目 錄 前言　xvii 第 一部分　NumPy篇 第 1章 數(shù)據(jù)分析概述 3 1.1　數(shù)據(jù)分析簡介 3 1.1.1　 數(shù)據(jù)科學(xué)是什么？ 3 1.1.2 數(shù)據(jù)分析是什么？ 4 1.1.3 應(yīng)該學(xué)些什么？ 4 1.2　 課程介紹 6 1.2.1 課程說明 6 1.2.2 常見問題 6 1.3 使用 VSCode 7 1.3.1 安裝 VSCode 7 1.3.2 安裝插件 8 1.3.3 運行代碼 9 第 2章 NumPy基礎(chǔ) 11 2.1 NumPy是什么？ 11 2.2 創(chuàng)建數(shù)組 12 2.2.1 基本方法 12 2.2.2 隨機數(shù)組 18 2.2.3 數(shù)組與列表的區(qū)別 21 2.3 數(shù)組屬性 22 2.4 元素操作 24 2.4.1 訪問元素 25 2.4.2 修改元素 26 2.4.3 添加元素 26 2.4.4 刪除元素 28 2.4.5 切片 29 2.5 數(shù)組操作 31 2.5.1 修改形狀 31 2.5.2 修改維度 33 2.5.3 翻轉(zhuǎn)數(shù)組 34 2.5.4 數(shù)組去重 34 2.5.5 合并數(shù)組 35 2.5.6 分割數(shù)組 37 2.6 各種運算 39 2.6.1 基本運算 39 2.6.2 比較運算 41 2.6.3 標(biāo)量運算 42 2.6.4 數(shù)學(xué)函數(shù) 43 2.6.5 統(tǒng)計函數(shù) 45 2.7 遍歷數(shù)組 53 2.8 大小排序 55 2.9 本章練習(xí) 57 第3章 NumPy進(jìn)階 58 3.1　淺拷貝和深拷貝 58 3.1.1 淺拷貝 58 3.1.2 深拷貝 59 3.2 axis的值 60 3.3 廣播機制 61 3.3.1 維數(shù)不同 61 3.3.2 維數(shù)相同 63 3.3.3 標(biāo)量運算 64 3.4 讀寫文件 65 3.4.1 讀取文件 65 3.4.2 寫入文件 66 3.5 矩陣簡介 67 3.5.1 全0矩陣 68 3.5.2 全1矩陣 69 3.5.3 單位矩陣 69 3.5.4 隨機矩陣 70 3.6 本章練習(xí) 71 第二部分　Pandas篇 第4章 Pandas簡介 75 4.1　Pandas是什么？ 75 4.2 Series 76 4.2.1 創(chuàng)建Series 76 4.2.2 Series的屬性 78 4.2.3 獲取某行的值 78 4.2.4 深入了解 79 4.3 DataFrame 79 4.3.1 創(chuàng)建DataFrame 79 4.3.2 DataFrame的屬性 83 4.3.3 深入了解 86 4.4 DataFrame的數(shù)據(jù)操作 88 4.4.1 訪問數(shù)據(jù) 88 4.4.2 修改數(shù)據(jù) 95 4.4.3 添加數(shù)據(jù) 96 4.4.4 刪除數(shù)據(jù) 98 4.5 遍歷行列 101 4.5.1 遍歷行 101 4.5.2 遍歷列 102 4.6 深入了解 103 4.7 本章練習(xí) 105 第5章 獲取數(shù)據(jù) 107 5.1　數(shù)據(jù)分析流程 107 5.2 讀寫數(shù)據(jù)簡介 108 5.3 讀寫JSON 109 5.3.1 JSON簡介 109 5.3.2 讀取JSON 110 5.3.3 寫入JSON 111 5.4 讀寫CSV 113 5.4.1 CSV簡介 113 5.4.2 讀取CSV 114 5.4.3 寫入CSV 116 5.5 讀寫Excel 117 5.5.1 Excel簡介 117 5.5.2 讀取Excel 118 5.5.3 寫入Excel 119 5.6 讀寫HTML 120 5.7 深入文件讀取 122 5.7.1 分塊讀取 122 5.7.2 只讀取一部分 124 5.8 讀取數(shù)據(jù)庫 125 5.8.1 安裝MySQL 125 5.8.2 安裝Navicat for MySQL 129 5.8.3 讀取MySQL 134 5.9 本章練習(xí) 136 第6章 篩選數(shù)據(jù) 137 6.1　篩選數(shù)據(jù)簡介 137 6.2 獲取行、列：loc[]、iloc[]和df[] 138 6.2.1 獲取行 138 6.2.2 獲取列 139 6.3 重新索引：reindex() 141 6.3.1 語法簡介 141 6.3.2 深入了解 143 6.4 獲取首尾數(shù)據(jù)：head()和tail() 145 6.5 隨機抽樣：sample() 147 6.6 邏輯比較 149 6.6.1 語法簡介 149 6.6.2 深入了解 152 6.7 過濾操作 155 6.7.1 query() 155 6.7.2 filter() 157 6.8 模式匹配 159 6.9 本章練習(xí) 162 第7章 處理數(shù)據(jù) 164 7.1　處理數(shù)據(jù)簡介 164 7.2 操作行名和列名 165 7.2.1 設(shè)置某一列為行名 165 7.2.2 重置行名 166 7.2.3 修改行名和列名 168 7.3 類型轉(zhuǎn)換 171 7.3.1 針對DataFrame 171 7.3.2 針對某一列 174 7.4 行列轉(zhuǎn)置：T 175 7.5 大小排序：sort_values() 176 7.6 數(shù)據(jù)排名：rank() 179 7.7 數(shù)據(jù)替換：replace() 181 7.8 數(shù)據(jù)移動：shift() 183 7.9 數(shù)據(jù)清洗 185 7.9.1 缺失值 186 7.9.2 重復(fù)值 192 7.9.3 異常值 196 7.10 數(shù)據(jù)合并 197 7.10.1 軸向合并：concat() 198 7.10.2 主鍵合并：merge() 203 7.10.3 行列連接：join() 207 7.10.4 縱向合并：append() 208 7.11 字符串處理 209 7.11.1 獲取長度：len() 210 7.11.2 統(tǒng)計次數(shù)：count() 211 7.11.3 去除空格：strip() 212 7.11.4 替換字符串：replace() 213 7.11.5 分割字符串：split() 214 7.11.6 重復(fù)字符串：repeat() 215 7.11.7 連接列：cat() 216 7.11.8 大小寫轉(zhuǎn)換 219 7.11.9 判斷類型 220 7.11.10 判斷包含 221 7.12 自定義函數(shù) 222 7.12.1 map() 222 7.12.2 apply() 224 7.12.3 applymap() 226 7.13 實戰(zhàn)題：處理天氣數(shù)據(jù) 227 7.14 實戰(zhàn)題：拆分?jǐn)?shù)據(jù) 229 7.15 本章練習(xí) 230 第8章 分析數(shù)據(jù) 232 8.1　分析數(shù)據(jù)簡介 232 8.2 基本統(tǒng)計函數(shù) 232 8.2.1 求和：sum() 233 8.2.2 統(tǒng)計個數(shù)：count() 235 8.2.3 求最值：max()與min() 236 8.2.4 求中位數(shù)：median() 238 8.2.5 求眾數(shù)：mode() 239 8.2.6 求平均數(shù)：mean() 240 8.2.7 求方差：var() 241 8.2.8 求標(biāo)準(zhǔn)差：std() 242 8.2.9 求分位數(shù)：quantile() 243 8.3 其他統(tǒng)計函數(shù) 244 8.3.1 統(tǒng)計取值種類 244 8.3.2 統(tǒng)計取值個數(shù) 245 8.3.3 求變化百分比 246 8.3.4 求最值的行名 247 8.4 整體情況 247 8.4.1 describe() 248 8.4.2 info() 248 8.5 聚合函數(shù)：agg() 249 8.6 數(shù)據(jù)分組 252 8.6.1 基本語法 252 8.6.2 統(tǒng)計分析 256 8.7 實戰(zhàn)題：求平均壽命 258 8.8 本章練習(xí) 259 第9章 時間序列 260 9.1　時間序列概述 260 9.1.1 時間序列簡介 260 9.1.2 轉(zhuǎn)換類型 261 9.1.3 獲取日期 264 9.1.4 索引與切片 266 9.2 重采樣：resample() 268 9.2.1 降采樣 268 9.2.2 升采樣 271 9.3 移動計算：rolling() 273 9.4 分組器：Grouper() 274 9.5 實戰(zhàn)題：求每個月的銷量總和 276 9.6 本章練習(xí) 277 第 10章 高級技術(shù) 279 10.1　透視表 279 10.1.1 透視表簡介 279 10.1.2 統(tǒng)計函數(shù) 281 10.2 交叉表 282 10.3 層次化索引 284 10.3.1 層次化索引簡介 284 10.3.2 常用操作 286 10.4 離散化處理 292 10.4.1 離散化簡介 292 10.4.2 常用參數(shù) 293 10.5 啞變量處理 296 10.6 實戰(zhàn)題：創(chuàng)建透視表 298 10.7 本章練習(xí) 299 第 11章 其他操作 300 11.1　廣播機制 300 11.2 索引對象 301 11.3 inplace參數(shù) 304 11.4 缺失值 306 11.5 實戰(zhàn)題：統(tǒng)計每一列的缺失值個數(shù) 307 11.6 本章練習(xí) 308 第三部分　Matplotlib篇 第 12章 基礎(chǔ)圖表 313 12.1　Matplotlib簡介 313 12.2 基本繪圖（折線圖） 315 12.2.1 基本語法 315 12.2.2 定義樣式 317 12.3 通用設(shè)置 325 12.3.1 畫布樣式 325 12.3.2 定義標(biāo)題 326 12.3.3 定義圖例 330 12.3.4 刻度標(biāo)簽 332 12.3.5 刻度范圍 335 12.3.6 網(wǎng)格線 338 12.3.7 參考線 340 12.3.8 參考區(qū)域 343 12.3.9 注釋文本（有指向） 345 12.3.10 注釋文本（無指向） 347 12.4 通用樣式 350 12.5 散點圖 350 12.5.1 基本語法 350 12.5.2 定義樣式 352 12.5.3 氣泡圖 354 12.6 柱形圖 356 12.6.1 基本語法 356 12.6.2 高級柱形圖 358 12.6.3 條形圖 361 12.7 直方圖 362 12.7.1 基本語法 362 12.7.2 定義樣式 364 12.8 餅狀圖 366 12.8.1 基本語法 366 12.8.2 定義樣式 367 12.8.3 圓環(huán)圖 372 12.9 實戰(zhàn)題：繪制氣溫折線圖 373 12.10 實戰(zhàn)題：瀏覽器所占市場份額柱形圖 375 第 13章 高級圖表 378 13.1　高級圖表簡介 378 13.2 箱線圖 378 13.2.1 基本語法 378 13.2.2 樣式定義 381 13.3 面積圖 387 13.3.1 基本語法 387 13.3.2 高級面積圖 388 13.4 棉棒圖 389 13.4.1 基本語法 389 13.4.2 定義樣式 390 13.5 熱力圖 393 13.5.1 基本語法 393 13.5.2 定義樣式 394 13.6 子圖表 395 13.6.1 基本語法 395 13.6.2 實際案例 398 13.7 實戰(zhàn)題：使用箱線圖查找異常值 399 13.8 實戰(zhàn)題：繪制每月銷量的棉棒圖 401 第四部分　工具篇 第 14章 Jupyter Notebook 407 14.1　Jupyter Notebook簡介 407 14.2 Jupyter Notebook的使用 408 14.2.1 安裝Anaconda 409 14.2.2 運行Jupyter Notebook 409 14.3 應(yīng)用場景 411 14.4 常用技巧 414 14.4.1 問號查詢 414 14.4.2 輸出多個變量 415 14.4.3 讀取文件 417 第五部分　附錄 附錄A 讀寫文件（Pandas） 422 附錄B 統(tǒng)計函數(shù)（Pandas） 423 附錄C 繪圖函數(shù)（Matplotlib）424