正版书籍 Python数据分析实战 Python编程语言教程书籍 深入pandas库数据处 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

图书标签:

• Python
• 数据分析
• Pandas
• 数据处理
• 编程教程
• 实战
• 入门
• 书籍
• Python编程
• 数据科学

店铺： 南京中译图书专营店

出版社： 人民邮电出版社

ISBN：9787115432209

版次：1

商品编码：10571542005

预售 出版时间2016-8月下旬左右

 

产品参数：

 

产品名称：Python数据分析实战

是否是套装: 否

书名: Python数据分析实战

定价: 59.00元

出版社名称: 人民邮电出版社

作者: Fabio Nelli

书名: Python数据分析实战

ISBN编号: 9787115432209

 

 

 

目录

 

 第1章 数据分析简介 1

1.1 数据分析 1

1.2 数据分析师的知识范畴 2

1.2.1 计算机科学 2

1.2.2 数学和统计学 3

1.2.3 机器学习和人工智能 3

1.2.4 数据来源领域 3

1.3 理解数据的性质 4

1.3.1 数据到信息的转变 4

1.3.2 信息到知识的转变 4

1.3.3 数据的类型 4

1.4 数据分析过程 4

1.4.1 问题定义 5

1.4.2 数据抽取 6

1.4.3 数据准备 6

1.4.4 数据探索和可视化 7

1.4.5 预测模型 7

1.4.6 模型评估 8

1.4.7 部署 8

1.5 定量和定性数据分析 9

1.6 开放数据 9

1.7 Python和数据分析 11

1.8 结论 11

第2章 Python世界简介 12

2.1 Python——编程语言 12

2.2 Python——解释器 13

2.2.1 Cython 14

2.2.2 Jython 14

2.2.3 PyPy 14

2.3 Python 2和Python 3 14

2.4 安装Python 15

2.5 Python发行版 15

2.5.1 Anaconda 15

2.5.2 Enthought Canopy 16

2.5.3 Python(x,y) 17

2.6 使用Python 17

2.6.1 Python shell 17

2.6.2 运行完整的Python程序 17

2.6.3 使用IDE编写代码 18

2.6.4 跟Python交互 18

2.7 编写Python代码 18

2.7.1 数学运算 18

2.7.2 导入新的库和函数 19

2.7.3 函数式编程 21

2.7.4 缩进 22

2.8 IPython 23

2.8.1 IPython shell 23

2.8.2 IPython Qt-Console 24

2.9 PyPI仓库——Python包索引 25

2.10 多种Python IDE 26

2.10.1 IDLE 26

2.10.2 Spyder 27

2.10.3 Eclipse（pyDev） 27

2.10.4 Sublime 28

2.10.5 Liclipse 29

2.10.6 NinjaIDE 29

2.10.7 Komodo IDE 29

2.11 SciPy 30

2.11.1 NumPy 30

2.11.2 pandas 30

2.11.3 matplotlib 31

2.12 小结 31

第3章 NumPy库 32

3.1 NumPy简史 32

3.2 NumPy安装 32

3.3 ndarray：NumPy库的心脏 33

3.3.1 创建数组 34

3.3.2 数据类型 34

3.3.3 dtype选项 35

3.3.4 自带的数组创建方法 36

3.4 基本操作 37

3.4.1 算术运算符 37

3.4.2 矩阵积 38

3.4.3 自增和自减运算符 39

3.4.4 通用函数 40

3.4.5 聚合函数 40

3.5 索引机制、切片和迭代方法 41

3.5.1 索引机制 41

3.5.2 切片操作 42

3.5.3 数组迭代 43

3.6 条件和布尔数组 45

3.7 形状变换 45

3.8 数组操作 46

3.8.1 连接数组 46

3.8.2 数组切分 47

3.9 常用概念 49

3.9.1 对象的副本或视图 49

3.9.2 向量化 50

3.9.3 广播机制 50

3.10 结构化数组 52

3.11 数组数据文件的读写 53

3.11.1 二进制文件的读写 54

3.11.2 读取文件中的列表形式数据 54

3.12 小结 55

第4章 pandas库简介 56

4.1 pandas：Python数据分析库 56

4.2 安装 57

4.2.1 用Anaconda安装 57

4.2.2 用PyPI安装 58

4.2.3 在Linux系统的安装方法 58

4.2.4 用源代码安装 58

4.2.5 Windows模块仓库 59

4.3 测试pandas是否安装成功 59

4.4 开始pandas之旅 59

4.5 pandas数据结构简介 60

4.5.1 Series对象 60

4.5.2 DataFrame对象 66

4.5.3 Index对象 72

4.6 索引对象的其他功能 74

4.6.1 更换索引 74

4.6.2 删除 75

4.6.3 算术和数据对齐 77

4.7 数据结构之间的运算 78

4.7.1 灵活的算术运算方法 78

4.7.2 DataFrame和Series对象之间的运算 78

4.8 函数应用和映射 79

4.8.1 操作元素的函数 79

4.8.2 按行或列执行操作的函数 80

4.8.3 统计函数 81

4.9 排序和排位次 81

4.10 相关性和协方差 84

4.11 NaN数据 85

4.11.1 为元素赋NaN值 85

4.11.2 过滤NaN 86

4.11.3 为NaN元素填充其他值 86

4.12 等级索引和分级 87

4.12.1 重新调整顺序和为层级排序 89

4.12.2 按层级统计数据 89

4.13 小结 90

第5章 pandas：数据读写 91

5.1 I/O API 工具 91

5.2 CSV和文本文件 92

5.3 读取CSV或文本文件中的数据 92

5.3.1 用RegExp解析TXT文件 94

5.3.2 从TXT文件读取部分数据 96

5.3.3 往CSV文件写入数据 97

5.4 读写HTML文件 98

5.4.1 写入数据到HTML文件 99

5.4.2 从HTML文件读取数据 100

5.5 从XML读取数据 101

5.6 读写Microsoft Excel文件 103

5.7 JSON数据 105

5.8 HDF5格式 107

5.9 pickle——Python对象序列化 108

5.9.1 用cPickle实现Python对象序列化 109

5.9.2 用pandas实现对象序列化 109

5.10 对接数据库 110

5.10.1 SQLite3数据读写 111

5.10.2 PostgreSQL数据读写 112

5.11 NoSQL数据库MongoDB数据读写 114

5.12 小结 116

第6章 深入pandas：数据处理 117

6.1 数据准备 117

6.2 拼接 122

6.2.1 组合 124

6.2.2 轴向旋转 125

6.2.3 删除 127

6.3 数据转换 128

6.3.1 删除重复元素 128

6.3.2 映射 129

6.4 离散化和面元划分 132

6.5 排序 136

6.6 字符串处理 137

6.6.1 内置的字符串处理方法 137

6.6.2 正则表达式 139

6.7 数据聚合 140

6.7.1 GroupBy 141

6.7.2 实例 141

6.7.3 等级分组 142

6.8 组迭代 143

6.8.1 链式转换 144

6.8.2 分组函数 145

6.9 高级数据聚合 145

6.10 小结 148

第7章 用matplotlib实现数据可视化 149

7.1 matplotlib库 149

7.2 安装 150

7.3 IPython和IPython QtConsole 150

7.4 matplotlib架构 151

7.4.1 Backend层 152

7.4.2 Artist层 152

7.4.3 Scripting层（pyplot） 153

7.4.4 pylab和pyplot 153

7.5 pyplot 154

7.5.1 生成一幅简单的交互式图表 154

7.5.2 设置图形的属性 156

7.5.3 matplotlib和NumPy 158

7.6 使用kwargs 160

7.7 为图表添加更多元素 162

7.7.1 添加文本 162

7.7.2 添加网格 165

7.7.3 添加图例 166

7.8 保存图表 168

7.8.1 保存代码 169

7.8.2 将会话转换为HTML文件 170

7.8.3 将图表直接保存为图片 171

7.9 处理日期值 171

7.10 图表类型 173

7.11 线性图 173

7.12 直方图 180

7.13 条状图 181

7.13.1 水平条状图 183

7.13.2 多序列条状图 184

7.13.3 为pandas DataFrame生成多序列条状图 185

7.13.4 多序列堆积条状图 186

7.13.5 为pandas DataFrame绘制堆积条状图 189

7.13.6 其他条状图 190

7.14 饼图 190

7.15 高级图表 193

7.15.1 等值线图 193

7.15.2 极区图 195

7.16 mplot3d 197

7.16.1 3D曲面 197

7.16.2 3D散点图 198

7.16.3 3D条状图 199

7.17 多面板图形 200

7.17.1 在其他子图中显示子图 200

7.17.2 子图网格 202

7.18 小结 204

第8章 用scikit-learn库实现机器学习 205

8.1 scikit-learn库 205

8.2 机器学习 205

8.2.1 有监督和无监督学习 205

8.2.2 训练集和测试集 206

8.3 用scikit-learn实现有监督学习 206

8.4 Iris数据集 206

8.5 K-近邻分类器 211

8.6 Diabetes数据集 214

8.7 线性回归：小平方回归 215

8.8 支持向量机 219

8.8.1 支持向量分类 219

8.8.2 非线性SVC 223

8.8.3 绘制SVM分类器对Iris数据集的分类效果图 225

8.8.4 支持向量回归 227

8.9 小结 229

第9章 数据分析实例——气象数据 230

9.1 待检验的假设：靠海对气候的影响 230

9.2 数据源 233

9.3 用IPython Notebook做数据分析 234

9.4 风向频率玫瑰图 246

9.5 小结 251

第10章 IPython Notebook内嵌库D3 252

10.1 开放的人口数据源 252

10.2 库D3 255

10.3 绘制簇状条状图 259

10.4 地区分布图 262

10.5 2014年美国人口地区分布图 266

10.6 小结 270

第11章 识别手写体数字 271

11.1 手写体识别 271

11.2 用scikit-learn识别手写体数字 271

11.3 Digits数据集 272

11.4 学习和预测 274

11.5 小结 276

附录A 用LaTeX编写数学表达式 277

附录B 开放数据源 287

 

 

内容简介：

Python 简单易学，拥有丰富的库，并且具有极强的包容性。本书展示了如何利用Python 语言的强大功能，以小的编程代价进行数据的提取、处理和分析，主要内容包括：数据分析和Python 的基本介绍，NumPy 库，pandas 库，如何使用pandas 读写和提取数据，用matplotlib 库和scikit-learn 库分别实现数据可视化和机器学习，以实例演示如何从原始数据获得信息、D3 库嵌入和手写体数字的识别。

··············

`·············

掌握数据世界：从零开始的Python数据探索之旅 数据，如同现代世界的石油，蕴藏着巨大的价值，而Python，则是开启这片宝藏的最强大钥匙之一。本书并非直接教授Python数据分析的某个特定库，而是将目光投向更广阔的领域，为您铺就一条从零基础到数据探索专家的坚实道路。我们将系统地引导您理解数据分析的全局观，掌握数据科学的核心思想，并认识到不同工具和技术在整个流程中的作用，从而为您日后深入学习任何专业数据分析工具打下坚实的基础。 第一部分：数据思维的基石——理解数据与问题 在开始任何技术实践之前，深刻理解“数据”本身以及我们试图通过数据解决的“问题”，是至关重要的第一步。这一部分将带领您从宏观层面认识数据，建立正确的数据思维模式。 数据是什么？数据的形态与来源 我们生活在一个被数据包围的时代，但并非所有数据都生而平等。我们将探讨数据的不同形态：结构化数据（如数据库中的表格）、半结构化数据（如JSON、XML文件）以及非结构化数据（如文本、图像、音频）。您将了解数据的常见来源，包括传感器、社交媒体、交易记录、网络爬虫等，并初步认识到数据收集过程中的潜在挑战，如数据噪声、缺失值、格式不一致等。 为何分析数据？数据的价值与应用场景 数据分析并非为了分析而分析，而是为了从数据中提取有价值的洞察，驱动决策，解决实际问题。我们将深入剖析数据分析的价值所在，从商业决策优化、科学研究发现，到用户行为预测、风险控制等等。通过生动的案例，您将看到数据分析如何在各个行业发挥关键作用，例如： 商业领域： 客户细分与精准营销、销售趋势预测、产品性能评估、供应链优化。 科学研究： 生物医学研究中的基因组学分析、物理学中的实验数据处理、社会科学中的民意调查分析。 互联网领域： 推荐系统构建、用户流失预警、搜索引擎优化、网络安全威胁检测。 金融领域： 信用评分模型、欺诈检测、量化交易策略。 通过这些场景的展示，您将清晰地认识到数据分析的强大力量，并激发您探索数据世界的兴趣。 如何提出好的分析问题？从业务需求到可量化目标 一个好的分析问题是成功数据分析的起点。我们将教授您如何将模糊的业务需求转化为具体、可量化、可回答的数据分析问题。这包括： 理解业务背景： 深入了解您所处行业或领域的业务流程与目标。 识别关键指标： 确定衡量业务成功或失败的核心指标（KPIs）。 构建假设： 基于初步了解，提出关于数据模式或因果关系的假设。 定义数据需求： 明确需要哪些类型的数据来验证这些假设。 设定分析目标： 将分析目标转化为清晰、可衡量的结果。 例如，与其问“我们如何提高销售额？”，不如提出“哪些营销渠道对新用户转化率影响最大？”，或者“导致客户流失的主要因素是什么？”。 第二部分：数据处理的艺术——从获取到清洗 原始数据往往是混乱、不完整且格式各异的。在进行有意义的分析之前，必须对数据进行细致的处理，包括获取、理解、清洗和转换。本部分将为您揭示这一过程的精髓。 数据获取的多种途径 数据并非总是唾手可得。我们将探讨不同的数据获取策略： 数据库查询： 学习如何使用SQL（Structured Query Language）等语言从关系型数据库中提取数据，理解表连接、过滤、聚合等基本操作。 API接口： 掌握如何通过应用程序编程接口（APIs）从在线服务（如社交媒体平台、天气服务）获取实时或批量数据。 文件读取： 学习处理各种常见数据文件格式，如CSV、Excel、JSON、XML等，了解它们的基本结构和读取方法。 网页抓取： 初步了解网络爬虫的概念，学习如何合法、合规地从网页中提取信息。 数据理解与探索性数据分析 (EDA) 在清洗数据之前，我们必须先“认识”它。探索性数据分析是理解数据特征、发现潜在模式和异常的关键步骤。您将学习： 数据概览： 快速查看数据的维度（行数、列数）、数据类型、缺失值数量等。 描述性统计： 计算均值、中位数、标准差、最小值、最大值、分位数等统计量，了解数据的分布特征。 可视化初探： 使用散点图、直方图、箱线图、条形图等基本图表，直观地展示变量之间的关系、分布情况以及异常值。 相关性分析： 初步探索变量之间的线性或非线性关系。 数据清洗：祛除杂质，迎接真相 数据清洗是数据分析中最耗时但也是最关键的环节之一。我们将系统地介绍常见的数据质量问题及其解决方法： 处理缺失值： 了解不同策略，如删除（行/列）、插补（均值、中位数、众数、模型预测）的适用场景和优缺点。 处理异常值： 识别和处理统计异常值（outliers），理解它们可能的原因（录入错误、真实极端情况）以及如何应对（删除、转换、分箱）。 数据格式统一： 解决日期格式不一致、字符串编码问题、单位混杂等情况，确保数据的一致性。 重复值处理： 检测并移除重复的记录，避免数据冗余和分析偏差。 数据类型转换： 将字符串转换为数值、日期或类别型数据，以便进行后续分析。 第三部分：数据分析的核心——模式识别与洞察提取 经过精心处理的数据，就像被精雕细琢的宝石，闪烁着等待被发现的内在光芒。这一部分将聚焦于如何从数据中挖掘有价值的模式和洞察。 变量的分类与分析方法 理解不同类型的变量是选择正确分析方法的前提。我们将区分： 数值型变量： 连续变量（如身高、温度）和离散变量（如人数、评分）。 类别型变量： 名义型变量（如颜色、性别）和有序型变量（如学历等级、满意度）。 您将学习针对不同变量类型选择合适的统计方法和可视化技术。 变量之间的关系探索 数据分析的很大一部分在于理解变量如何相互作用。我们将探讨： 单变量分析： 深入理解单个变量的分布、中心趋势和离散程度。 双变量分析： 数值 vs 数值： 散点图、相关系数（Pearson, Spearman）、线性回归初步。 数值 vs 类别： 箱线图、小提琴图、分组均值/中位数比较（ANOVA初步）。 类别 vs 类别： 列联表、卡方检验初步、堆叠/分组条形图。 多变量分析初步： 了解如何通过多维散点图、分组、热力图等初步审视多个变量之间的复杂关系。 数据聚合与分组分析 理解群体特征是数据分析的重要任务。您将学习如何： 分组统计： 按类别变量对数据进行分组，计算每个组的统计量（如平均值、总和、计数），例如，“不同城市的用户平均消费金额”。 透视表概念： 了解如何创建多维度的汇总表，快速查看不同组合下的数据概览。 时间序列数据初步 许多重要的数据都包含时间维度，如股票价格、网站访问量、天气数据。我们将初步介绍： 时间序列的特征： 趋势、季节性、周期性。 可视化时间序列： 折线图、带标记的时间序列图。 简单的时间序列分析概念： 如同比、环比变化率的计算。 文本数据初步分析 文本是信息的重要载体，但也更具挑战性。我们将简单介绍： 文本预处理： 分词、去除停用词、词干提取。 词频统计： 了解高频词汇，发现文本主题。 情感分析的初步概念： 理解如何判断文本的情感倾向。 第四部分：数据可视化的力量——沟通洞察的桥梁 再有价值的洞察，如果无法有效地传达给他人，其价值也会大打折扣。数据可视化是将复杂数据转化为易于理解信息的核心工具。 为何需要可视化？ 直观性： 人脑处理图像信息的速度远超文本。 模式识别： 图表能帮助发现肉眼难以察觉的趋势、异常和关系。 沟通效率： 清晰的可视化能迅速传达复杂信息，促进理解和决策。 选择正确的图表类型 并非所有图表都适用于所有数据。我们将指导您根据数据类型、分析目的和信息复杂度，选择最恰当的图表： 展示分布： 直方图、密度图、箱线图。 展示比较： 条形图、分组条形图、堆叠条形图。 展示关系： 散点图、气泡图、热力图。 展示组成： 饼图（谨慎使用）、树状图。 展示趋势： 折线图、面积图。 展示地理信息： 地图可视化（概念介绍）。 优秀可视化设计的原则 不仅仅是画出图表，更重要的是如何让图表清晰、准确、有说服力。我们将讨论： 清晰的标签和标题： 确保读者理解图表的含义。 合理的坐标轴刻度： 避免误导性的视觉呈现。 色彩的选择与运用： 突出重点，避免混淆。 减少图表“墨水”比例： 去除不必要的装饰元素。 面向目标受众： 考虑您的观众的理解能力和关注点。 互动式可视化初探 在某些场景下，允许用户与图表互动，自行探索数据，能够提供更深入的体验。我们将简要介绍互动式可视化的概念和应用。 第五部分：迈向专业化——工具、工作流与未来 在掌握了数据分析的通用原理和流程后，我们将为您展望专业化的道路，并强调持续学习的重要性。 Python生态系统概览 尽管本书不深入某个特定库，但我们仍然会为您勾勒出Python在数据科学领域强大的生态系统。您将了解到： NumPy： 高效的数值计算库，是许多其他库的基础。 Pandas： 强大的数据处理和分析库，提供DataFrame等核心数据结构。 Matplotlib/Seaborn： 流行的绘图库，用于生成各种静态和动态图表。 Scikit-learn： 机器学习的瑞士军刀，涵盖了从数据预处理到模型评估的众多算法。 其他工具： 如用于数据爬取的Scrapy，用于统计建模的Statsmodels，用于大数据处理的PySpark等。 通过对这些工具的介绍，您将理解它们各自的角色和如何在数据分析流程中协同工作，从而为您后续选择和学习具体工具提供方向。 典型的数据分析工作流 我们将回顾整个数据分析的生命周期，强调这是一个迭代而非线性的过程： 1. 问题定义与规划 2. 数据收集 3. 数据清洗与预处理 4. 探索性数据分析 (EDA) 5. 特征工程 6. 模型选择与训练（如有需要） 7. 模型评估与调优 8. 结果解释与沟通（可视化） 9. 部署与监控（如适用） 理解这个工作流，能够帮助您更有条理地开展项目，并知道在每个阶段可能遇到的挑战和需要关注的重点。 数据伦理与最佳实践 数据分析不仅仅是技术，更关乎责任。我们将强调： 数据隐私与安全： 如何保护敏感数据。 算法偏见： 识别和减轻数据和算法中可能存在的偏见。 可解释性： 努力让分析结果易于理解和验证。 道德决策： 在数据分析过程中做出负责任的决策。 持续学习与资源推荐 数据科学领域日新月异，保持学习的热情至关重要。我们将为您推荐一些优质的学习资源，包括在线课程、技术博客、开源社区、学术论文等，帮助您不断提升技能，紧跟行业前沿。 本书旨在为您构建一个扎实的数据思维框架，让您深刻理解数据分析的“为什么”和“如何做”，而非仅仅停留在某个工具的使用技巧上。通过系统性的学习，您将能够自信地步入数据分析的广阔天地，无论未来选择哪个强大的工具，都能游刃有余，真正地驾驭数据，发掘其无限潜力。

评分☆☆☆☆☆

我非常喜欢这本书在案例选择上的独到之处，它并没有选择一些过于陈旧或者过于简单的例子，而是选取了一些贴近实际工作场景的数据集，并围绕这些数据集展开了深入的分析。通过处理真实的数据，我不仅学到了技术，更重要的是对数据分析的整个流程和思维方式有了更深刻的认识。作者在讲解过程中，还会穿插一些关于数据分析的“最佳实践”或者“注意事项”，这些细节的提示，对于帮助我们养成良好的编程习惯和分析习惯非常有价值。读完这本书，我感觉自己解决实际数据问题的能力得到了显著提升，对未来在工作中使用Python进行数据分析充满了信心。

评分☆☆☆☆☆

这本书的内容深度我个人感觉是比较适中的，既有对Python基础的梳理，又对数据分析的核心库做了详尽的介绍。我之前接触过一些Python入门的书籍，但很多在实际应用方面讲解得比较浅显，这本书在这方面做得很好，它并没有仅仅停留在概念的解释上，而是通过大量的实战案例，手把手地教你如何运用Python来解决实际的数据问题。尤其是它对pandas库的讲解，我觉得是这本书的一大亮点，从数据读取、清洗、转换到可视化，各个环节都讲解得非常透彻，而且给出的代码示例也都非常具有代表性，我按照书中的例子自己动手实践了一下，感觉收获很大，对pandas的理解一下子就深入了很多。

评分☆☆☆☆☆

从阅读体验上来说，这本书的语言风格很流畅，作者的表达清晰易懂，即使是一些比较抽象的概念，通过他的解释和图示，也能很快地理解。我尤其欣赏作者在讲解过程中，并没有一味地堆砌理论，而是巧妙地将理论知识融入到具体的应用场景中，这样一来，读者不仅能学到“是什么”，更能理解“为什么”以及“怎么做”。这一点对于初学者来说非常重要，它能帮助我们建立起对整个数据分析流程的直观认识，而不是死记硬背一些枯燥的语法。我感觉这本书非常适合那些想要从零开始学习Python数据分析，或者希望进一步提升pandas技能的读者。

评分☆☆☆☆☆

这本书的装帧设计真的挺用心的，封面采用了一种哑光材质，摸起来很有质感，而且印刷清晰，色彩搭配也很柔和，整体感觉非常专业，放在书架上也很赏心悦目。拿到手的时候就迫不及待地翻开了，纸张的质量也不错，不是那种容易泛黄的劣质纸，阅读起来触感很舒服。整体的排版也很规整，行间距和字号都恰到好处，长时间阅读眼睛也不会觉得疲劳。书的厚度适中，作为一本实操类的书籍，内容量应该挺扎实的。我特别喜欢它那种朴实而又专业的气质，没有过多的花哨设计，一切都围绕着内容本身展开，这种专注于知识本身的风格，让我觉得这本书是值得信赖的。

评分☆☆☆☆☆

这本书的结构安排也非常合理，循序渐进，逻辑性很强。它首先从Python语言的基础知识入手，确保读者能够掌握必要的前置技能，然后逐步深入到数据分析的核心，通过不同类型的数据集和实际问题的案例，引导读者逐步掌握数据处理和分析的各种技术。这种由浅入深的学习路径，让我在阅读过程中感到非常顺畅，不会因为突然遇到难以理解的内容而产生挫败感。每章节的结尾通常都会有一些练习题或者思考题，这对于巩固所学知识非常有帮助，能够及时检验自己的学习成果，也让我能够发现自己理解上的盲点。