Python科学计算

定　价：¥42.80

作　者：	孙霓刚
出版社：	机械工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787111703792	出版时间：	2022-05-01	包装：
开本：	16开	页数：	202	字数：

内容简介

　　本书共分为10章，循序渐进地讲述了Python数据分析的基本概念、NumPy、Pandas、matplotlib以及Python数据分析的综合案例，包括以下主要内容：Python数据分析的基本概念与环境安装配置，以及开发工具的使用；NumPy模块的基本概念、结构及语法；介绍数据分析的核心模块Pandas，以及如何使用Pandas中两大核心对象Series和DataFrame；如何从数据源（文件、数据库）中读取数据并转换为Pandas模块中的DataFrame对象，进而进行数据分析；Pandas中的缺失对象、索引对象以及常用的数据清洗方式；Pandas中的多层索引对象，以及索引对象和Pandas中Series与DataFrame的关系；数据合并的概念，以及Pandas中数据合并的方法；数据分组的概念，以及Pandas中数据分组的方法；如何利用matplotlib进行数据可视化；综合利用本书知识为读者展示对招聘数据进行分析的实战案例。 \n本书可作为高校计算机及相关专业基础课程教材，也可作为数据分析培训教材和提高数据分析操作能力的参考书。书中在合理安排内容的同时配有适量的例题与习题，以辅助教师讲授和学生自学。 \n \n \n \n

作者简介

暂缺《Python科学计算》作者简介

图书目录

前言 \n
第1章数据科学导论 \n
1.1数据科学的由来 \n
1.2数据科学在不同场景中的应用 \n
1.3数据科学工作的一般流程 \n
1.4IPython的概念 \n
1.5IPython的安装 \n
1.6IPython的功能特点 \n
1.6.1magic特性 \n
1.6.2Tab补全功能 \n
1.6.3代码自省 \n
1.7Jupyter Notebook的使用 \n
1.7.1Jupyter Notebook的概念及特点 \n
1.7.2安装Jupyter Notebook \n
1.7.3启动Jupyter Notebook \n
1.8本章小结 \n
1.9练习 \n
第2章NumPy基础 \n
2.1NumPy的概念 \n
2.1.1什么是NumPy \n
2.1.2NumPy的优势 \n
2.2ndarray对象基本应用 \n
2.2.1创建ndarray \n
2.2.2元素的类型 \n
2.2.3数组的属性 \n
2.3索引与切片 \n
2.3.1基本的索引与切片 \n
2.3.2切片索引 \n
2.3.3布尔型索引 \n
2.3.4花式索引 \n
2.4内置函数 \n
2.4.1字符串函数 \n
2.4.2统计函数 \n
2.4.3数学函数 \n
2.4.4算术函数 \n
2.4.5排序、筛选函数 \n
2.5数组的运算 \n
2.5.1四则运算 \n
2.5.2广播 \n
2.5.3逻辑运算 \n
2.6基于数组的文件输入与输出 \n
2.7利用数组进行数据处理 \n
2.7.1条件逻辑表述为数组运算 \n
2.7.2用于布尔型数组的方法 \n
2.8本章小结 \n
2.9练习 \n
第3章Pandas入门 \n
3.1Pandas介绍 \n
3.2Pandas数据结构 Series \n
3.2.1创建Series对象 \n
3.2.2Series数据的访问 \n
3.2.3通过NumPy和其他Series对象 \n
定义新的Series对象 \n
3.2.4Series的元素判断和过滤 \n
3.2.5Series的元素组成 \n
3.2.6Series的计算 \n
3.3Pandas数据结构 DataFrame \n
3.3.1创建DataFrame \n
3.3.2DataFrame数据的访问 \n
3.3.3DataFrame 基础信息查看 \n
3.3.4DataFrame数据的选取和过滤 \n
3.4Pandas的算术运算 \n
3.5Pandas函数应用与映射 \n
3.6本章小结 \n
3.7练习 \n
第4章Pandas数据加载 \n
4.1读取CSV文件中的数据 \n
4.2处理CSV文件中的无效数据 \n
4.3逐块读取文本文件 \n
4.4从数据库中读取数据 \n
4.5读取JSON数据 \n
4.6将数据写入CSV文件 \n
4.7本章小结 \n
4.8练习 \n
Python科学计算目录第5章Pandas数据预处理 \n
5.1了解缺失值 \n
5.1.1None ：Python对象类型 \n
的缺失值 \n
5.1.2NaN:数值类型的缺失值 \n
5.1.3Pandas中常用缺失值的总结 \n
5.2处理缺失值 \n
5.2.1探索缺失值 \n
5.2.2删除缺失值 \n
5.2.3替换缺失值 \n
5.3本章小结 \n
5.4练习 \n
第6章Pandas索引的应用 \n
6.1索引对象 \n
6.1.1初识Index对象 \n
6.1.2创建并使用Index对象 \n
6.1.3创建并使用MultiIndex对象 \n
6.2索引及切片 \n
6.2.1Series对象 \n
6.2.2DataFrame对象 \n
6.3本章小结 \n
6.4练习 \n
第7章Pandas数据合并及常见字符串 \n
处理7.1字符串常见操作 \n
7.2Series类中str对象的方法 \n
7.3数据拼接 \n
7.3.1低维度数据合并 \n
7.3.2高维度数据合并 \n
7.4数据连接 \n
7.5本章小结 \n
7.6练习 \n
第8章Pandas分组 \n
8.1数据分组 \n
8.2数据分组高级使用 \n
8.3透视表制作 \n
8.4本章小结 \n
8.5练习 \n
第9章使用matplotlib完成数据 \n
可视化9.1matplotlib的安装 \n
9.2matplotlib的快速使用 \n
9.3pyplot的用法详解 \n
9.3.1pyplot的快速使用 \n
9.3.2绘制多个子图 \n
9.3.3为图表添加文本 \n
9.3.4为图表添加图例 \n
9.3.5日期类型的数据 \n
9.3.6注解的使用 \n
9.4折线图 \n
9.5柱状图 \n
9.6散点图 \n
9.7误差线 \n
9.8本章小结 \n
9.9练习 \n
第10章招聘数据综合分析 \n
10.1不同岗位公司类型占比 \n
10.2数据分析岗位各招聘公司规模分布 \n
10.3数据分析岗位招聘学历以及经验 \n
要求 \n
10.4数据分析岗位招聘城市需求数量 \n
占比 \n
10.5数据分析岗位招聘不同地区薪资 \n
分布 \n
10.6本章小结 \n
10.7练习 \n
参考文献 \n