●前言1
第1章 準備工作7
1.1 本書內(nèi)容7
1.2 為什么使用Python進行數(shù)據(jù)分析8
1.3 重要的Python庫9
1.4 安裝和設(shè)置14
1.5 社區(qū)和會議18
1.6 本書導航18
第2章 Python語法基礎(chǔ)、IPython和Jupyter notebook21
2.1 Python解釋器22
2.2 IPython基礎(chǔ)23
2.3 Python語法基礎(chǔ)29
2.4總結(jié)47
第3章 Python的數(shù)據(jù)結(jié)構(gòu)、函數(shù)和文件48
3.1 數(shù)據(jù)結(jié)構(gòu)和序列48
3.2 函數(shù)65
3.3 文件和操作系統(tǒng)76
3.4 總結(jié)81
第4章 NumPy基礎(chǔ)：數(shù)組和向量化計算82
4.1 NumPy的ndarray：多維數(shù)組對象84
4.2 生成偽隨機數(shù)101
4.3 通用函數(shù)：快速的元素級數(shù)組函數(shù)103
4.4 利用數(shù)組進行面向數(shù)組編程105
4.5 使用數(shù)組進行文件輸入和輸出113
4.6 線性代數(shù)114
4.7 示例：隨機漫步115
4.8 總結(jié)118
第5章 pandas入門119
5.1 pandas的數(shù)據(jù)結(jié)構(gòu)介紹120
5.2 基本功能133
5.3 描述性統(tǒng)計的匯總和計算159
5.4 總結(jié)167
第6章 數(shù)據(jù)加載、存儲與文件格式168
6.1 讀寫文本格式的數(shù)據(jù)168
6.2 二進制數(shù)據(jù)格式185
6.3 與Web API交互190
6.4 與數(shù)據(jù)庫交互191
6.5 總結(jié)193
第7章 數(shù)據(jù)清洗和準備194
7.1 處理缺失數(shù)據(jù)194
7.2 數(shù)據(jù)轉(zhuǎn)換200
7.3 擴展數(shù)據(jù)類型214
7.4 字符串操作216
7.5 分類數(shù)據(jù)224
7.6 總結(jié)233
第8章 數(shù)據(jù)規(guī)整：連接、聯(lián)合和重塑234
8.1 層次化索引234
8.2 聯(lián)合與合并數(shù)據(jù)集240
8.3 重塑和透視256
8.4 總結(jié)264
第9章 繪圖和可視化265
9.1 matplotlib API入門266
9.2 使用pandas和seaborn繪圖279
9.3 其他Python可視化工具293
9.4 總結(jié)294
第10章 數(shù)據(jù)聚合與分組操作295
10.1 GroupBy機制296
10.2 數(shù)據(jù)聚合304
10.3 Apply：通用的“拆分－應用－聯(lián)合”范式310
10.4 分組轉(zhuǎn)換和“展開式”GroupBy運算322
10.5 透視表和交叉表326
10.6 總結(jié)330
第11章 時間序列331
11.1 日期和時間數(shù)據(jù)的類型及工具332
11.2 時間序列基礎(chǔ)知識336
11.3 日期的范圍、頻率以及移位341
11.4 時區(qū)處理348
11.5 周期及其算術(shù)運算353
11.6 重采樣及頻率轉(zhuǎn)換360
11.7 移動窗口函數(shù)369
11.8 總結(jié)375
第12章 Python建模庫介紹376
12.1 pandas與模型代碼的接口376
12.2 用Patsy創(chuàng)建模型描述379
12.3 statsmodels介紹385
12.4 scikit-learn介紹390
12.5 總結(jié)393
第13章 數(shù)據(jù)分析案例395
13.1 來自1.USA.gov的Bitly數(shù)據(jù)395
13.2 MovieLens 1M數(shù)據(jù)集404
13.3 1880—2010年間全美嬰兒姓名411
13.4 USDA食品數(shù)據(jù)庫425
13.5 2012年聯(lián)邦選舉委員會數(shù)據(jù)庫431
13.6 總結(jié)440
附錄A 高階NumPy441
附錄B 更多關(guān)于IPython的內(nèi)容475