[Pre -Sale] Тайваньская версия Pandas Information Cleanup and Reshape Visual Flag Matt Harrison, чтобы понять пример использования навыков Pandas для изучения книг по компьютерным приложениям
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
Набор для анализа данных Python!Очистка данных Pandas, изменение, фильтрация, визуализация
Pandas 1.x Cookbook/Second Edition
Автор: Мэтт Харрисон
Издательство: баннер
Дата публикации: 2021/11/26
Язык: традиционный китайский
ISBN: 9789863126898
Спецификация: упрощенная/672 страницы /17x23x3.25cm/ Нормальный уровень/часть полного цвета/
Место публикации: Тайвань, Китай
【*Полный!Благодаря использованию 114 навыков Панды]
Хотите выучить панды, достаточно читать официальные документы?
Для пользователей Python Pandas, несомненно, является набором для анализа данных.С пандами вы можете изменить, фильтровать, убирать и интегрировать большинство типов материалов.Действительно, официальный веб -сайт Pandas содержит примеры различных инструкций.Поэтому некоторые пользователи скажут: «Не покупайте книги!Онлайн -ресурсы настолько богаты, просто посмотрите на официальные документы!"
Тем не менее, недостаточно знать, что операции определенной инструкции недостаточно.В фактическом анализе данных вам может потребоваться объединить несколько инструкций для достижения целей.В настоящее время вам нужно знать, как использовать панды.Например, как вы должны делать, когда вы сталкиваетесь с проблемой сложности памяти данных, которая вызывает сложность неспособности плавно проанализировать данные?
Из официальных файлов Pandas вы можете понять другие методы преобразования типа поля, и вы также можете знать, как запросить точность номера плавающей запятой в поле.Пока эти два метода объединяются, вы можете легко легко уменьшить память о данных Data.К сожалению, официальный документ не сообщает вам об этом трюке, но тратьте время на изучение.В процессе нащупывания это неизбежно займет много обхода.
Эта книга не является простым справочным руководством по грамматике Pandas.Цель при написании этой книги состоит в том, чтобы надеяться, что читатели могут извлечь уроки из полного примера и полностью понять важность использования навыков панд.Кроме того, автор привык давать различные решения одной и той же проблеме, сравнивая эффективность различных практик.В результате читатели могут знать, какой метод может быть известен при фактическом анализе информации в будущем.
Коллекция реальной информации!
В настоящее время большинство книг Pandas на рынке предназначены для обучения с использованием поддельных наборов данных, генерируемых Chaos.Это заставит вас не знать, с чего начать при столкновении с реальным набором данных.Ввиду этого автор этой книги использует много реальных наборов данных, чтобы разрешители испытать рабочее содержание аналитиков данных.Набор данных в книге содержит:
● Коллекция информации о фильмах IMDB 5000
● Набор информации о запасах Tesla
● Набор данных анкеты Kaggle
● Сбор информации о качествах алмаза
● Сбор информации Американского университета
● Сбор данных полета в Тайване, Китае, Китае, Китае
● Набор информации о уголовном деле в Денвере
● Алта Нианджу
● Набор экономических данных в США.
…ждать
*Полное преподавание навыков Pandas!
Чтобы сделать читателей лучше понять, содержание каждого раздела в книге сопоставлено с полным примером.Читатели могут начать с чтения набора данных и постепенно понимать брови анализа данных.Книга преподавала 114 методов для фактического боя Панда, чтобы убедиться, что читатели могут полностью овладеть ее сущностью.Чему узнают читатели:
● Снижение значений централизованной концентрации данных
● Обработка проблемы индексации взрыва
● Объедините несколько объектов Pandas
● Добавлена и удаляли поля в DataFrame
● Получить статистическую информацию о конкретной области
● Конвертированное направление работы DataFrame
● Уменьшите память данных DataFrame
● Смешанная позиция и метка для выбора информации
● Реализация функции SQL через панды
● Групповые и агрегатные вычисления нескольких полей
● Возьмите настройку данных в аккуратную форму
● Отфильтруйте поле, содержащие данные временных рядов
● С Matplotlib и Seaborn для визуальных данных
● Авторинг кода панда в Юпитере
…ждать
Если вы не хотите помнить, чтобы запомнить грамматику Pandas, вы также хотите узнать, как использовать навыки, вы можете попробовать ее с примерами в книге, чтобы убедиться, что ваша способность анализа данных может быть выше!
Характеристика
● Полное принятие*Новая версия Pandas 1.x
● Полное преподавание пандов, обучение 114 трюкам для использования навыков
● Существует 114 примеров, и есть более ценные впечатления, которые нельзя подсчитать.
● Используйте набор данных в реальном мире для накопления фактических боевых возможностей
● С Numpy, Matplotlib, Seaborn, Pandarallel, большими ожиданиями, питестом, гипотезой и другими инструментами, расширяйте свой арсенал
● Полное описание метода загрузки файла CSV, файла JSON, данных SQL и таблицы HTML
● Эта книга контролируется исследовательским управлением Ши Вайминга.
Глава 0: Основная база комплекта Pandas
0-1 объект DataFrame
0-2 атрибуты DataFrame (атрибуты)
0-3 серии объект
0-4 Тип данных в пандах
Глава: Основные операции данных и серии данных
1-1 Выберите поле DataFrame
1-2 метод серии вызовов (метод)
1-3 Связанная операция серии
1-4 метод соединения серии
1-5 Измените имя поля
1-6 новых и удаленных полей
Глава 2: Операционные навыки DataFrame
2-1 Выберите несколько полей DataFrame
2-2 Используйте метод, чтобы выбрать поле
2-3 Сортировать имя поля
2-4 Статистический метод DataFrame
2-5 Метод обработки данных
2 -6 Оператор расчета DataFrame оператора расчета
2-7 латиноскопия
2-8 Направление операций на данных о рамке данных
2.9 Drill: определите разнообразие университетских городков
Глава 3: Установить и сохранить DataFrame
3-1 с нуля, DataFrame
3-2 Access CSV-файл
3-3 Читать большие файлы CSV
3-4 Используйте файлы Excel
3-5 Прочтите информацию в файле ZIP
3-6 База данных доступа
3-7 Данные из формата JSON
3-8 Читать форму HTML
Глава 4: Запуск данных
4-1 Сформулируйте обычную программу для анализа данных
4-2 Информационный словарь
4-3 Измените тип данных, чтобы уменьшить дозировку памяти
4-4 Сортировка данных
4-5 Выберите*большое значение и*небольшое значение каждой группы после сортировки
4-6 sort_values () выберите*большое значение
4-7 Служба дела: рассчитайте цену на мобильную остановку
Глава 5: Анализ данных разведки
5-1 Абстрактная статистика Информация
5-2 Типы данных конверсии
5-3 Преобразование данных и обработка недостающих значений
5-4 Просмотреть распределение непрерывных данных
5-5 Просмотреть различное распределение данных классификации
5-6 Сравнение непрерывной корреляции столбца
5-7 Корреляция между масштабированием поля рубца
5-8 Используйте библиотеку функций профилирования, чтобы установить сводный отчет
Глава 6: Выберите подмножество информации
6-1 Выберите инсульт или избегайте информации о сервере
6-2 Выберите столбец DataFrame
6-3 Выберите столбец и поле DataFrame одновременно
6-4 смешанную позицию и этикетки для выбора информации
6-5 среза в порядке букв метки
Глава 7: Скрининг конкретной информации с массивом Bollinger
7-1 Рассчитайте статистическую информацию массива Brin
7-2 Установите несколько условий Blin
7-3 фильтр с массивом Брина
7-4 выбор Боллинджера против выбора индекса
7-5 Используйте*1 или отсортированные теги индекса для выбора информации
7-6 Используйте панды для реализации функции в SQL
7-7 Используйте метод запроса для улучшения читаемости выбранного Bling
7-8 Используйте где () для поддержания размера сервера
7-9 покрыть столбец DataFrame
7-10 Выберите информацию с массивом Blin, показателями позиции и метками
Глава 8: Поле выравнивания и поиска индекса*Большое значение
8-1 объект индекса тестирования
8-2 Декарт
8-3 Взрыв
8-4 Заполните потерю пропущенных значений
8-5 Увеличьте поле из разных данных данных
8-6 Выделите*большое значение каждого поля
8-7 Метод подключения для реализации функции idxmax ()
8-8 Найти*общие поля*большое значение
Глава 9: Сбор, фильтрация и преобразование через группу
9-1 выполняйте простую группировку и агрегацию
9-2 Выполнение и агрегирование вычислений для нескольких полей
Удалить multinex после 9-3 группировки
9-4 Используйте настроенную функцию агрегата для группы
9-5 Совокупные форматы, которые могут получать несколько параметров
9-6 углубленное понимание групповых объектов
9-7 фильтруют конкретную композицию
9-8 Информация о преобразовании пакетов в конкретных областях
9-9 Использование Apply () для расчета среднего значения
9-10 Группировка с непрерывными значениями изменений
9-11 Случай Случай: Рассчитайте общее количество рейсов между городами
9-12 Случай по делу: найдите непрерывную и разделение времени рекорд для полета
Глава 0: Превратите данные в аккуратную форму
10-1 Используйте Stack (), чтобы разобраться с информацией «Имя поля как значение переменной»
10-2 Данные из Melt (), чтобы разобраться в «Имя файла как значение переменной»
10-3 стека несколько наборов переменных одновременно
10-4 поля Укладывания обратной работы
10-5 Операция по борьбе с ткани после суммирования информации
10-6 Функция моделирования pivot_table с GroupBy ()
10-7 переименованные в разные уровни в каждой оси
10-8 Переоценка «Имя размещения содержит несколько переменных»
10-9 Переоценка «Многочисленные переменные, хранящиеся в одном поле»
10-10 Материалов «Многоцветь в единичных оценках хранения содержит многознание»
10-11 Сортировать информацию «Имя волокна и значения волокна содержит переменные»
Глава 1: Анализ временных рядов
11-1 Узнайте разницу между Python и Pandas Date
11-2 Slice для последовательности времени
11-3 фильтруют поле, содержащее данные о времени
11-4 подходит только для DateTimeIndex
11-5 повторная группа в соответствии с периодом времени
11-6 групп суммируют несколько столбцов одного и того же времени
11-7 Случай: статистика уровня преступности с «несколько недель»
11-8 Используйте анонимную функцию для группы
11-9 Используйте временные метки для группы с другой столбцом
