為什么要利用Python進行數(shù)據(jù)分析峡继?
對于數(shù)據(jù)分析師從業(yè)者而言冯袍,經(jīng)常需要從事:數(shù)據(jù)庫操作、報告撰寫碾牌、數(shù)據(jù)可視化康愤、數(shù)據(jù)挖掘的工作。這些工作不寫代碼也可以操作舶吗,利用Excel 進行數(shù)據(jù)可視化征冷、使用 SPSS等一些親民類平臺工具進行數(shù)據(jù)挖掘,雖然使用平臺工具雖然可造作性強裤翩,但是不可避免的會存在重復(fù)機械的勞動资盅,從而降低自己的工作效率,但如果你會用Python 編寫代碼踊赠,操作的自由度更高呵扛,發(fā)展的潛力更大。
怎么利用Python進行數(shù)據(jù)分析筐带?
在這里推薦這本《利用Python進行數(shù)據(jù)分析》今穿,該書適合剛剛接觸Python的數(shù)據(jù)分析的小白。將IPython這個交互式Shell作為你的首要開發(fā)環(huán)境伦籍,講述了從pandas庫的數(shù)據(jù)分析工具開始利用高性能工具等內(nèi)容蓝晒。
直接來展示一下:
第1章 準備工作
1.1 本書的內(nèi)容
1.2 為什么要使用Python進行數(shù)據(jù)分析
1.3 重要的Python庫
1.4 安裝和設(shè)置
…
第2章 Python語法基礎(chǔ)腮出,IPython和Jupyter Notebooks
2.1 Python解釋器
2.2 IPython基礎(chǔ)
2.3 Python語法基礎(chǔ)
第3章 Python的數(shù)據(jù)結(jié)構(gòu)、函數(shù)和文件
3.1 數(shù)據(jù)結(jié)構(gòu)和序列
3.2 函數(shù)
3.3 文件和操作系統(tǒng)
3.4 結(jié)論
第4章 NumPy基礎(chǔ):數(shù)組和矢量計算
4.1 NumPy的ndarray:一種多維數(shù)組對象
4.2 通用函數(shù):快速的元素級數(shù)組函數(shù)
4.3 利用數(shù)組進行數(shù)據(jù)處理
4.4 用于數(shù)組的文件輸入輸出
…
第5章 pandas入門
5.1 pandas的數(shù)據(jù)結(jié)構(gòu)介紹
5.2 基本功能
5.3 匯總和計算描述統(tǒng)計
5.4 總結(jié)
第6章 數(shù)據(jù)加載芝薇、存儲與文件格式
6.1 讀寫文本格式的數(shù)據(jù)
6.2 二進制數(shù)據(jù)格式
6.3 Web APIs交互
6.4 數(shù)據(jù)庫交互
6.5 總結(jié)
第7章 數(shù)據(jù)清洗和準備
7.1 處理缺失數(shù)據(jù)
7.2 數(shù)據(jù)轉(zhuǎn)換
7.3 字符串操作
7.4 總結(jié)
第8章 數(shù)據(jù)規(guī)整:聚合胚嘲、合并和重塑
8.1 層次化索引
8.2 合并數(shù)據(jù)集
8.3 重塑和軸向旋轉(zhuǎn)
8.4 總結(jié)
第9章 繪圖和可視化
9.1 matplotlib API入門
9.2 使用pandas和seaborn繪圖
9.3 其它的Python可視化工具
9.4 總結(jié)
第10章 數(shù)據(jù)聚合與分組運算
10.1 GroupBy機制
10.2 數(shù)據(jù)聚合
10.3 apply:一般性的“拆分-應(yīng)用-合并”
10.4 透視表和交叉表
10.5 總結(jié)
第11章 時間序列
11.1 日期和時間數(shù)據(jù)類型及工具
11.2 時間序列基礎(chǔ)
11.3 日期的范圍、頻率以及移動
11.4 時區(qū)處理
…
第12章 pandas高級應(yīng)用
12.1 分類數(shù)據(jù)
12.2 GroupBy高級應(yīng)用
12.3 鏈式編程技術(shù)
12.4 總結(jié)
第13章 Python建模庫介紹
13.1 pandas與模型代碼的接口
13.2 用Patsy創(chuàng)建模型描述
13.3 statsmodels介紹
13.4 scikit-learn介紹
13.5 繼續(xù)學(xué)習(xí)
第14章 數(shù)據(jù)分析案例
14.1 來自Bitly的USA.gov數(shù)據(jù)
14.2 MovieLens 1M數(shù)據(jù)集
14.3 1880-2010年間全美嬰兒姓名
14.4 USDA食品數(shù)據(jù)庫
14.5 2012聯(lián)邦選舉委員會數(shù)據(jù)庫
14.6 總結(jié)
篇幅有限洛二,這里就不過展示馋劈,有需要這份資料的,可以在評論區(qū)留言數(shù)據(jù)分析晾嘶,我看到就會回復(fù)妓雾。