庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
   
區政新角度
  • 定價64.00元
  • 8 折優惠:HK$51.2
  • 放入購物車
二樓書籍分類
 
Python資料分析必備套件!Pandas資料清理、重塑、過濾、視覺化

Python資料分析必備套件!Pandas資料清理、重塑、過濾、視覺化

沒有庫存
訂購需時10-14天
9789863126898
Matt Harrison,Theodore Petrou
蔣佑仁,李侑穎
旗標
2021年11月26日
260.00  元
HK$ 234  






ISBN:9789863126898
  • 規格:平裝 / 672頁 / 17 x 23 x 3.25 cm / 普通級 / 部份全彩 / 初版
  • 出版地:台灣


  • 電腦資訊 > 程式設計 > SQL

















      【最齊全!徹底活用Pandas的114技】

    ?

      想學Pandas,看官方文件就夠了?

      對於Python使用者來說,Pandas無疑是資料分析的必備套件。有了Pandas,您可以非常高效地重塑、過濾、清理以及整合大部分類型的資料。的確,Pandas的官方網站提供了不同指令的使用範例。因此有的使用者會說:『不用買書看啦!網路資源這麼豐富,多看看官方文件就好了!』

    ?

      不過,單單只知道某個指令的運作方式是不足夠的。在實際進行資料分析時,您可能需要結合多個指令來達成目標。這時候,您更需要知道如何活用Pandas。舉例來說,假設您現在面對DataFrame的記憶體用量過大,導致無法順利分析資料的難題時,該怎麼辦呢?

    ?

      從Pandas的官方文件中,您可以了解轉換欄位型別的方法,也知道如何查詢欄位的浮點數精度。只要結合這兩個方法,您就可以非常輕鬆地降低DataFrame的記憶體用量。遺憾的是,官方文件並不會告訴您這個訣竅,而必須自己花時間來摸索。在摸索的過程中,不可避免地會多走許多彎路。

    ?

      本書並非單純的Pandas語法參考手冊。作者寫作此書時的目標,是希望讀者們可以從完整的範例中學習,並充分了解活用Pandas技巧的重要性。此外,作者習慣給出同一問題的不同解法,同時比較不同做法的效能。由此一來,讀者日後在實際分析資料時,才能知道哪一種做法是最優解。

    ?

      正面對決真實資料集!

      目前市面上的Pandas書籍,多數是使用亂數產生的假資料集來進行教學。這會導致您在面對真實資料集時,不知該從何下手。有鑒於此,本書作者使用了眾多的真實資料集,讓讀者切身感受資料分析師的工作內容。書中的資料集包含:

    ?

      ●IMDB 5000電影資料集

      ●Tesla股票資料集

      ●Kaggle問卷資料集

      ●鑽石品質資料集

      ●美國大學資料集

      ●美國國內航班資料集

      ●丹佛市的犯罪案件資料集?

      ●阿爾塔年積雪資料集

      ●美國燃油經濟資料集?

      …等

    ?

      最齊全的Pandas技巧教學!

      為了讓讀者可以更好的理解,書中每一小節的內容皆搭配完整範例。讀者可以從讀入資料集開始,循序漸進地搞懂資料分析的眉眉角角。全書共傳授了Pandas實戰的114種技巧,保證讀者可以全面掌握其中的精髓。讀者將會學到如何:

    ?

      ●處理資料集中的缺失值

      ●處理索引爆炸的問題

      ●組合多個Pandas物件

      ●在DataFrame中新增和刪除欄位

      ●取得特定欄位的統計資訊

      ●轉置DataFrame的運算方向

      ●減少DataFrame的記憶體用量

      ●混用位置和標籤來選取資料

      ●透過Pandas實現SQL的功能?

      ●對多個欄位進行分組及聚合運算

      ●將資料集重塑成整齊的形式

      ●過濾包含時間序列資料的欄位

      ●搭配Matplotlib和Seaborn來視覺化資料

      ●在Jupyter中進行Pandas程式碼的除錯

      …等

      

      如果您不想只是死記硬背Pandas語法,還想學習如何活用其中的技巧,非常歡迎您跟著書中的範例動手試試看,保證可以讓您的資料分析能力更上一層樓!?

    ?

    本書特色

    ?

      ●全面採用最新的Pandas 1.x版本

      ●最齊全的Pandas教學,傳授114招實用技巧

      ●附有超過114個範例,還有多到無法細數的資料分析的寶貴經驗,從做中學才更有效

      ●使用真實世界中的資料集,累積實戰能力?

      ●搭配NumPy、Matplotlib、Seaborn、 Pandarallel、Great Expectations、pytest、Hypothesis 等工具,擴增你的武器庫

      ●完整說明CSV檔、JSON檔、SQL資料及HTML表格等資料類型的載入方式

      ●本書由施威銘研究室監修,書中針對原書進行大量補充,並適當添加註解,幫助讀者更好地理解內容



     





    ☆第0章:Pandas 套件的基礎

    0-1 DataFrame物件

    0-2 DataFrame的屬性(attributes)

    0-3 Series物件

    0-4 Pandas中的資料型別



    ☆第1章:DataFrame及Series的基本操作

    1-1 選取DataFrame的欄位

    1-2 呼叫Series的方法(method)

    1-3 Series的相關操作

    1-4 串連Series的方法

    1-5 更改欄位名稱

    1-6 新增及刪除欄位



    ☆第2章:DataFrame的運算技巧

    2-1 選取多個DataFrame的欄位

    2-2 用方法選取欄位

    2-3 對欄位名稱進行排序

    2-4 DataFrame的統計方法

    2-5 串連DataFrame的方法

    2-6 DataFrame的算符運算

    2-7 比較缺失值

    2-8 轉置DataFrame運算的方向

    2.9 案例演練:確定大學校園的多樣性



    ☆第3章:建立與保存DataFrame

    3-1 從無到有建立DataFrame

    3-2 存取CSV檔案

    3-3 讀取大型的CSV檔案

    3-4 使用Excel檔案

    3-5 讀取ZIP檔案中的資料

    3-6 存取資料庫

    3-7 存取JSON格式的資料

    3-8 讀取HTML表格



    ☆第4章:開始資料分析

    4-1 制定資料分析的例行程序

    4-2 資料字典

    4-3 改變資料型別以減少記憶體用量

    4-4 資料的排序

    4-5 排序後選取每組的最大值和最小值

    4-6 用sort_values()選取最大值

    4-7 案例演練:計算移動停損單價格



    ☆第5章:探索式資料分析

    5-1 摘要統計資訊

    5-2 轉換欄位的資料型別

    5-3 資料轉換與缺失值處理

    5-4 檢視連續資料的分佈狀況

    5-5 檢視不同分類的資料分佈

    5-6 比較連續欄位的關聯性

    5-7 比較分類欄位的關聯性

    5-8 使用Profiling函式庫建立摘要報告



    ☆第6章:選取資料的子集

    6-1 選取一筆或躲避Series資料

    6-2 選取DataFrame的列

    6-3 同時選取DataFrame的列與欄位

    6-4 混用位置與標籤來選取資料

    6-5 按標籤的字母順序進行切片



    ☆第7章:用布林陣列篩選特定的資料

    7-1 計算布林陣列的統計資訊

    7-2 設定多個布林條件

    7-3 以布林陣列來進行過濾

    7-4 布林選取 vs 索引選取

    7-5 用唯一或已排序的索引標籤來選取資料

    7-6 利用Pandas實現SQL中的功能

    7-7 使用query方法提高布林選取的可讀性

    7-8 使用where()維持Series的大小

    7-9 對DataFrame的列進行遮罩

    7-10 以布林陣列、位置數字和標籤選擇資料



    ☆第8章:索引對齊與尋找欄位最大值

    8-1 檢驗Index物件

    8-2 笛卡兒積

    8-3 索引爆炸

    8-4 填補缺失值

    8-5 從不同的DataFrame增加欄位

    8-6 凸顯每一欄位的最大值

    8-7 串連方法來實現idxmax()的功能

    8-8 尋找最常見的欄位最大值



    ☆第9章:透過分組來進行聚合、過濾和轉換

    9-1 進行簡單的分組及聚合運算

    9-2 對多個欄位執行分組及聚合運算

    9-3 分組後刪除MultiIndex

    9-4 使用自訂的聚合函式來分組

    9-5 可接收多個參數的自訂聚合函式

    9-6 深入了解groupby物件

    9-7 過濾特定的組別

    9-8 分組轉換特定欄位的資料

    9-9 使用apply()計算加權平均數

    9-10 以連續變化的數值進行分組

    9-11 案例演練:計算城市之間的航班總數

    9-12 案例演練:尋找航班的連續準時記錄



    ☆第10章:將資料重塑成整齊的形式

    10-1 使用stack()整理『欄位名稱為變數值』的資料

    10-2 使用melt()整理『欄位名稱為變數值』的資料

    10-3 同時堆疊多組變數

    10-4 欄位堆疊的反向操作

    10-5 在彙總資料後進行反堆疊操作

    10-6 使用groupby()模擬pivot_table的功能

    10-7 重新命名各軸內的不同層級

    10-8 重塑『欄位名稱包含多個變數』的資料

    10-9 重塑『多個變數儲存在單一欄位內』的資料

    10-10 整理『單一儲存格中包含多個值』的資料

    10-11 整理『欄位名稱及欄位值包含變數』的資料



    ☆第11章:時間序列分析

    11-1 了解Python和Pandas日期工具的差別

    11-2 對時間序列切片

    11-3 過濾包含時間資料的欄位

    11-4 僅適用於DatetimeIndex的方法

    11-5 依據時間區段重新分組

    11-6 分組彙總同一時間單位的多個欄位

    11-7 案例演練:以『星期幾』來統計犯罪率

    11-8 使用匿名函式來分組

    11-9 使用Timestamp與另一欄位來分組



    ☆第12章:利用Matplotlib、Pandas和Seaborn進行資料視覺化

    12-1 Matplotlib入門

    12-2 Matplotlib的物件導向指南

    12-3 用Matplotlib視覺化資料

    12-4 使用Pandas繪製基本圖形

    12-5 視覺化航班資料集

    12-6 使用堆疊面積圖找出趨勢

    12-7 了解Seaborn和Pandas之間的區別

    12-8 使用Seaborn進行多變量分析



    Bonus A:組合多個DataFrame或Series

    A-1 在DataFrame上添加新的列

    A-2 連接多個DataFrame

    A-3 concat()、join()和merge()的區別

    A-4 連接到SQL資料庫



    Bonus B:案例演練-使用Seaborn發現辛普森悖論



    Bonus C:Pandas的效能、除錯與測試


    C-1 轉換資料

    C-2 apply()方法的效能

    C-3 提高apply()的效能

    C-4 快速檢視程式碼的技巧

    C-5 在Jupyter中除錯

    C-6 以Great Expectations來管理資料完整性

    C-7 使用pytest來測試Pandas

    C-8 使用Hypothesis產生測試





    其 他 著 作
    1. Python資料分析必備套件!Pandas資料清理、重塑、過濾、視覺化