Python数据预处理

第1篇 技术基础
第1章 NumPy和Pandas简介
1.1 技术要求
1.2 Jupyter Notebook概述
1.3 通过计算机编程进行数据分析的实质含义
1.4 NumPy基本函数概述
1.4.1 np.arange()函数
1.4.2 np.zeros()和np.ones()函数
1.4.3 示例——使用占位符来容纳分析
1.4.4 np.linspace()函数
1.4.5 示例——使用np.linspace()求解
1.5 Pandas概述
1.6 Pandas数据访问
1.6.1 Pandas DataFrame访问
1.6.2 访问DataFrame行
1.6.3 访问DataFrame列
1.6.4 访问DataFrame值
1.6.5 访问Pandas Series
1.7 切片
1.7.1 对NumPy数组进行切片
1.7.2 对Pandas DataFrame进行切片
1.7.3 切片的实用示例
1.8 用于过滤DataFrame的布尔掩码
1.8.1 使用布尔掩码的分析示例1
1.8.2 使用布尔掩码的分析示例2
1.9 用于探索DataFrame的Pandas函数
1.9.1 了解数据集的结构
1.9.2 使用.shape属性
1.9.3 使用.columns属性
1.9.4 使用.info()函数
1.9.5 了解数据集的值
1.9.6 使用.describe()函数
1.9.7 用于可视化数值列的直方图和箱线图
1.9.8 使用.unique)函数
1.9.9 使用.value_counts()函数
1.9.10 用于可视化数值列的条形图
1.10 应用Pandas函数
1.10.1 将函数应用于Series
1.10.2 应用函数——分析示例1
1.10.3 应用Lambda函数
1.10.4 对DataFrame应用函数
1.10.5 应用函数——分析示例2
1.10.6 Pandas groupby函数
1.10.7 使用groupby的分析示例
1.10.8 Pandas多级索引
1.10.9 使用.unstack()函数
1.10.10 使用.stack()函数
1.10.11 多级访问
1.10.12 Pandas .pivot()和.melt()函数
1.11 小结