2.2 介面介紹與使用7
第2章 NumPy入門和實戰9
2.1 ndarray多維陣列9
2.1.1 創建ndarray陣列9
2.1.2 ndarray物件屬性12
2.1.3 ndarray資料類型13
2.1.4 陣列變換15
2.1.5 NumPy的亂數函數18
2.2 陣列的索引和切片20
2.2.1 陣列的索引21
2.2.2 陣列的切片23
2.2.3 布林型索引24
2.2.4 花式索引26
2.3 陣列的運算26
2.3.1 陣列和標量間的運算26
2.3.2 通用函數27
2.3.3 條件邏輯運算28
2.3.4 統計運算30
2.3.5 布林型陣列運算31
2.3.6 排序32
2.3.7 集合運算33
2.3.8 線性代數34
2.4 陣列的存取34
2.4.1 陣列的存儲35
2.4.2 陣列的讀取35
2.5 綜合示例——圖像變換35
第3章 pandas入門和實戰38
3.1 pandas資料結構38
3.1.1 創建Series資料38
3.1.2 創建DataFrame資料40
3.1.3 索引物件43
3.2 pandas索引操作44
3.2.1 重新索引45
3.2.2 更換索引46
3.2.3 索引和選取48
3.2.4 操作行和列52
3.3 pandas資料運算53
3.3.1 算數運算54
3.3.2 函數應用和映射55
3.3.3 排序56
3.3.4 匯總與統計57
……
3.4 層次化索引59
3.4.1 層次化索引簡介59
3.4.2 重排分級順序60
3.4.3 匯總統計61
3.5 pandas視覺化61
3.5.1 線形圖61
3.5.2 柱狀圖63
3.5.3 長條圖和密度圖66
3.5.4 散點圖67
3.6 綜合示例——小費資料集68
3.6.1 資料分析流程68
3.6.2 資料來源68
3.6.3 定義問題69
3.6.4 數據清洗69
3.6.5 資料探索70
第4章 外部資料的讀取與存儲73
4.1 文本資料的讀取與存儲73
4.1.1 CSV文件的讀取73
4.1.2 TXT文件的讀取80
4.1.3 文本資料的存儲81
4.2 JSON和Excel資料的讀取與存儲82
4.2.1 JSON資料的讀取與存儲82
4.2.2 Excel資料的讀取與存儲85
4.3 資料庫的讀取與存儲87
4.3.1 連接資料庫87
4.3.2 讀取資料庫88
4.3.3 存儲資料庫90
4.4 Web數據的讀取90
4.4.1 讀取HTML表格90
4.4.2 網路爬蟲92
第5章 資料清洗與整理95
5.1 數據清洗95
5.1.1 處理缺失值95
5.1.2 移除重復資料99
5.1.3 替換值101
5.1.4 利用函數或映射進行資料轉換101
5.1.5 檢測異常值102
5.1.6 虛擬變數103
5.2 資料合併和重塑104
5.2.1 merge合併105
5.2.2 concat連接110
5.2.3 combine_first合併113
5.2.4 數據重塑114
5.3 字串處理116
5.3.1 字串方法117
5.3.2 規則運算式118
5.4 綜合示例——Iris資料集118
5.4.1 資料來源118
5.4.2 定義問題119
5.4.3 數據清洗119
5.4.4 資料探索123
第6章 資料分組與聚合125
6.1 資料分組125
6.1.1 GroupBy簡介125
6.1.2 按列名分組128
6.1.3 按列表或元組分組130
6.1.4 按字典分組130
6.1.5 按函數分組131
6.2 聚合運算132
6.2.1 彙總函式132
6.2.2 多函數應用134
6.3 分組運算136
6.3.1 transform方法137
6.3.2 apply方法138
6.4 樞紐分析表139
6.4.1 透視表140
6.4.2 交叉表140
6.5 綜合實例——巴爾的摩公務員工資資料集142
6.5.1 資料來源142
6.5.2 定義問題143
6.5.3 數據清洗143
6.5.4 資料探索144
第7章 matplotlib視覺化148
7.1 線形圖148
7.1.1 基本使用148
7.1.2 顏色與線形149
7.1.3 點標記151
7.2 柱狀圖152
7.2.1 基本使用152
7.2.2 刻度與標籤155
7.2.3 圖例156
7.3 其他基本圖表158
7.3.1 散點圖158
7.3.2 長條圖159
7.4 自訂設置159
7.4.1 圖表佈局159
7.4.2 文本注解162
7.4.3 樣式與字體163
7.5 綜合示例——星巴克店鋪資料集164
7.5.1 資料來源164
7.5.2 定義問題166
7.5.3 數據清洗166
7.5.4 資料探索168
第8章 seaborn視覺化172
8.1 樣式與分佈圖172
8.1.1 seaborn樣式172
8.1.2 坐標軸移除174
8.1.3 單變數分佈圖175
8.1.4 多變數分佈圖178
8.2 分類圖181
8.2.1 分類散點圖181
8.2.2 箱線圖與琴形圖183
8.2.3 柱狀圖186
