利用Python進行數(shù)據(jù)分析 內(nèi)容簡介：

還在苦苦尋覓用Python控制、處理、整理、分析結構化數(shù)據(jù)的完整課程？《利用Python進行數(shù)據(jù)分析》含有大量的實踐案例，你將學會如何利用各種Python庫（包括NumPy、pandas、matplotlib以及IPython等）高效地解決各式各樣的數(shù)據(jù)分析問題。
由于作者Wes McKinney是pandas庫的主要作者，所以本書也可以作為利用Python實現(xiàn)數(shù)據(jù)密集型應用的科學計算實踐指南。本書適合剛剛接觸Python的分析人員以及剛剛接觸科學計算的Python程序員。

·將IPython這個交互式Shell作為你的首要開發(fā)環(huán)境。
·學習NumPy（Numerical Python）的基礎和高級知識。
·從pandas庫的數(shù)據(jù)分析工具開始。
·利用高性能工具對數(shù)據(jù)進行加載、清理、轉換、合并以及重塑。
·利用matplotlib創(chuàng)建散點圖以及靜態(tài)或交互式的可視化結果。
·利用pandas的groupby功能對數(shù)據(jù)集進行切片、切塊和匯總操作。
·處理各種各樣的時間序列數(shù)據(jù)。
·通過詳細的案例學習如何解決Web分析、社會科學、金融學以及經(jīng)濟學等領域的問題。

利用Python進行數(shù)據(jù)分析 目錄：
前言        1
第1章 準備工作        5
本書主要內(nèi)容        5
為什么要使用Python進行數(shù)據(jù)分析        6
重要的Python庫        7
安裝和設置        10
社區(qū)和研討會        16
使用本書        16
致謝        18
第2章 引言        20
來自bit.ly的1.usa.gov數(shù)據(jù)        21
MovieLens 1M數(shù)據(jù)集        29
1880—2010年間全美嬰兒姓名        35
小結及展望        47
第3章 IPython：一種交互式計算和開發(fā)環(huán)境        48
IPython基礎        49
內(nèi)省        51
使用命令歷史        60
與操作系統(tǒng)交互        63
軟件開發(fā)工具        66
IPython HTML Notebook        75
利用IPython提高代碼開發(fā)效率的幾點提示        77
高級IPython功能        79
致謝        81
第4章 NumPy基礎：數(shù)組和矢量計算        82
NumPy的ndarray：一種多維數(shù)組對象        83
通用函數(shù)：快速的元素級數(shù)組函數(shù)        98
利用數(shù)組進行數(shù)據(jù)處理        100
用于數(shù)組的文件輸入輸出        107
線性代數(shù)        109
隨機數(shù)生成        111
范例：隨機漫步        112
第5章 pandas入門        115
pandas的數(shù)據(jù)結構介紹        116
基本功能        126
匯總和計算描述統(tǒng)計        142
處理缺失數(shù)據(jù)        148
層次化索引        153
其他有關pandas的話題        158
第6章 數(shù)據(jù)加載、存儲與文件格式        162
讀寫文本格式的數(shù)據(jù)        162
二進制數(shù)據(jù)格式        179
使用HTML和Web API        181
使用數(shù)據(jù)庫        182
第7章 數(shù)據(jù)規(guī)整化：清理、轉換、合并、重塑        186
合并數(shù)據(jù)集        186
重塑和軸向旋轉        200
數(shù)據(jù)轉換        204
字符串操作        217
示例：USDA食品數(shù)據(jù)庫        224
第8章 繪圖和可視化        231
matplotlib API入門        231
pandas中的繪圖函數(shù)        244
繪制地圖：圖形化顯示海地地震危機數(shù)據(jù)        254
Python圖形化工具生態(tài)系統(tǒng)        260
第9章 數(shù)據(jù)聚合與分組運算        263
GroupBy技術        264
數(shù)據(jù)聚合        271
分組級運算和轉換        276
透視表和交叉表        288
示例：2012聯(lián)邦選舉委員會數(shù)據(jù)庫        291
第10章 時間序列        302
日期和時間數(shù)據(jù)類型及工具        303
時間序列基礎        307
日期的范圍、頻率以及移動        311
時區(qū)處理        317
時期及其算術運算        322
重采樣及頻率轉換        327
時間序列繪圖        334
移動窗口函數(shù)        337
性能和內(nèi)存使用方面的注意事項        342
第11章 金融和經(jīng)濟數(shù)據(jù)應用        344
數(shù)據(jù)規(guī)整化方面的話題        344
分組變換和分析        355
更多示例應用        361
第12章 NumPy高級應用        368
ndarray對象的內(nèi)部機理        368
高級數(shù)組操作        370
廣播        378
ufunc高級應用        383
結構化和記錄式數(shù)組        386
更多有關排序的話題        388
NumPy的matrix類        393
高級數(shù)組輸入輸出        395
性能建議        397
附錄A Python語言精要        401