转载自：http://www.jb51.net/books/616165.html

 

本站整理下载：

相关截图：

 

资料简介：

Excel是数据分析中最常用的工具，本书通过Python与Excel的功能对比介绍如何使用Python通过函数式编程完成Excel中的数据处理及分析工作。在Python中pandas库用于数据处理，我们从1787页的pandas官网文档中总结出最常用的36个函数，通过这些函数介绍如何通过Python完成数据生成和导入、数据清洗、预处理，以及最常见的数据分类，数据筛选，分类汇总，透视等最常见的操作。

 

资料目录：

作者简介

第1章 生成数据表

1. 导入数据表

2. 创建数据表

第2章 数据表检查

1. 数据维度(行列)

2. 数据表信息

3. 查看数据格式

4. 查看空值

5. 查看唯一值

6. 查看数据表数值

7. 查看列名称

8. 查看前10行数据

9. 查看后10行数据

第3章 数据表清洗

1. 处理空值(删除或填充)

2. 清理空格

3. 大小写转换

4. 更改数据格式

5. 更改列名称

6. 删除重复值

7. 数值修改及替换

第4章 数据预处理

1. 数据表合并

2. 设置索引列

3. 排序(按索引，按数值)

4. 数据分组

5. 数据分列

第5章 数据提取

1. 按标签提取(loc)

2. 按位置提取(iloc)

3. 按标签和位置提取（ix）

4. 按条件提取（区域和条件值）

第6章 数据筛选

按条件筛选（与、或、非）

第7章 数据汇总

1. 分类汇总

2. 数据透视

第8章 数据统计

1. 数据采样

2. 描述统计

3. 标准差

4. 协方差

5. 相关分析

第9章 数据输出

1. 写入Excel

2. 写入csv

案例 990万次骑行：纽约自行车共享系统分析

开始前的准备工作

惊人的990万次骑行

哪些人在使用Citi Bike ?

用户的骑行时间及速度

骑行与气温是否存在关联？

骑行速度与年龄是否存在关联？

哪些骑行线路最受欢迎？

结束语