Python數(shù)據(jù)預(yù)處理

第1篇 技術(shù)基礎(chǔ)
第1章 NumPy和Pandas簡介
1.1 技術(shù)要求
1.2 Jupyter Notebook概述
1.3 通過計算機編程進行數(shù)據(jù)分析的實質(zhì)含義
1.4 NumPy基本函數(shù)概述
1.4.1 np.arange()函數(shù)
1.4.2 np.zeros()和np.ones()函數(shù)
1.4.3 示例——使用占位符來容納分析
1.4.4 np.linspace()函數(shù)
1.4.5 示例——使用np.linspace()求解
1.5 Pandas概述
1.6 Pandas數(shù)據(jù)訪問
1.6.1 Pandas DataFrame訪問
1.6.2 訪問DataFrame行
1.6.3 訪問DataFrame列
1.6.4 訪問DataFrame值
1.6.5 訪問Pandas Series
1.7 切片
1.7.1 對NumPy數(shù)組進行切片
1.7.2 對Pandas DataFrame進行切片
1.7.3 切片的實用示例
1.8 用于過濾DataFrame的布爾掩碼
1.8.1 使用布爾掩碼的分析示例1
1.8.2 使用布爾掩碼的分析示例2
1.9 用于探索DataFrame的Pandas函數(shù)
1.9.1 了解數(shù)據(jù)集的結(jié)構(gòu)
1.9.2 使用.shape屬性
1.9.3 使用.columns屬性
1.9.4 使用.info()函數(shù)
1.9.5 了解數(shù)據(jù)集的值
1.9.6 使用.describe()函數(shù)
1.9.7 用于可視化數(shù)值列的直方圖和箱線圖
1.9.8 使用.unique)函數(shù)
1.9.9 使用.value_counts()函數(shù)
1.9.10 用于可視化數(shù)值列的條形圖
1.10 應(yīng)用Pandas函數(shù)
1.10.1 將函數(shù)應(yīng)用于Series
1.10.2 應(yīng)用函數(shù)——分析示例1
1.10.3 應(yīng)用Lambda函數(shù)
1.10.4 對DataFrame應(yīng)用函數(shù)
1.10.5 應(yīng)用函數(shù)——分析示例2
1.10.6 Pandas groupby函數(shù)
1.10.7 使用groupby的分析示例
1.10.8 Pandas多級索引
1.10.9 使用.unstack()函數(shù)
1.10.10 使用.stack()函數(shù)
1.10.11 多級訪問
1.10.12 Pandas .pivot()和.melt()函數(shù)
1.11 小結(jié)