×

Python数据分析基础PDF电子书免费下载

消耗积分:1 | 格式:pdf | 大小:26.60 MB | 2020-01-21

亮liangliang

2年用户

分享资料2个

  想深入应用手中的数据?还是想在上千份文件上重复同样的分析过程?没有编程经验的非程序员们如何能在最短的时间内学会用当今炙手可热的Python语言进行数据分析?

  来自Facebook的数据专家Clinton Brownley可以帮您解决上述问题。在他的这本书里,读者将能掌握基本Python编程方法,学会编写出处理电子表格和数据库中的数据的脚本,并了解使用Python模块来解析文件、分组数据和生成统计量的方法。

  本书展示如何用 Python 程序将不同格式的数据处理和分析任务规模化和自动化。主要内容包括 :Python 基础知识介绍、CSV 文件和 Excel 文件读写、数据库的操作、示例程序演示、图表的创建,等等。

 

  学习基础语法,创建并运行自己的Python脚本

  读取和解析CSV文件

  读取多个Excel工作表和工作簿

  执行数据库操作

  搜索特定记录、分组数据和解析文本文件

  建立统计图并绘图

  生成描述性统计量并估计回归模型和分类模型

  在Windows和Mac环境下按计划自动运行脚本

  目录 · · · · · ·

  前言  xi

  第1章 Python 基础  1

  1.1 创建 Python 脚本  1

  1.2 运行 Python 脚本  3

  1.3 与命令行进行交互的几项技巧  6

  1.4 Python 语言基础要素  10

  1.4.1 数值  10

  1.4.2 字符串  12

  1.4.3 正则表达式与模式匹配  16

  1.4.4 日期  19

  1.4.5 列表  21

  1.4.6 元组  26

  1.4.7 字典  27

  1.4.8 控制流  30

  1.5 读取文本文件  35

  1.5.1 创建文本文件  36

  1.5.2 脚本和输入文件在同一位置  38

  1.5.3 读取文件的新型语法  38

  1.6 使用 glob 读取多个文本文件  39

  1.7 写入文本文件  42

  1.7.1 向 first_script.py 添加代码  42

  1.7.2 写入 CSV 文件  45

  1.8 print 语句  46

  1.9 本章练习  47

  第2章 CSV文件  48

  2.1 基础 Python 与 pandas  50

  2.1.1 读写 CSV 文件(第1 部分)50

  2.1.2 基本字符串分析是如何失败的  56

  2.1.3 读写 CSV 文件(第2 部分)57

  2.2 筛选特定的行  58

  2.2.1 行中的值满足某个条件  59

  2.2.2 行中的值属于某个集合  60

  2.2.3 行中的值匹配于某个模式/ 正则表达式  62

  2.3 选取特定的列  64

  2.3.1 列索引值  64

  2.3.2 列标题  65

  2.4 选取连续的行  67

  2.5 添加标题行  69

  2.6 读取多个 CSV 文件  71

  2.7 从多个文件中连接数据  75

  2.8 计算每个文件中值的总和与均值  78

  2.9 本章练习  81

  第3章 Excel 文件  82

  3.1 内省 Excel 工作簿  84

  3.2 处理单个工作表  88

  3.2.1 读写 Excel 文件  88

  3.2.2 筛选特定行  92

  3.2.3 选取特定列  98

  3.3 读取工作簿中的所有工作表  101

  3.3.1 在所有工作表中筛选特定行  102

  3.3.2 在所有工作表中选取特定列  104

  3.4 在 Excel 工作簿中读取一组工作表  106

  3.5 处理多个工作簿  108

  3.5.1 工作表计数以及每个工作表中的行列计数  110

  3.5.2 从多个工作簿中连接数据  111

  3.5.3 为每个工作簿和工作表计算总数和均值  113

  3.6 本章练习  117

  第4章 数据库  118

  4.1 Python 内置的 sqlite3 模块  119

  4.1.1 向表中插入新记录  124

  4.1.2 更新表中记录  128

  4.2 MySQL 数据库  131

  4.2.1 向表中插入新记录  135

  4.2.2 查询一个表并将输出写入 CSV 文件  140

  4.2.3 更新表中记录  142

  4.3 本章练习  146

  第5章 应用程序  147

  5.1 在一个大文件集合中查找一组项目  147

  5.2 为 CSV 文件中数据的任意数目分类计算统计量  158

  5.3 为文本文件中数据的任意数目分类计算统计量  167

  5.4 本章练习  174

  第6章 图与图表  175

  6.1 matplotlib  175

  6.1.1 条形图  175

  6.1.2 直方图  177

  6.1.3 折线图  178

  6.1.4 散点图  180

  6.1.5 箱线图  181

  6.2 pandas  183

  6.3 ggplot  184

  6.4 seaborn  186

  第7章 描述性统计与建模  192

  7.1 数据集  192

  7.1.1 葡萄酒质量  192

  7.1.2 客户流失  193

  7.2 葡萄酒质量  194

  7.2.1 描述性统计  194

  7.2.2 分组、直方图与 t 检验  195

  7.2.3 成对变量之间的关系和相关性  196

  7.2.4 使用最小二乘估计进行线性回归  198

  7.2.5 系数解释  200

  7.2.6 自变量标准化  200

  7.2.7 预测  202

  7.3 客户流失  203

  7.3.1 逻辑斯蒂回归  205

  7.3.2 系数解释  207

  7.3.3 预测  208

  第8章 按计划自动运行脚本  209

  8.1 任务计划程序(Windows 系统)209

  8.2 cron 工具(macOS 系统和 Unix 系统)215

  8.2.1 cron 表文件:一次性设置  216

  8.2.2 向 cron 表文件中添加 cron 任务  216

  第9章 从这里启航  220

  9.1 更多的标准库模块和内置函数  221

  9.1.1 Python 标准库(PSL):更多的标准模块  221

  9.1.2 内置函数  222

  9.2 Python 包索引(PyPI):更多的扩展模块  222

  9.2.1 NumPy  223

  9.2.2 SciPy  227

  9.2.3 Scikit-Learn  230

  9.2.4 更多的扩展包  232

  9.3 更多的数据结构  232

  9.3.1 栈  233

  9.3.2 队列  233

  9.3.3 图  233

  9.3.4 树  234

  9.4 从这里启航  234

  附录A 下载指南  236

  附录B 练习答案  245

  作者介绍  247

  封面介绍  247

  本书面向的读者是那些经常使用电子表格软件进行数据处理,但从未写过一行代码的人。前几章会教你设置 Python 运行环境,告诉你计算机是如何看待数据并对其进行简单处理的。你很快就能掌握在电子表格(包括 CSV 文件)和数据库中处理数据的方法。刚开始,你可能会觉得这样做是一种退步,如果你能熟练使用 Excel,这种感受会更加强烈。以前你只需复制粘贴就能完成的工作,现在却要煞费苦心地告诉 Python 如何在列的每个单元格之间循环,这效率太低了,想想就令人沮丧(特别是当你几次三番地回头去找某一处输入错误的时候)。但是当你逐渐掌握了 Python 之后,就会不断地发现它的真正价值所在,而其中一个极好的例子就是它可以自动完成你现在不断重复的工作。本书的写作目的是让你全面地掌握 Python,然后充满信心地写出按照你的期望运行的有效代码。一开始输入一些代码或许是个好主意,这样你就会熟悉像制表符、闭括号和引用之类的技术细节。但是,本书中的所有代码在网上都能找到(https://github.com/cbrownley/ foundations-for-analytics-with-python)。你在做自己的工作时,完全可以通过复制粘贴来重用这些代码。没关系!适时地进行复制和粘贴也是高效编程的一部分。在阅读本书的同时完成示例程序,会使你更好地理解示例代码的原理。祝你在成为程序员的道路上好运连连!

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !