Python數(shù)據(jù)預(yù)處理

第 1章　數(shù)據(jù)預(yù)處理概述　001
1．1　什么是數(shù)據(jù)預(yù)處理　001
1．2　常見的數(shù)據(jù)問題　003
1．3　數(shù)據(jù)預(yù)處理的流程　003
1．4　常用的數(shù)據(jù)預(yù)處理庫　005
1．5　開發(fā)工具與環(huán)境　006
1．5．1　安裝與使用Jupyter Notebook　006
1．5．2　安裝數(shù)據(jù)預(yù)處理庫　008
1．6　本章小結(jié)　009
1．7　習(xí)題　009
第　2章 科學(xué)計算庫——NumPy　010
2．1　數(shù)組對象　010
2．2　創(chuàng)建數(shù)組　012
2．3　訪問數(shù)組元素　014
2．3．1　使用整數(shù)索引訪問元素　014
2．3．2　使用花式索引或布爾索引訪問元素　015
2．3．3　使用切片訪問元素　017
2．4　數(shù)組運(yùn)算　018
2．4．1　形狀相同的數(shù)組間運(yùn)算　018
2．4．2　形狀不同的數(shù)組間運(yùn)算　019
2．4．3　數(shù)組與標(biāo)量的運(yùn)算　020
2．5　數(shù)組操作　021
2．5．1　排序　021
2．5．2　檢索數(shù)組元素　022
2．5．3　元素唯一化　022
2．6　數(shù)組的轉(zhuǎn)置　023
2．7　本章小結(jié)　025
2．8　習(xí)題　025
第3章　pandas庫基礎(chǔ)　028
3．1　數(shù)據(jù)結(jié)構(gòu)　028
3．1．1　Series　028
3．1．2　DataFrame　030
3．2　索引操作　032
3．2．1　索引對象　032
3．2．2　使用單層索引訪問數(shù)據(jù)　033
3．2．3　使用分層索引訪問數(shù)據(jù)　035
3．2．4　重新索引　038
3．3　數(shù)據(jù)排序　039
3．3．1　按索引排序　040
3．3．2　按值排序　041
3．4　統(tǒng)計計算與統(tǒng)計描述　042
3．4．1　統(tǒng)計計算　042
3．4．2　統(tǒng)計描述　043
3．5　繪制圖表　044
3．6　本章小結(jié)　046
3．7　習(xí)題　046
第4章　數(shù)據(jù)獲取　048
4．1　從CSV和TXT文件讀取數(shù)據(jù)　048
4．2　從Excel文件讀取數(shù)據(jù)　050
4．3　從JSON文件讀取數(shù)據(jù)　052
4．4　從HTML表格讀取數(shù)據(jù)　053
4．5　從數(shù)據(jù)庫讀取數(shù)據(jù)　054
4．6　從Word文件讀取數(shù)據(jù)　056
4．6．1　python-docx庫概述　056
4．6．2　python-docx庫的基本使用　057
4．7　從PDF文件讀取數(shù)據(jù)　059
4．7．1　pdfplumber庫概述　059
4．7．2　pdfplumber庫的基本使用　060
4．8　本章小結(jié)　061
4．9　習(xí)題　062
第5章　數(shù)據(jù)清理　064
5．1　數(shù)據(jù)清理概述　064
5．2　缺失值的檢測與處理　065
5．2．1　缺失值的檢測　065
5．2．2　缺失值的處理　066
5．3　重復(fù)值的檢測與處理　070
5．3．1　重復(fù)值的檢測　070
5．3．2　重復(fù)值的處理　071
5．4　異常值的檢測與處理　072
5．4．1　異常值的檢測　072
5．4．2　異常值的處理　076
5．5　案例——成都某地區(qū)二手房數(shù)據(jù)清理　078
【分析目標(biāo)】　078
【數(shù)據(jù)獲取】　078
【數(shù)據(jù)清理】　079
5．6　本章小結(jié)　083
5．7　習(xí)題　083
第6章　數(shù)據(jù)集成、變換與規(guī)約　086
6．1　數(shù)據(jù)集成　086
6．1．1　數(shù)據(jù)集成概述　086
6．1．2　合并數(shù)據(jù)　087
6．2　數(shù)據(jù)變換　093
6．2．1　數(shù)據(jù)變換概述　093
6．2．2　軸向旋轉(zhuǎn)　094
6．2．3　分組與聚合　095
6．2．4　啞變量處理　100
6．2．5　面元劃分　102
6．3　數(shù)據(jù)規(guī)約　104
6．3．1　數(shù)據(jù)規(guī)約概述　104
6．3．2　重塑分層索引　105
6．3．3　降采樣　106
6．4　案例——中國籃球運(yùn)動員的基本信息分析　108
【分析目標(biāo)】　108
【數(shù)據(jù)獲取】　108
【數(shù)據(jù)清理】　109
【實(shí)現(xiàn)步驟】　116
6．5　本章小結(jié)　119
6．6　習(xí)題　119
第7章　數(shù)據(jù)清理工具—— OpenRefine　122
7．1　OpenRefine介紹　122
7．2　OpenRefine的下載與安裝　123
7．3　OpenRefine的基本操作　124
7．3．1　基本配置　125
7．3．2　創(chuàng)建項目　126
7．3．3　操作列　127
7．3．4　撤銷與重做　132
7．3．5　導(dǎo)出數(shù)據(jù)　133
7．4　OpenRefine的進(jìn)階操作　135
7．4．1　數(shù)據(jù)排序　135
7．4．2　數(shù)據(jù)歸類　137
7．4．3　重復(fù)檢測　138
7．4．4　數(shù)據(jù)填充　141
7．4．5　文本過濾　142
7．4．6　數(shù)據(jù)轉(zhuǎn)換　143
7．5　案例——多倫多市建筑許可數(shù)據(jù) 分析　145
【分析目標(biāo)】　145
【數(shù)據(jù)獲取】　145
【數(shù)據(jù)清理】　146
【實(shí)現(xiàn)步驟】　152
7．6　本章小結(jié)　153
7．7　習(xí)題　154
第8章　實(shí)戰(zhàn)演練——數(shù)據(jù)分析師崗位分析　156
8．1　知識精講　156
8．1．1　數(shù)據(jù)分析的流程　156
8．1．2　使用pyecharts繪制圖表　157
8．2　分析目標(biāo)與思路　160
8．3　數(shù)據(jù)收集　161
8．4　數(shù)據(jù)預(yù)處理　163
8．5　數(shù)據(jù)分析與展現(xiàn)　166
8．5．1　分析展現(xiàn)數(shù)據(jù)分析師崗位的需求趨勢　166
8．5．2　分析展現(xiàn)數(shù)據(jù)分析師崗位的熱門城市Top10　167
8．5．3　分析展現(xiàn)不同城市數(shù)據(jù)分析師崗位的薪資水平　169
8．5．4　分析展現(xiàn)數(shù)據(jù)分析師崗位的學(xué)歷要求　171
8．6　本章小結(jié)　172