导语

  

内容提要

  

    阅读韦斯·麦金尼著的《利用Python进行数据分析》可以获得一份关于在Python下操作、处理、清洗、规整数据集的完整说明。本书第二版针对Python 3.6进行了更新，并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。
    本书由Wes McKinney创作，他是Python pandas项目的创始人。本书是对Python数据科学工具的实操化、现代化的介绍，非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。数据文件和相关的材料可以在GitHub上找到。

    韦斯·麦金尼是流行的Python开源数据分析库pandas的创始人。他是一名活跃的演讲者，也是Python数据社区和Apache软件基金会的Python/C++开源开发者。目前他在纽约从事软件架构师工作。

前言1
第1章  准备工作
  1.1  本书内容
    1.1.1  什么类型的数据
  1.2  为何利用Python进行数据分析
    1.2.1  Python作为胶水
    1.2.2  解决“双语言”难题
    1.2.3  为何不使用Python
  1.3  重要的Python库
    1.3.1  NumPy
    1.3.2  pandas
    1.3.3  matplotlib
    1.3.4  IPython与Jupyter
    1.3.5  SciPy
    1.3.6  scikit-learn
    1.3.7  statsmodels
  1.4  安装与设置
    1.4.1  Windows
    1.4.2  Apple（OS  X和macOS）
    1.4.3  GNU/Linux
    1.4.4  安装及更新Python包
    1.4.5  Python  2和Python
    1.4.6  集成开发环境和文本编辑器
  1.5  社区和会议
  1.6  快速浏览本书
    1.6.1  代码示例
    1.6.2  示例数据
    1.6.3导入约定
    1.6.4术语
第2章  Python语言基础、IPython及Jupyter  notebook
  2.1  Python解释器
  2.2  IPython基础
    2.2.1  运行IPython命令行
    2.2.2  运行  Jupyter  notebook
    2.2.3  Tab补全
    2.2.4  内省
    2.2.5  %run命令
    2.2.6  执行剪贴板中的程序
    2.2.7  终端快捷键
    2.2.8  关于魔术命令
    2.2.9　matplotlib集成
  2.3  Python语言基础
    2.3.1  语言语义
    2.3.2  标量类型
    2.3.3  控制流
第3章  内建数据结构、函数及文件
  3.1  数据结构和序列
    3.1.1  元组
    3.1.2  列表
    3.1.3  内建序列函数
    3.1.4  字典
    3.1.5  集合
    3.1.6  列表、集合和字典的推导式
  3.2  函数
    3.2.1  命名空间、作用域和本地函数
    3.2.2  返回多个值
    3.2.3  函数是对象
    3.2.4  匿名（Lambda）函数
    3.2.5  柯里化：部分参数应用
    3.2.6  生成器
    3.2.7  错误和异常处理
  3.3  文件与操作系统
    3.3.1  字节与Unicode文件
  3.4  本章小结
第4章  NumPy基础：数组与向量化计算
第5章  pandas入门
第6章  数据载入、存储及文件格式
第7章  数据清洗与准备
第8章  数据规整：连接、联合与重塑
第9章  绘图与可视化
第10章  数据聚合与分组操作
第11章  时间序列
第12章  高阶pandas
第14章  数据分析示例