Python數(shù)據(jù)分析（第2版）

第 1章　Python程序庫入門 1
1．1　安裝Python 3　3
1．1．1　安裝數(shù)據(jù)分析程序庫　3
1．1．2　Linux平臺或Mac OS X平臺　3
1．1．3　Windows平臺　4
1．2　將IPython用作shell　4
1．3　學習手冊頁　6
1．4　Jupyter Notebook　7
1．5　NumPy數(shù)組　8
1．6　一個簡單的應用　8
1．7　從何處尋求幫助和參考資料　11
1．8　查看Python庫中包含的模塊　12
1．9　通過Matplotlib實現(xiàn)數(shù)據(jù)的可視化　12
1．10　小結　14
第　2章 NumPy數(shù)組　15
2．1　NumPy數(shù)組對象　16
2．2　創(chuàng)建多維數(shù)組　17
2．3　選擇NumPy數(shù)組元素　17
2．4　NumPy的數(shù)值類型　18
2．4．1　數(shù)據(jù)類型對象　20
2．4．2　字符碼　20
2．4．3　dtype構造函數(shù)　21
2．4．4　dtype屬性　22
2．5　一維數(shù)組的切片與索引　23
2．6　處理數(shù)組形狀　23
2．6．1　堆疊數(shù)組　25
2．6．2　拆分NumPy數(shù)組　28
2．6．3　NumPy數(shù)組的屬性　30
2．6．4　數(shù)組的轉換　34
2．7　創(chuàng)建數(shù)組的視圖和拷貝　35
2．8　花式索引　36
2．9　基于位置列表的索引方法　38
2．10　用布爾型變量索引NumPy數(shù)組　39
2．11　NumPy數(shù)組的廣播　41
2．12　小結　44
2．13　參考資料　44
第3章　Pandas入門　45
3．1　Pandas的安裝與概覽　46
3．2　Pandas數(shù)據(jù)結構之DataFrame　47
3．3　Pandas數(shù)據(jù)結構之Series　49
3．4　利用Pandas查詢數(shù)據(jù)　52
3．5　利用Pandas的DataFrame進行統(tǒng)計計算　56
3．6　利用Pandas的DataFrame實現(xiàn)
數(shù)據(jù)聚合　58
3．7　DataFrame的串聯(lián)與附加
操作　62
3．8　連接DataFrames　63
3．9　處理缺失數(shù)據(jù)問題　65
3．10　處理日期數(shù)據(jù)　67
3．11　數(shù)據(jù)透視表　70
3．12　小結　71
3．13　參考資料　71
第4章　統(tǒng)計學與線性代數(shù)　72
4．1　用NumPy進行簡單的描述性統(tǒng)計計算　72
4．2　用NumPy進行線性代數(shù)運算　75
4．2．1　用NumPy求矩陣的逆　75
4．2．2　用NumPy解線性方程組　77
4．3　用NumPy計算特征值和特征向量　78
4．4　NumPy隨機數(shù)　80
4．4．1　用二項式分布進行博弈　81
4．4．2　正態(tài)分布采樣　83
4．4．3　用SciPy進行正態(tài)檢驗　84
4．5　創(chuàng)建掩碼式NumPy數(shù)組　86
4．6　忽略負值和極值　88
4．7　小結　91
第5章　數(shù)據(jù)的檢索、加工與存儲　92
5．1　利用NumPy和pandas對CSV文件進行寫操作　92
5．2　二進制．npy與pickle格式　94
5．3　使用PyTables存儲數(shù)據(jù)　97
5．4　Pandas DataFrame與HDF5倉庫之間的讀寫操作　99
5．5　使用Pandas讀寫Excel文件　102
5．6　使用REST Web服務和JSON　103
5．7　使用Pandas讀寫JSON　105
5．8　解析RSS和Atom訂閱　106
5．9　使用Beautiful Soup解析HTML　108
5．10　小結　114
5．11　參考資料　114
第6章　數(shù)據(jù)可視化　115
6．1　Matplotlib的子庫　116
6．2　Matplotlib繪圖入門　116
6．3　對數(shù)圖　118
6．4　散點圖　119
6．5　圖例和注解　121
6．6　三維圖　123
6．7　Pandas繪圖　125
6．8　時滯圖　127
6．9　自相關圖　129
6．10　Plot．ly　130
6．11　小結　132
第7章　信號處理與時間序列　133
7．1　statsmodels模塊　134
7．2　移動平均值　134
7．3　窗口函數(shù)　136
7．4　協(xié)整的定義　138
7．5　自相關　140
7．6　自回歸模型　142
7．7　ARMA模型　145
7．8　生成周期信號　147
7．9　傅里葉分析　149
7．10　譜分析　152
7．11　濾波　153
7．12　小結　155
第8章　應用數(shù)據(jù)庫　156
8．1　基于sqlite3的輕量級訪問　157
8．2　通過Pandas訪問數(shù)據(jù)庫　159
8．3　SQLAlchemy　161
8．3．1　SQLAlchemy的安裝和配置　161
8．3．2　通過SQLAlchemy填充數(shù)據(jù)庫　162
8．3．3　通過SQLAlchemy查詢數(shù)據(jù)庫　164
8．4　Pony ORM　166
8．5　Dataset：懶人數(shù)據(jù)庫　167
8．6　PyMongo與MongoDB　168
8．7　利用Redis存儲數(shù)據(jù)　170
8．8　利用memcache存儲數(shù)據(jù)　171
8．9　Apache Cassandra　172
8．10　小結　174
第9章　分析文本數(shù)據(jù)和社交媒體　176
9．1　安裝NLTK　177
9．2　NLTK簡介　177
9．3　濾除停用字、姓名和數(shù)字　178
9．4　詞袋模型　180
9．5　詞頻分析　181
9．6　樸素貝葉斯分類　183
9．7　情感分析　186
9．8　創(chuàng)建詞云　189
9．9　社交網絡分析　193
9．10　小結　195
第　10章 預測性分析與機器學習　197
10．1　預處理　198
10．2　基于邏輯回歸的分類　201
10．3　基于支持向量機的分類　202
10．4　基于ElasticNetCV的回歸分析　205
10．5　支持向量回歸　207
10．6　基于相似性傳播算法的聚類
分析　210
10．7　均值漂移算法　211
10．8　遺傳算法　213
10．9　神經網絡　217
10．10　決策樹　219
10．11　小結　222
第　11章 Python生態(tài)系統(tǒng)的外部環(huán)境和云計算　223
11．1　與MATLAB/Octave交換
信息　224
11．2　安裝rpy2　225
11．3　連接R　225
11．4　為Java傳遞NumPy數(shù)組　228
11．5　集成SWIG和NumPy　229
11．6　集成Boost和Python　233
11．7　通過f2py使用Fortran代碼　235
11．8　PythonAnywhere云　236
11．9　小結　238
第　12章 性能優(yōu)化、性能分析與并發(fā)性　239
12．1　代碼的性能分析　240
12．2　安裝Cython　245
12．3　調用C代碼　248
12．4　利用multiprocessing創(chuàng)建進程池　252
12．5　通過Joblib提高for循環(huán)的并發(fā)性　254
12．6　比較Bottleneck函數(shù)與NumPy函數(shù)　255
12．7　通過Jug實現(xiàn)MapReduce　257
12．8　安裝MPI for Python　259
12．9　IPython Parallel　260
12．10　小結　263
附錄A　重要概念　264
附錄B　常用函數(shù)　269