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
   
格雷的五十道陰影I:調教(電影封面版)
  • 定價127.00元
  • 8 折優惠:HK$101.6
  • 放入購物車
二樓書籍分類
 
Pandas資料分析實戰:使用Python進行高效能資料處理及分析

Pandas資料分析實戰:使用Python進行高效能資料處理及分析

沒有庫存
訂購需時10-14天
9789864343898
Michael Heydt
陳建宏
博碩
2019年8月22日
193.00  元
HK$ 164.05
省下 $28.95
 
二樓書卷使用細則 二樓書卷使用細則





ISBN:9789864343898
  • 規格:平裝 / 384頁 / 17 x 23 x 1.92 cm / 普通級 / 單色印刷 / 初版
  • 出版地:英國


  • 電腦資訊 > 程式設計 > SQL

















      掌握大數據資料處理與分析的必備套件:PANDAS

      全方位了解Pandas程式庫的特性,進行高效能資料處理及分析




      Pandas是Python底下、用於實際資料分析上很受歡迎的一個套件。它提供有效率、快速、高效能的資料結構,使得資料探索及分析非常簡易。本書將引導讀者熟悉Pandas程式庫提供的各項完整功能,以進行資料的操控及分析。你將學到在Python底下如何用

    Pandas進行資料分析。我們從資料分析的概觀開始,接著反覆地進行資料建模、從遠端來源存取資料、利用索引進行數值及統計分析、執行聚合分析,最後把統計資料視覺化,並且應用到金融領域。



      從本書獲取這些知識後,不但可快速認識Pandas,也具備了將其應用到資料操作、資料分析、資料科學等領域的能力。



      【適用讀者】

      本書適合資料科學家、資料分析師、想用Pandas進行資料分析的Python程式設計師以及任何對資料分析感興趣的人閱讀。如果你具有一些統計及程式設計知識,則對於學習本書內容將會更有幫助,但是即使沒有統計及程式設計知識,或者沒有接觸過Pandas的經驗,也沒有關係。



      【你能夠從本書學習到】

      ◎了解資料分析師及資料科學家對於蒐集、解讀資料的看法。

      ◎了解Pandas如何支援全程的資料分析程序。

      ◎善用Pandas序列及資料框物件來表示單變數及多變數資料。

      ◎利用Pandas切割資料,以及從多個來源進行資料的結合、分組、聚合等操作。

      ◎學習如何從外部來源,如檔案、資料庫以及網站服務存取資料。

      ◎表示及操控時間序列資料,以及了解與此類資料相關的許多複雜之處。

      ◎學習如何將統計資料視覺化。

      ◎學習如何利用Pandas解決金融領域常見的幾個資料表示及分析方面的問題。

    ?


     





    Chapter 1:pandas及資料分析

    1.1 pandas介紹

    1.2 資料操控、分析、科學以及pandas

    1.3 資料分析程序

    1.4 本書章節與程序的關聯性

    1.5 pandas旅程中必須具備的資料及分析觀念

    1.6 pandas用到的其他Python程式庫

    1.7 小結



    Chapter 2:啟動並運行pandas

    2.1 安裝Anaconda

    2.2 IPython及Jupyter筆記本

    2.3 介紹pandas序列及資料框

    2.4 視覺化

    2.5 小結



    Chapter 3:用序列表示單變數資料

    3.1 設定pandas

    3.2 建立序列

    3.3 .index及.values屬性

    3.4 序列的大小及形狀

    3.5 在序列建立時指定索引

    3.6 頭、尾、選取

    3.7 以索引標籤或位置提取序列值

    3.8 把序列切割成子集合

    3.9 利用索引標籤實現對齊

    3.10 執行布林選擇

    3.11 將序列重新索引

    3.12 原地修改序列

    3.13 小結



    Chapter 4:用資料框表示表格及多變數資料

    4.1 設定pandas

    4.2 建立資料框物件

    4.3 存取資料框的資料

    4.4 利用布林選擇選取列

    4.5 跨越行與列進行選取

    4.6 小結



    Chapter 5:操控資料框結構

    5.1 設定pandas

    5.2 重新命名行

    5.3 利用[]及.insert()增加新行

    5.4 利用擴展增加新行

    5.5 利用串連增加新行

    5.6 改變行的順序

    5.7 取代行的內容

    5.8 刪除行

    5.9 附加新列

    5.10 列的串連

    5.11 經由擴展增加及取代列

    5.12 使用.drop()移除列

    5.13 利用布林選擇移除列

    5.14 使用切割移除列

    5.15 小結



    Chapter 6:索引資料

    6.1 設定pandas

    6.2 索引的重要性

    6.3 pandas 的索引型別

    6.4 使用索引

    6.5 階層式索引

    6.6 小結



    Chapter 7:類別資料

    7.1 設定pandas

    7.2 建立類別物件

    7.3 重新命名類別

    7.4 附加新類別

    7.5 移除類別

    7.6 移除未使用的類別

    7.7 設定類別

    7.8 類別物件的敘述性資訊

    7.9 學校成績轉換

    7.10 小結



    Chapter 8:數值與統計方法

    8.1 設定pandas

    8.2 對pandas物件執行算術運算

    8.3 在pandas物件上執行統計程序

    8.4 小結



    Chapter 9:存取資料

    9.1 設定pandas

    9.2 處理CSV及文字/表格格式的資料

    9.3 讀寫Excel格式資料

    9.4 讀寫JSON檔案

    9.5 從網站讀取HTML資料

    9.6 讀寫HDF5格式檔案

    9.7 存取網站上的CSV資料

    9.8 讀寫SQL資料庫

    9.9 從遠端資料服務讀取資料

    9.10 小結



    Chapter 10:整理資料

    10.1 設定pandas

    10.2 資料整理的意涵

    10.3 如何處理資料遺漏

    10.4 處理重複資料

    10.5 資料轉換

    10.6 小結



    Chapter 11:結合、關聯以及重塑資料

    11.1 設定pandas

    11.2 串連幾個物件的資料

    11.3 合併與連結資料

    11.4 資料值與索引的樞紐操作

    11.5 堆疊與解堆疊

    11.6 堆疊資料帶來的效能好處

    11.7 小結



    Chapter 12:資料聚合

    12.1 設定pandas

    12.2 拆開、套用、結合(SAC)模式

    12.3 範例資料

    12.4 拆開資料

    12.5 套用聚合函數、轉換以及過濾

    12.6 轉換分組資料

    12.7 過濾分組資料

    12.8 小結



    Chapter 13:時間序列建模

    13.1 設定IPython筆記本

    13.2 日期、時間、區間的表示方法

    13.3 時間序列資料簡介

    13.4 使用偏移值計算新日期

    13.5 利用Period表示持續時間

    13.6 處理日曆中的假日

    13.7 利用時區正規化時間戳記

    13.8 操控時間序列資料

    13.9 時間序列的移動視窗運算

    13.10 小結



    Chapter 14:視覺化

    14.1 設定pandas

    14.2 Pandas的基本繪圖

    14.3 建立時間序列圖表

    14.4 統計分析常見的繪圖

    14.5 在單一圖表中手動顯示多張繪圖

    14.6 小結



    Chapter 15:歷史股價分析

    15.1 設定IPython筆記本

    15.2 從Google取得與組織股票資料

    15.3 繪製股價時間序列的圖

    15.4 繪製成交量序列的圖

    15.5 計算簡易的每日收盤價變化百分比

    15.6 計算簡易的股票每日累積報酬率

    15.7 將每日報酬率重新取樣為每月報酬率

    15.8 分析報酬率分布

    15.9 移動平均計算

    15.10 比較股票之間的平均每日報酬率

    15.11 依每日收盤價的變化百分比找出股票相關性

    15.12 計算股票波動率

    15.13 決定風險相對於期望報酬率的關係

    15.14 小結




    其 他 著 作