作者：黄福星
页数：504
出版社：清华大学出版社
出版日期：2022
ISBN：9787302600619
电子书格式：pdf/epub/txt
内容简介
本书系统阐述了Pandas基础知识、应用原理，以及应用流程和应用技巧等实战知识。
全书共分为5篇：第一篇为入门篇（第1和2章），第二篇为基础篇（第3和4章），第三篇为基础强化篇（第5~7章），第四篇为进阶篇（第8~11章）, 第五篇为案例篇（第12章）。书中主要内容包括Python简介、NumPy基础、Pandas入门、数据筛选、数据转换、文本转换、数据获取、数据处理、数据分组、时序分析、数据可视化、通关案例。
本书可作为Python数据分析的入门与进阶书籍，适用于有一定Python基础的读者、对数据分析感兴趣的学生，也可作为数据分析及其它编程爱好者、IT培训机构的参考书籍。
作者简介
黄福星，精益六西格玛黑带，物流职业经理人（运营总监）。20多年工作经历，职业生涯横跨大型生产制造、综合保税物流与供应链、快递快运与新零售等。在信息流指导物流、数据指导改善、物流降本增效方面经验丰富，能够熟练地将精益改善技术与大数据分析技术运用于各类现场管理。
本书特色
本书秉承Less is more(少即是多)的原则，追求“简约但不简单”的风格。从入门篇到进阶篇的11个章节，主要都是围绕着一个简单的“7行8列的数据”进行有效地讲解，把Pandas中使用频率最高的或效率最高的80%的函数、方法、属性全部有效地串接起来，减少读者浪费时间去理解不同的数据源，让更多的精力聚焦于专业知识的学习。
全面、系统讲解Pandas的应用原理！配套丰富的实战型应用案例，帮助读者快速轻松上手★随着计算机技术和互联网技术的发展和广泛应用，人类社会逐步进入智能化时代，数据分析是人工智能技术的典型应用之一，Python是当前数据分析最热门的语言之一，Pandas是Python的数据分析利器。《Pandas通关实战》一书汇集了作者多年来的实践经验，全面、系统地描述了Pandas工具在数据筛选、数据转换、数据处理、数据可视化技术等方面的应用。本书既适合作为高等学校“Python编程语言”课程的参考教材，也适合从事数据分析的科研人员阅读。
——曹少中 北京印刷学院教授
★Pandas是基于Python的一款优秀的大数据分析工具，已经被广泛应用于统计分析和机器学习领域。本书用简洁、清晰的语言和深入浅出的表达方式，全面、系统地介绍了使用Pandas所需的相关知识和工具，并辅以大量的实战型应用案例和代码片段，让读者可以轻松上手，不但掌握Pandas的核心用法，而且学习到现实工作中的数据分析方法，真正做到学以致用，非常值得阅读。
——郭林 纽约大学计算机硕士、脸书公司广告部门软件专家
★本书不是一个学者在书斋中的思考和推理，而是经过实践检验的“实操宝典”。本书用七行八列的数据来讲解大数据的应用原理，脉络清晰。综合案例是作者20多年工作经验与精益六西格玛方法论的有机揉和。
——黄德华 浙江大学EMBA教授、《创业搭档管理》作者★数据分析师在利用Python进行数据分析时，大部分时间其实是在利用Pandas进行数据分析。《Pandas通关实战》系统地介绍了Pandas中大部分高频函数的用法，推荐给想要学习如何利用Pandas进行数据分析的读者。
——张俊红 畅销书《对比Excel，轻松学习Python数据分析》作者★近几年Python一直倍受追捧，微软更是在Power BI产品中内置了Python连接器。用Python处理数据不得不提Pandas库，相信你和我一样，翻开本书也能获得不同于传统办公软件数据处理的一份惊喜。
——畅心 Power Query发烧友
★如果说Pandas为大数据分析开辟了一条捷径，《Pandas通关实战》则为初学者的路灯，沿着亮光前行必达目的地，勇往直前吧！
——马世权 PowerBI专家
目录
目录
第1篇入门篇
第1章Python简介
1.1Pandas简介
1.2Pandas数据分析
1.3Jupyter与Anaconda
1.4Anaconda、conda与pip
1.4.1Anaconda
1.4.2conda
1.4.3Anaconda与conda
1.5Anaconda的下载与安装
1.6Anaconda安装简介
1.6.1安装步骤
1.6.2Anaconda Navigator简介
1.6.3Anaconda Prompt使用简介
1.6.4Anaconda Navigator与Anaconda Prompt
1.6.5conda与pip
1.6.6Nbextensions
1.7Jupyter Notebook简介
1.7.1代码模式
1.7.2Markdown模式
1.8Jupyter Notebook快捷键简介
1.9本章回顾
第2章NumPy基础
2.1对象、数据、数组
2.1.1位与字节
2.1.2对象
2.1.3数组
2.2数组的创建方式
2.2.1ndarray
2.2.2np.array()
2.2.3np.arange()
2.2.4np.linspace()
2.2.5np的特殊函数
2.3数据的基本属性
2.3.1NumPy数组属性
2.3.2改变数组的形状
2.3.3数组堆叠与分割
2.3.4广播机制
2.4通用函数(ufunc)
2.4.1排序函数
2.4.2一元函数
2.4.3多元函数
2.4.4数学函数
2.4.5随机函数
2.4.6字符串函数
2.4.7条件操作
2.4.8高阶操作
2.5本章回顾
第2篇基础篇
第3章Pandas入门
3.1Series
3.1.1Series基础知识
3.1.2Series的构建
3.1.3Series的常用转换方法
3.1.4Series的“十八招”
3.2DataFrame
3.2.1DataFrame基础知识
3.2.2创建
3.2.3DataFrame相关知识
3.3本章回顾
第4章数据筛选
4.1Python基础
4.1.1运算符
4.1.2视图与复制
4.1.3常用操作
4.2条件表达式
4.2.1条件筛选(索引)
4.2.2条件查询
4.2.3条件赋值
4.3数据删除
4.3.1缺失值
4.3.2重复值
4.3.3异常值
4.4数据重组
4.4.1填充
4.4.2重排
4.5axis转换
4.5.1rename()
4.5.2rename_axis()
4.5.3reindex()
4.5.4reset_index()
4.5.5set_index()
4.5.6MultiIndex()
4.6本章回顾
第3篇基础强化篇
第5章数据转换
5.1基础知识
5.1.1程序结构
5.1.2循环语句
5.2映射函数
5.2.1map()
5.2.2apply()
5.2.3applymap()
5.3各类转换
5.3.1数据类型转换
5.3.2数据结构转换
5.3.3文本格式转换
5.3.4style样式转换
5.4本章回顾
第6章文本转换
6.1文本字符串
6.1.1文本基础
6.1.2应用流程
6.2Python字符串
6.2.1识别阶段(Identity)
6.2.2清洗阶段(Elimilate)
6.2.3组合阶段(Combine)
6.2.4转换重组(Rearrange)
6.3正则表达式
6.3.1元字符
6.3.2用法
6.4Pandas的方法
6.4.1识别阶段(Identity)
6.4.2转换重组(Rearrange)
6.5本章回顾
第7章数据获取
7.1读取数据源
7.1.1pd.read_excel()
7.1.2pd.ExcelFile.parse()
7.1.3pd.read_csv()
7.2存储数据
7.2.1df.to_excel()
7.2.2pd.ExcelWriter()
7.2.3共性总结
7.3追加与合并
7.3.1(常规)追加
7.3.2追加(append)
7.3.3合并(combine)
7.3.4连接(join)
7.3.5按轴向合并(concat)
7.3.6融合(merge)
7.4文档的批量操作
7.4.1批量合并同一文件夹中的workbook
7.4.2批量合并同一文件工作簿中的worksheet
7.4.3批量更改DataFrame中的列名
7.4.4批量拆分DataFrame
7.5与xlwings的互动
7.5.1创建新工作簿
7.5.2批量修改电子表格名称
7.5.3在新增电子表格中插入图表
7.6本章回顾
第4篇进阶篇
第8章数据处理
8.1统计学基础
8.1.1概率与数理统计
8.1.2数据的离散化
8.1.3四则运算
8.2数据操作
8.3DataFrame处理
8.3.1Pandas的方法链
8.3.2assign()
8.3.3eval()
8.3.4pipe管道
8.4本章回顾
第9章数据分组
9.1Split阶段
9.1.1by参数
9.1.2axis参数
9.1.3level参数
9.1.4as_index参数
9.1.5dropna参数
9.2Apply阶段
9.2.1直接聚合
9.2.2agg
9.2.3map
9.2.4apply
9.2.5transform
9.2.6filter
9.3透视表
9.4进阶应用
9.4.1assign
9.4.2pipe管道
9.5批量保存分组对象
9.5.1保存为同一文件夹内的多个工作簿
9.5.2保存为同一工作簿中的多个工作表
9.5.3保存为多个工作簿中的多个工作表
9.6本章回顾
第10章时间序列
10.1Excel时间函数
10.2datetime模块
10.2.1date类
10.2.2time类
10.2.3datetime类
10.2.4timedelta类
10.3时间点
10.3.1pd.to_datetime
10.3.2pd.Timestamp
10.3.3DatetimeIndex时间戳索引
10.3.4pd.date_range()
10.4时间段
10.4.1Period
10.4.2Period_range
10.4.3asfreq时期的频率转换
10.4.4Timestamp与Period互相转换
10.5时间差
10.5.1运算规则说明
10.5.2参数的传递方式
10.6重采样
10.6.1使用方法
10.6.2降采样
10.6.3升采样和插值
10.6.4其他采样
10.7偏移
10.7.1shift()
10.7.2diff()
10.7.3rolling()
10.8本章回顾
第11章数据可视化
11.1可视化
11.1.1可视化基础
11.1.2可视化图形
11.2Matplotlib
11.2.1基本语法
11.2.2可视化的应用流程
11.2.3图表的选择与应用
11.3df.plot()
11.3.1参数对照表
11.3.2应用说明
11.4Seaborn
11.4.1设置
11.4.2图表应用
11.5本章回顾
11.5.1本章内容回顾
11.5.2时序数据图表化
第5篇案例篇
第12章实战案例分析
12.1项目说明
12.1.1行业描述
12.1.2项目背景
12.1.3项目推行计划
12.1.4KPI指标体系
12.2数据现状
12.2.1数据来源说明
12.2.2获取数据
12.2.3数据转换
12.3数据探索
12.3.1客户订单量
12.3.2业务的相关性
12.3.3订单消费额
12.3.4探索性挖掘
12.3.5盈利情况
12.4数据分析结论
12.4.1数据质量现状
12.4.2后续改善要求
12.4.3指导意见
12.4.4方法论整理
