第 1章 Python簡介與環(huán)境安裝 1
1.1　Python簡介　1
1.1.1　為什么使用Python　1
1.1.2　Python2和Python3　1
1.2　Python環(huán)境安裝　2
1.2.1　Anacanda安裝　2
1.2.2　安裝及更新Python包　4
1.3　IPython的使用　5
1.3.1　Python解釋器　5
1.3.2　IPython是什么　5
1.3.3　安裝IPython　5
1.3.4　IPython的使用　6
1.3.5　IPython的調(diào)試　14
1.4　Jupyter Notebook　17
1.4.1　Jupyter Notebook是什么　17
1.4.2　Jupyter Notebook的使用　17
習(xí)題　22
第　2章 NumPy基礎(chǔ)　24
2.1　Python與數(shù)組的關(guān)系　24
2.2　N維數(shù)組對(duì)象ndarray　25
2.2.1　數(shù)組基本操作　26
2.2.2　數(shù)組生成函數(shù)　29
2.2.3　數(shù)組存取　34
2.2.4　結(jié)構(gòu)體數(shù)組　41
2.2.5　數(shù)組高級(jí)操作　42
2.3　通用函數(shù)　54
2.3.1　算術(shù)運(yùn)算　56
2.3.2　比較運(yùn)算　57
2.3.3　邏輯運(yùn)算　57
2.4　聚合函數(shù)　58
2.5　排序函數(shù)　59
2.5.1　np.sort　59
2.5.2　ndarray.sort　61
2.5.3　np.argsort　61
2.5.4　np.lexsort　62
2.5.5　np.searchsorted　63
2.6　隨機(jī)數(shù)生成函數(shù)　65
2.6.1　np.random.uniform　66
2.6.2　np.random.rand　67
2.6.3　np.random.randint　67
2.6.4　np.random.normal　68
2.6.5　np.random.choice　69
2.6.6　np.random.shuffle　70
2.6.7　np.random.permutation　70
2.7　NumPy廣播　70
習(xí)題　73
第3章　Pandas基礎(chǔ)　75
3.1　Pandas數(shù)據(jù)結(jié)構(gòu)　75
3.1.1　Series　75
3.1.2　DataFrame　79
3.2　索引對(duì)象　82
3.2.1　索引對(duì)象Index　83
3.2.2　層次化索引對(duì)象MultiIndex　84
3.3　數(shù)據(jù)存取　85
3.3.1　屬性和字典存取　85
3.3.2　[ ]存取　86
3.3.3　loc和iloc存取　92
3.3.4　多級(jí)索引的存取　94
3.3.5　條件存取　97
3.4　Pandas字符串操作　98
3.4.1　字符串對(duì)象方法　99
3.4.2　正則表達(dá)式　102
3.4.3　Pandas中的向量化字符串函數(shù)　108
3.5　文件讀寫　110
3.5.1　CSV文件讀寫　111
3.5.2　Excel文件讀寫　117
3.5.3　HDF5文件讀寫　119
3.6　基本運(yùn)算　122
3.6.1　算術(shù)運(yùn)算　122
3.6.2　排序和排名　125
3.6.3　匯總和統(tǒng)計(jì)　128
習(xí)題　134
第4章　Pandas數(shù)據(jù)處理　135
4.1　數(shù)據(jù)清洗　135
4.1.1　處理缺失值　135
4.1.2　刪除重復(fù)數(shù)據(jù)　139
4.1.3　刪除列　141
4.1.4　重命名索引　142
4.2　數(shù)據(jù)規(guī)整　143
4.2.1　離散化和分箱　143
4.2.2　索引重塑和軸向旋轉(zhuǎn)　144
4.2.3　分類數(shù)據(jù)處理　148
4.2.4　數(shù)據(jù)轉(zhuǎn)換　151
4.2.5　數(shù)據(jù)合并　158
4.3　數(shù)據(jù)分組與聚合　166
4.3.1　GounpBy技術(shù)　167
4.3.2　數(shù)據(jù)聚合　173
4.3.3　透視表和交叉表　180
4.4　時(shí)間序列　182
4.4.1　日期和時(shí)間類型以及工具　183
4.4.2　時(shí)間序列基礎(chǔ)　187
4.4.3　日期范圍和偏移　189
4.4.4　時(shí)間區(qū)間和區(qū)間算術(shù)　192
4.4.5　時(shí)間序列方法　194
習(xí)題　201
第5章　數(shù)據(jù)可視化　203
5.1　Matplotlib簡介　203
5.2　Matplotlib繪圖　203
5.2.1　面向?qū)ο罄L圖流程　205
5.2.2　圖片對(duì)象　205
5.2.3　子圖　206
5.2.4　子圖間距　208
5.3　Matplotlib快速繪圖和面向?qū)ο罄L圖的區(qū)別　209
5.4　Matplotlib繪圖設(shè)置　209
5.4.1　圖像設(shè)置　209
5.4.2　坐標(biāo)軸設(shè)置　216
5.4.3　圖例設(shè)置　221
5.4.4　標(biāo)注設(shè)置　222
5.4.5　網(wǎng)格設(shè)置　225
5.4.6　圖表中使用中文　226
5.5　Pandas繪圖　228
5.5.1　Pandas基礎(chǔ)繪圖　228
5.5.2設(shè)置字體和顯示中文　232
5.5.3　Pandas繪圖類型　232
習(xí)題　239
第6章　數(shù)據(jù)探索和分析　240
6.1泰坦尼克號(hào)數(shù)據(jù)探索和分析　240
6.1.1　載入數(shù)據(jù)　240
6.1.2　數(shù)據(jù)觀察　240
6.1.3　數(shù)據(jù)處理　243
6.1.4　數(shù)據(jù)探索　245
6.2　IMDB電影數(shù)據(jù)探索和分析　250
6.2.1　載入數(shù)據(jù)　250
6.2.2　數(shù)據(jù)處理　251
6.2.3　數(shù)據(jù)探索和分析　259
習(xí)題　267
第7章　數(shù)值計(jì)算Scipy　269
7.1　擬合和優(yōu)化　269
7.1.1　最小二乘擬合　269
7.1.2　函數(shù)極值求解　273
7.1.3　非線性方程組求解　277
7.2　插值庫　278
7.2.1　一維插值　279
7.2.2　二維插值　281
7.2.3　插值法處理缺失值　282
7.3　線性代數(shù)　283
7.3.1線性方程組求解　283
7.3.2　最小二乘解　283
7.3.3　計(jì)算行列式　284
7.3.4　求逆矩陣　284
7.3.5　求取特征值與特征向量　284
7.3.6　SVD奇異值分解　285
7.4　數(shù)值積分　286
7.4.1　已知函數(shù)式求積分　286
7.4.2　已知采樣數(shù)值求積分　288
7.4.3　解常微分方程組　289
習(xí)題　290