Python数据科学手册

《Python数据科学手册》是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第 2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。
《Python数据科学手册》适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。

Jake VanderPlas是Python科学栈的深度用户和开发人员，目前是华盛顿大学eScience学院物理科学研究院院长，研究方向为天文学。同时，他还为很多领域的科学家提供建议和咨询。

Python语言拥有大量可用于存储、操作和洞察数据的程序库，已然成为深受数据科学研究人员推崇的工具。本书以IPython、NumPy、Pandas、Matplotlib和Scikit-Learn这5个能完成数据科学大部分工作的基础工具为主，从实战角度出发，讲授如何清洗和可视化数据、如何用数据建立各种统计学或机器学习模型等常见数据科学任务，旨在让各领域与数据处理相关的工作人员具备发现问题、解决问题的能力。
·IPython和Jupyter:为使用Python提供计算环境
·NumPy：用ndarray实现高维数组的高效存储与操作
·Pandas：用DataFrame实现带标签/列式数据的高效存储与操作
·Matplotlib：实现各种数据可视化
·Scikit-Learn：用高效整洁的Python实现重要的机器学习算法

译者序 xiii
前言 xv
第 1 章　IPython：超越Python 1
1．1　shell还是Notebook 1
1．1．1　启动IPython shell 2
1．1．2　启动Jupyter Notebook 2
1．2　IPython的帮助和文档 3
1．2．1　用符号 获取文档 3
1．2．2　通过符号 获取源代码 4
1．2．3　用Tab补全的方式探索模块 5
1．3　IPython shell中的快捷键 7
1．3．1　导航快捷键 7
1．3．2　文本输入快捷键 7
1．3．3　命令历史快捷键 8
1．3．4　其他快捷键 9
1．4　IPython魔法命令 9
1．4．1　粘贴代码块：%paste和%cpaste 9
1．4．2　执行外部代码：%run 10
1．4．3　计算代码运行时间：%timeit 11
1．4．4　魔法函数的帮助： 、%magic 和%lsmagic 11
1．5　输入和输出历史 12
1．5．1　IPython的输入和输出对象 12
1．5．2　下划线快捷键和以前的输出 13
1．5．3　禁止输出 13
1．5．4　相关的魔法命令 13
1．6　IPython和shell命令 14
1．6．1　shell快速入门 14
1．6．2　IPython中的shell命令 15
1．6．3　在shell中传入或传出值 15
1．7　与shell相关的魔法命令 16
1．8　错误和调试 17
1．8．1　控制异常：%xmode 17
1．8．2　调试：当阅读轨迹追溯不足以解决问题时 19
1．9　代码的分析和计时 21
1．9．1　代码段计时：%timeit和%time 22
1．9．2　分析整个脚本：%prun 23
1．9．3　用%lprun进行逐行分析 24
1．9．4　用%memit和%mprun进行内存分析 25
1．10　IPython参考资料 26
1．10．1　网络资源 26
1．10．2　相关图书 27
第 2 章　NumPy入门 28
2．1　理解Python中的数据类型 29
2．1．1　Python整型不仅仅是一个整型 30
2．1．2　Python列表不仅仅是一个列表 31
2．1．3　Python中的固定类型数组 32
2．1．4　从Python列表创建数组 32
2．1．5　从头创建数组 33
2．1．6　NumPy标准数据类型 34
2．2　NumPy数组基础 35
2．2．1　NumPy数组的属性 36
2．2．2　数组索引：获取单个元素 37
2．2．3　数组切片：获取子数组 38
2．2．4　数组的变形 41
2．2．5　数组拼接和分裂 42
2．3　NumPy数组的计算：通用函数 44
2．3．1　缓慢的循环 44
2．3．2　通用函数介绍 45
2．3．3　探索NumPy的通用函数 46
2．3．4　通用函数特性 49
2．3．5　通用函数：更多的信息 51
2．4　聚合：*小值、*大值和其他值 51
2．4．1　数组值求和 51
2．4．2　*小值和*大值 52
2．4．3　示例：美国总统的身高是多少 54
2．5　数组的计算：广播 55
2．5．1　广播的介绍 55
2．5．2　广播的规则 57
2．5．3　广播的实际应用 60
2．6　比较、掩码和布尔逻辑 61
2．6．1　示例：统计下雨天数 61
2．6．2　和通用函数类似的比较操作 62
2．6．3　操作布尔数组 64
2．6．4　将布尔数组作为掩码 66
2．7　花哨的索引 69
2．7．1　探索花哨的索引 69
2．7．2　组合索引 70
2．7．3　示例：选择随机点 71
2．7．4　用花哨的索引修改值 72
2．7．5　示例：数据区间划分 73
2．8　数组的排序 75
2．8．1　NumPy中的快速排序：np．sort和np．argsort 76
2．8．2　部分排序：分隔 77
2．8．3　示例：K个*近邻 78
2．9　结构化数据：NumPy的结构化数组 81
2．9．1　生成结构化数组 83
2．9．2　更高 级的复合类型 84
2．9．3　记录数组：结构化数组的扭转 84
2．9．4　关于Pandas 85
第3 章　Pandas数据处理 86
3．1　安装并使用Pandas 86
3．2　Pandas对象简介 87
3．2．1　Pandas的Series对象 87
3．2．2　Pandas的DataFrame对象 90
3．2．3　Pandas的Index对象 93
3．3　数据取值与选择 95
3．3．1　Series数据选择方法 95
3．3．2　DataFrame数据选择方法 98
3．4　Pandas数值运算方法 102
3．4．1　通用函数：保留索引 102
3．4．2　通用函数：索引对齐 103
3．4．3　通用函数：DataFrame与Series的运算 105
3．5　处理缺失值 106
3．5．1　选择处理缺失值的方法 106
3．5．2　Pandas的缺失值 107
3．5．3　处理缺失值 110
3．6　层级索引 113
3．6．1　多级索引Series 113
3．6．2　多级索引的创建方法 116
3．6．3　多级索引的取值与切片 119
3．6．4　多级索引行列转换 121
3．6．5　多级索引的数据累计方法 124
3．7　合并数据集：Concat与Append操作 125
3．7．1　知识回顾：NumPy数组的合并 126
3．7．2　通过pd．concat实现简易合并 126
3．8　合并数据集：合并与连接 129
3．8．1　关系代数 129
3．8．2　数据连接的类型 130
3．8．3　设置数据合并的键 132
3．8．4　设置数据连接的集合操作规则 134
3．8．5　重复列名：suffixes参数 135
3．8．6　案例：美国各州的统计数据 136
3．9　累计与分组 140
3．9．1　行星数据 140
3．9．2　Pandas的简单累计功能 141
3．9．3　GroupBy：分割、应用和组合 142
3．10　数据透视表 150
3．10．1　演示数据透视表 150
3．10．2　手工制作数据透视表 151
3．10．3　数据透视表语法 151
3．10．4　案例：美国人的生日 153
3．11　向量化字符串操作 157
3．11．1　Pandas字符串操作简介 157
3．11．2　Pandas字符串方法列表 159
3．11．3　案例：食谱数据库 163
3．12　处理时间序列 166
3．12．1　Python的日期与时间工具 166
3．12．2　Pandas时间序列：用时间作索引 169
3．12．3　Pandas时间序列数据结构 170
3．12．4　时间频率与偏移量 172
3．12．5　重新取样、迁移和窗口 173
3．12．6　更多学习资料 178
3．12．7　案例：美国西雅图自行车统计数据的可视化 179
3．13　高性能Pandas：eval()与query() 184
3．13．1　query()与eval()的设计动机：复合代数式 184
3．13．2　用pandas．eval()实现高性能运算 185
3．13．3　用DataFrame．eval()实现列间运算 187
3．13．4　DataFrame．query()方法 188
3．13．5　性能决定使用时机 189
3．14　参考资料 189
第4 章　Matplotlib数据可视化 191
4．1　Matplotlib常用技巧 192
4．1．1　导入Matplotlib 192
4．1．2　设置绘图样式 192
4．1．3　用不用show()？如何显示图形 192
4．1．4　将图形保存为文件 194
4．2　两种画图接口 195
4．2．1　MATLAB风格接口 195
4．2．2　面向对象接口 196
4．3　简易线形图 197
4．3．1　调整图形：线条的颜色与风格 199
4．3．2　调整图形：坐标轴上下限 200
4．3．3　设置图形标签 203
4．4　简易散点图 204
4．4．1　用plt．plot画散点图 205
4．4．2　用plt．scatter画散点图 206
4．4．3　plot与scatter：效率对比 208
4．5　可视化异常处理 208
4．5．1　基本误差线 209
4．5．2　连续误差 210
4．6　密度图与等高线图 211
4．7　频次直方图、数据区间划分和分布密度 215
4．8　配置图例 219
4．8．1　选择图例显示的元素 221
4．8．2　在图例中显示不同尺寸的点 222
4．8．3　同时显示多个图例 223
4．9　配置颜色条 224
4．9．1　配置颜色条 224
4．9．2　案例：手写数字 228
4．10　多子图 230
4．10．1　plt．axes：手动创建子图 230
4．10．2　plt．subplot：简易网格子图 231
4．10．3　plt．subplots：用一行代码创建网格 233
4．10．4　plt．GridSpec：实现更复杂的排列方式 234
4．11　文字与注释 235
4．11．1　案例：节假日对美国出生率的影响 236
4．11．2　坐标变换与文字位置 237
4．11．3　箭头与注释 239
4．12　自定义坐标轴刻度 241
4．12．1　主要刻度与次要刻度 242
4．12．2　隐藏刻度与标签 243
4．12．3　增减刻度数量 244
4．12．4　花哨的刻度格式 245
4．12．5　格式生成器与定位器小结 247
4．13　Matplotlib自定义：配置文件与样式表 248
4．13．1　手动配置图形 248
4．13．2　修改默认配置：rcParams 249
4．13．3　样式表 251
4．14　用Matplotlib画三维图 255
4．14．1　三维数据点与线 256
4．14．2　三维等高线图 256
4．14．3　线框图和曲面图 258
4．14．4　曲面三角剖分 259
4．15　用Basemap可视化地理数据 261
4．15．1　地图投影 263
4．15．2　画一个地图背景 267
4．15．3　在地图上画数据 269
4．15．4　案例：美国加州城市数据 270
4．15．5　案例：地表温度数据 271
4．16　用Seaborn做数据可视化 273
4．16．1　Seaborn与Matplotlib 274
4．16．2　Seaborn图形介绍 275
4．16．3　案例：探索马拉松比赛成绩数据 283
4．17　参考资料 290
4．17．1　Matplotlib资源 290
4．17．2　其他Python画图程序库 290
第5 章　机器学习 291
5．1　什么是机器学习 291
5．1．1　机器学习的分类 292
5．1．2　机器学习应用的定性示例 292
5．1．3　小结 299
5．2　Scikit-Learn简介 300
5．2．1　Scikit-Learn的数据表示 300
5．2．2　Scikit-Learn的评估器API 302
5．2．3　应用：手写数字探索 309
5．2．4　小结 313
5．3　超参数与模型验证 313
5．3．1　什么是模型验证 314
5．3．2　选择模型 317
5．3．3　学习曲线 322
5．3．4　验证实践：网格搜索 326
5．3．5　小结 327
5．4　特征工程 327
5．4．1　分类特征 327
5．4．2　文本特征 329
5．4．3　图像特征 330
5．4．4　衍生特征 330
5．4．5　缺失值填充 332
5．4．6　特征管道 332
5．5　专题：朴素贝叶斯分类 333
5．5．1　贝叶斯分类 333
5．5．2　高斯朴素贝叶斯 334
5．5．3　多项式朴素贝叶斯 336
5．5．4　朴素贝叶斯的应用场景 339
5．6　专题：线性回归 340
5．6．1　简单线性回归 340
5．6．2　基函数回归 342
5．6．3　正则化 346
5．6．4　案例：预测自行车流量 349
5．7　专题：支持向量机 353
5．7．1　支持向量机的由来 354
5．7．2　支持向量机：边界*大化 355
5．7．3　案例：人脸识别 363
5．7．4　支持向量机总结 366
5．8　专题：决策树与随机森林 367
5．8．1　随机森林的诱因：决策树 367
5．8．2　评估器集成算法：随机森林 371
5．8．3　随机森林回归 373
5．8．4　案例：用随机森林识别手写数字 374
5．8．5　随机森林总结 376
5．9　专题：主成分分析 376
5．9．1　主成分分析简介 377
5．9．2　用PCA作噪音过滤 383
5．9．3　案例：特征脸 385
5．9．4　主成分分析总结 387
5．10　专题：流形学习 388
5．10．1　流形学习：“HELLO” 388
5．10．2　多维标度法（MDS） 389
5．10．3　将MDS用于流形学习 391
5．10．4　非线性嵌入：当MDS失败时 393
5．10．5　非线性流形：局部线性嵌入 395
5．10．6　关于流形方法的一些思考 396
5．10．7　示例：用Isomap 处理人脸数据 397
5．10．8　示例：手写数字的可视化结构 400
5．11　专题：k-means聚类 402
5．11．1　k-means简介 403
5．11．2　k-means算法：期望*大化 404
5．11．3　案例 409
5．12　专题：高斯混合模型 415
5．12．1　高斯混合模型（GMM）为什么会出现：k-means算法
的缺陷 415
5．12．2　一般化E-M：高斯混合模型 417
5．12．3　将GMM用作密度估计 421
5．12．4　示例：用GMM生成新的数据 425
5．13　专题：核密度估计 427
5．13．1　KDE的由来：直方图 428
5．13．2　核密度估计的实际应用 431
5．13．3　示例：球形空间的KDE 433
5．13．4　示例：不是很朴素的贝叶斯 436
5．14　应用：人脸识别管道 439
5．14．1　HOG特征 440
5．14．2　HOG实战：简单人脸识别器 441
5．14．3　注意事项与改进方案 445
5．15　机器学习参考资料 446
5．15．1　Python中的机器学习 446
5．15．2　通用机器学习资源 447
关于作者 448
关于封面 448

机器学习,数据科学,Python,计算机科学,编程,统计,Programming,MachineLearning