Pandas数据分析实战

主要内容

●对数据集进行组织、 分组、合并、分割以及连接

●发现基于文本和时间的数据的趋势

●对数据进行排序、过滤、枢轴化、优化，并得出结论

●应用聚合操作

　　Boris Paskhaver是一名软件工程师、敏捷顾问和在线教育家。已有来自190个国家的30万名学生学习了他的编程课程。

使用Python进行数据分析并不难。如果你会使用电子表格，就能学会Pandas！虽然它的网格样式布局可能会让你想起Excel，但Pandas要灵活和强大得多。Python库可以快速对数百万行数据执行操作，并且可以轻松地与Python数据生态系统中的其他工具进行交互。这是提升你的数据游戏的完美方式。

　　《Pandas数据分析实战》介绍了使用令人惊叹的 Pandas 库在 Python 中进行数据分析。你将学习如何对重复操作进行自动化，并让你对在Excel中很难实现，甚至不可能实现的数据分析有更深的理解。本书每章都可以独立成篇。通过下载真实的数据集，可以让你的学习更加贴近现实工作。

本书读者对象

《Pandas数据分析实战》全面介绍了用于数据分析的Pandas库。Pandas可以帮助你轻松地执行多种数据操作：排序、连接、旋转、清理、删除重复数据、聚合等。本书循序渐进地介绍了Pandas的各种功能，每种功能从较小的构建块开始，再到较大的数据结构。

《Pandas数据分析实战》适合具有电子表格软件(如Microsoft Excel、Google Sheets和Apple Numbers)以及类似的数据分析工具(如R和SAS)使用经验的中级数据分析师。对于想了解更多数据分析知识的Python开发人员来说，也是一本非常合适的参考书。

本书的内容结构

《Pandas数据分析实战》由14章组成，分为两部分。

第Ⅰ部分，Pandas核心基础，循序渐进地介绍了Pandas库的基本原理。

第1章使用Pandas分析了一个示例数据集，以全面概述Pandas的功能。

第2章介绍了Series对象，这是一种Pandas的核心数据结构，用于存储有序数据的集合。

第3章深入地探讨Series对象，探索了各种Series操作，包括值排序、删除重复项、提取最小值和最大值等。

第4章介绍了二维数据表DataFrame。本章将前几章的概念应用到新的数据结构中，并引入了额外的操作。

第5章展示了如何使用各种逻辑条件从DataFrame中过滤行的子集：相等、不等、比较、包含、排除等。

第Ⅱ部分，应用Pandas，重点介绍更高级的Pandas功能，以及如何利用这些功能解决现实世界数据集的问题。

第6章介绍了如何在Pandas中处理不完美的文本数据，讨论如何解决删除空格、查找和替换字符、字母大小写，以及从单个列中提取多个值等问题。

第7章讨论MultiIndex，它允许将多个列值组合成一行数据的单个标识符。

第8章描述了如何在数据透视表中聚合数据，将标题从行轴移到列轴，并将数据由宽格式转换为窄格式。

第9章探讨如何将行分组到桶中，并通过GroupBy对象对结果集合进行聚合。

第10章介绍使用各种连接将多个数据集合并为一个。

第11章演示了如何在Pandas中处理日期和时间。本章涵盖了排序日期、计算持续时间，以及确定日期是在一个月还是一个季度的开始等主题。

第12章展示了如何将其他文件类型导入Pandas，包括Excel和JSON，还讲解了如何从Pandas导出数据。

第13章侧重于配置库的设置。本章深入研究了如何修改显示的行数、更改浮点数的精度、将值舍入低于阈值等。

第14章探讨了如何使用Matplotlib库进行数据可视化，以及如何使用Pandas数据创建折线图、条形图、饼图等。

每章都建立在前一章的基础上。对于Pandas新手，我建议按照线性顺序阅读每个章节。同时，为了确保本书能够成为一本参考指南，我将每章都写成一个独立的教程，并带有自己的数据集。在每章的开头，都会从头开始编写代码，因此你也可以从自己喜欢的任何章节开始阅读本书。

大多数章节都以代码挑战结束，让你可以将概念应用于实践。我强烈建议你尝试一下这些代码挑战。

Pandas建立在Python编程语言的基础上，建议你在学习本书之前了解Python语言的基本知识。对于在Python方面经验有限的人，附录B提供了对该语言的详尽介绍。

关于代码

本书包含了很多源代码的例子。它们都是用等宽字体来格式化的，以区别于普通的文本。

本书示例的源代码可在GitHub存储库https://github.com/paskhaver/pandas-in-action中找到。不熟悉Git和GitHub的人，请在存储库页面上查找Download Zip按钮。有Git和GitHub经验的人可以从命令行来复制。另外，扫描本书封底的二维码也可下载本书示例的源代码。

存储库还包括文本形式的完整数据集。我学习Pandas时，最大的挫折之一就是使用的教程喜欢依赖随机生成的数据，没有一致性，没有背景，没有故事，没有乐趣。在本书中，我们将使用许多现实中的真实数据集，涵盖从篮球运动员的薪水到神奇宝贝的类型，再到餐厅健康检查的内容。数据无处不在，Pandas是当今分析数据的最佳工具之一。我希望你喜欢数据集并时刻保持关注。

liveBook论坛

购买《Pandas数据分析实战》可以免费访问由 Manning Publications 运营的私人网络论坛，可以在该论坛上对本书发表评论、提出技术问题，以及从作者和其他用户那里获得帮助。论坛地址为https://livebook.manning.com/#!/book/pandas-in-action/discussion。你还可以在https://livebook.manning.com/ #!/discussion上了解有关Manning论坛和行为规则的更多信息。

Manning对读者的承诺是提供一个场所，让读者之间，以及读者与作者之间能够进行有意义的对话。这不是作者对任何具体参与形式的次数的承诺，作者对论坛的贡献仍然是自愿的(和无偿的)。建议读者提出一些有挑战性的问题，以激发作者的兴趣！只要这本书还在印刷，就可以从出版社的网站上访问论坛和以前讨论的归档信息。

其他在线资源

● 官方Pandas文档可在https://pandas.pydata.org/docs获得。

● 在业余时间，我在Udemy上发布了技术视频课程。读者可以在https://www.udemy.com/ user/borispaskhaver上找到这些课程，其中包括20小时的Pandas课程和60小时的Python课程。

● 可随时通过Twitter(https://twitter.com/borispaskhaver)或LinkedIn(https://www.linkedin.com/ in/boris-paskhaver)与我联系。

第Ⅰ部分 Pandas核心基础
第1章 Pandas概述
1.1 21世纪的数据
1.2 Pandas介绍
1.2.1 Pandas与图形电子表格应用程序
1.2.2 Pandas与它的竞争对手
1.3 Pandas之旅
1.3.1 导入数据集
1.3.2 操作DataFrame
1.3.3 计算Series中的值
1.3.4 根据一个或多个条件筛选列
1.3.5 对数据分组
1.4 本章小结
第2章 Series对象
2.1 Series概述
2.1.1 类和实例
2.1.2 用值填充Series对象
2.1.3 自定义Series索引
2.1.4 创建有缺失值的Series
2.2 基于其他Python对象创建Series
2.3 Series属性
2.4 检索第一行和最后一行
2.5 数学运算
2.5.1 统计操作
2.5.2 算术运算
2.5.3 广播
2.6 将Series传递给Python的内置函数
2.7 代码挑战
2.7.1 问题描述
2.7.2 解决方案
2.8 本章小结
第3章 Series方法
3.1 使用read csv函数导入数据集
3.2 对Series进行排序
3.2.1 使用sort values方法按值排序
3.2.2 使用sort_index方法按索引排序
3.2.3 使用nsmallest和nlargest方法检索最小值和最大值
3.3 使用 inplace参数替换原有Series
3.4 使用value _counts方法计算值的个数
3.5 使用apply方法对每个Series值调用一个函数
3.6 代码挑战
3.6.1 问题描述
3.6.2 解决方案
3.7 本章小结
第4章 DataFrame对象
4.1 DataFrame概述
4.1.1 通过字典创建DataFrame
4.1.2 通过NumPy ndarray创建DataFrame
4.2 Series和DataFrame的相似之处
4.2.1 使用read csv函数导入DataFrame
4.2.2 Series和DataFrame的共享与专有属性
4.2.3 Series和DataFrame的共有方法
4.3 对 DataFrame进行排排序
……
第Ⅱ部分 应用Pandas
附录A 安装及配置
附录B Python速成课程
附录C NumPy速成教程
附录D 用Faker生成模拟数据
附录E 正则表达式