91电影亚洲午夜,久久国产福国产秒拍

內(nèi)容簡(jiǎn)介

　　本書詳細(xì)闡述了與Python數(shù)據(jù)預(yù)處理相關(guān)的基本解決方案，主要包括NumPy和Pandas簡(jiǎn)介、Matplotlib簡(jiǎn)介、數(shù)據(jù)、數(shù)據(jù)庫(kù)、數(shù)據(jù)可視化、預(yù)測(cè)、分類、聚類分析、數(shù)據(jù)清洗、數(shù)據(jù)融合與數(shù)據(jù)集成、數(shù)據(jù)歸約、數(shù)據(jù)轉(zhuǎn)換等內(nèi)容。此外，本書還提供了相應(yīng)的示例、代碼，以幫助讀者進(jìn)一步理解相關(guān)方案的實(shí)現(xiàn)過(guò)程。本書適合作為高等院校計(jì)算機(jī)及相關(guān)專業(yè)的教材和教學(xué)參考書，也可作為相關(guān)開發(fā)人員的自學(xué)用書和參考手冊(cè)。

作者簡(jiǎn)介

暫缺《Python數(shù)據(jù)預(yù)處理》作者簡(jiǎn)介

圖書目錄

第1篇技術(shù)基礎(chǔ)
第1章 NumPy和Pandas簡(jiǎn)介
1.1 技術(shù)要求
1.2 Jupyter Notebook概述
1.3 通過(guò)計(jì)算機(jī)編程進(jìn)行數(shù)據(jù)分析的實(shí)質(zhì)含義
1.4 NumPy基本函數(shù)概述
1.4.1 np.arange()函數(shù)
1.4.2 np.zeros()和np.ones()函數(shù)
1.4.3 示例——使用占位符來(lái)容納分析
1.4.4 np.linspace()函數(shù)
1.4.5 示例——使用np.linspace()求解
1.5 Pandas概述
1.6 Pandas數(shù)據(jù)訪問(wèn)
1.6.1 Pandas DataFrame訪問(wèn)
1.6.2 訪問(wèn)DataFrame行
1.6.3 訪問(wèn)DataFrame列
1.6.4 訪問(wèn)DataFrame值
1.6.5 訪問(wèn)Pandas Series
1.7 切片
1.7.1 對(duì)NumPy數(shù)組進(jìn)行切片
1.7.2 對(duì)Pandas DataFrame進(jìn)行切片
1.7.3 切片的實(shí)用示例
1.8 用于過(guò)濾DataFrame的布爾掩碼
1.8.1 使用布爾掩碼的分析示例1
1.8.2 使用布爾掩碼的分析示例2
1.9 用于探索DataFrame的Pandas函數(shù)
1.9.1 了解數(shù)據(jù)集的結(jié)構(gòu)
1.9.2 使用.shape屬性
1.9.3 使用.columns屬性
1.9.4 使用.info()函數(shù)
1.9.5 了解數(shù)據(jù)集的值
1.9.6 使用.describe()函數(shù)
1.9.7 用于可視化數(shù)值列的直方圖和箱線圖
1.9.8 使用.unique)函數(shù)
1.9.9 使用.value_counts()函數(shù)
1.9.10 用于可視化數(shù)值列的條形圖
1.10 應(yīng)用Pandas函數(shù)
1.10.1 將函數(shù)應(yīng)用于Series
1.10.2 應(yīng)用函數(shù)——分析示例1
1.10.3 應(yīng)用Lambda函數(shù)
1.10.4 對(duì)DataFrame應(yīng)用函數(shù)
1.10.5 應(yīng)用函數(shù)——分析示例2
1.10.6 Pandas groupby函數(shù)
1.10.7 使用groupby的分析示例
1.10.8 Pandas多級(jí)索引
1.10.9 使用.unstack()函數(shù)
1.10.10 使用.stack()函數(shù)
1.10.11 多級(jí)訪問(wèn)
1.10.12 Pandas .pivot()和.melt()函數(shù)
1.11 小結(jié)