Python数据科学手册（第2版）

本书为数据科学领域经典畅销书升级版，基于GitHub热门开源项目，全面涵盖数据分析与数据科学领域的重要工具。全书共分为五部分，每部分介绍一两个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；第二部分讲解NumPy如何高效地存储和操作大型数组；第三部分讲解pandas如何高效地存储和操作带标签的列式数据；第四部分聚焦Matplotlib，展示其丰富的数据可视化功能；第五部分以scikit-learn为主，这个程序库为最重要的机器学习算法提供了高效整洁的Python版实现。本书适合有一定Python使用经验，并想进一步掌握Python数据分析能力的读者。 编辑推荐 1.【经典】畅销经典新升级，首版豆瓣评分 9.2，Amazon 4.6 星评 2.【热门】基于数据分析与数据科学超流行开源项目（ GitHub 43.9k ） 3.【全面】一书掌握Python四大库：NumPy + pandas + Matplotlib + scikit-learn NumPy（大规模数值数据）+ pandas（数据处理和分析）+ Matplotlib（数据可视化）+ scikit-learn（机器学习） 4.【实操】附赠所有示例和彩图的源代码，Jupyter Notebook一键运行

目录 对本书的赞誉 xv 译者序 xvii 前言 xix 第 一部分　Jupyter：超越Python 第 1章　IPython和Jupyter入门 3 1.1 启动IPython shell 3 1.2 启动Jupyter Notebook 3 1.3 IPython的帮助和文档 4 1.3.1 用符号 获取文档 5 1.3.2 用符号 获取源代码 6 1.3.3 用Tab补全的方式探索模块 6 1.4 IPython shell中的快捷键 8 1.4.1 导航快捷键 8 1.4.2 文本输入快捷键 9 1.4.3 命令历史快捷键 9 1.4.4 其他快捷键 10 第 2章　增强的交互功能 11 2.1 IPython魔法命令 11 2.1.1 执行外部代码：%run 11 2.1.2 计算代码运行时间：%timeit 12 2.1.3 魔法函数的帮助： 、%magic和%lsmagic 12 2.2 输入和输出历史 13 2.2.1 IPython的输入和输出对象 13 2.2.2 下划线快捷键和以前的输出 14 2.2.3 禁止输出 14 2.2.4 相关的魔法命令 15 2.3 IPython和shell命令 15 2.3.1 shell快速入门 15 2.3.2 IPython中的shell命令 16 2.3.3 在shell中传入或传出值 16 2.3.4 与shell相关的魔法命令 17 第3章　调试及性能分析 19 3.1 错误和调试 19 3.1.1 控制异常：%xmode 19 3.1.2 调试：当阅读轨迹追溯不足以解决问题时 21 3.2 代码性能与耗时分析 23 3.2.1 代码段计时：%timeit和%time 23 3.2.2 对整个脚本进行性能分析：%prun 24 3.2.3 用%lprun进行逐行性能分析 25 3.2.4 用%memit和%mprun进行内存分析 26 3.3 IPython参考资料 27 3.3.1 网络资源 27 3.3.2 相关图书 28 第二部分　 NumPy入门 第4章　理解Python中的数据类型 31 4.1 Python整型不仅仅是一个整型 32 4.2 Python列表不仅仅是一个列表 33 4.3 Python中的固定类型数组 35 4.4 从Python列表创建数组 35 4.5 从头创建数组 36 4.6 NumPy标准数据类型 37 第5章　NumPy数组基础 38 5.1 NumPy数组的属性 38 5.2 数组索引：获取单个元素 39 5.3 数组切片：获取子数组 40 5.3.1 一维子数组 40 5.3.2 多维子数组 41 5.3.3 非副本视图的子数组 41 5.3.4 创建数组的副本 42 5.4 数组的变形 42 5.5 数组拼接和拆分 43 5.5.1 数组的拼接 43 5.5.2 数组的拆分 44 第6章　NumPy数组的计算：通用函数 46 6.1 缓慢的循环 46 6.2 通用函数介绍 47 6.3 探索NumPy的通用函数 48 6.3.1 数组的运算 48 6.3.2 绝对值 49 6.3.3 三角函数 49 6.3.4 指数和对数 50 6.3.5 专业的通用函数 51 6.4 高级的通用函数特性 51 6.4.1 指定输出 51 6.4.2 聚合 52 6.4.3 外积 52 6.5 通用函数：更多的信息 53 第7章　聚合：最小值、最大值和其他值 54 7.1 数组值求和 54 7.2 最小值和最大值 55 7.2.1 多维度聚合 55 7.2.2 其他聚合函数 56 7.3 示例：美国总统的平均身高是多少 56 第8章　数组的计算：广播 59 8.1 广播的介绍 59 8.2 广播的规则 61 8.2.1 广播示例1 61 8.2.2 广播示例2 62 8.2.3 广播示例3 62 8.3 广播的实际应用 63 8.3.1 数组的归一化 63 8.3.2 画一个二维函数 64 第9章　比较、掩码和布尔逻辑 65 9.1 示例：统计下雨天数 65 9.2　将比较运算符看作通用函数 66 9.3 操作布尔数组 67 9.3.1 统计记录的个数 68 9.3.2 布尔运算符 69 9.4 将布尔数组作为掩码 70 9.5 使用关键字and/or与逻辑操作运算符&/| 70 第 10章　花式索引 73 10.1 探索花式索引 73 10.2 组合索引 74 10.3 示例：选择随机点 75 10.4 用花式索引修改值 76 10.5 示例：数据区间划分 77 第 11章　数组排序 80 11.1 NumPy中的快速排序：np.sort和np.argsort 81 11.2 沿着行或列排序 81 11.3 部分排序：分区 82 11.4 示例：k个最近邻 82 第 12章　结构化数据：NumPy的结构化数组 86 12.1 生成结构化数组 87 12.2 更高级的复合数据类型 88 12.3 记录数组：结构化数组的扭转 89 12.4 关于pandas 89 第三部分　pandas数据处理 第 13章　pandas对象简介 93 13.1 pandas的Series对象 93 13.1.1 Serise是通用的NumPy数组 94 13.1.2 Series是特殊的字典 95 13.1.3 创建Series对象 95 13.2 pandas的DataFrame对象 96 13.2.1 DataFrame是通用的NumPy数组 96 13.2.2 DataFrame是特殊的字典 97 13.2.3 创建DataFrame对象 97 13.3 pandas的Index对象 99 13.3.1 将Index看作不可变数组 99 13.3.2 将Index看作有序集合 99 第 14章　数据取值与选择 101 14.1 Series数据选择方法 101 14.1.1 将Series看作字典 101 14.1.2 将Series看作一维数组 102 14.1.3 索引器：loc和iloc 103 14.2 DataFrame数据选择方法 104 14.2.1 将DataFrame看作字典 104 14.2.2 将DataFrame看作二维数组 105 14.2.3 其他取值方法 107 第 15章　pandas数值运算方法 108 15.1 通用函数：保留索引 108 15.2 通用函数：索引对齐 109 15.2.1 Series索引对齐 109 15.2.2 DataFrame索引对齐 110 15.3 通用函数：DataFrame与Series的运算 111 第 16章　处理缺失值 113 16.1 处理缺失值的方法选择 113 16.2 pandas的缺失值 114 16.2.1 None作为哨兵值 114 16.2.2 NaN：数值类型的缺失值 115 16.2.3 pandas中NaN与None的差异 115 16.3 pandas可空类型 116 16.4 处理缺失值 117 16.4.1 发现缺失值 117 16.4.2 剔除缺失值 117 16.4.3 填充缺失值 119 第 17章　分层索引 121 17.1 多级索引Series 121 17.1.1 笨办法 121 17.1.2 好办法：pandas多级索引 122 17.1.3 高维数据的多级索引 123 17.2 多级索引的创建方法 124 17.2.1 显式地创建多级索引 125 17.2.2 多级索引的级别名称 125 17.2.3 多级列索引 126 17.3 多级索引的取值与切片 127 17.3.1 Series多级索引 127 17.3.2 DataFrame多级索引 128 17.4 多级索引行列转换 129 17.4.1 有序的索引和无序的索引 129 17.4.2 索引stack与unstack 130 17.4.3 索引的设置与重置 131 第 18章　合并数据集：concat与append操作 132 18.1 知识回顾：NumPy数组的合并 133 18.2 通过pd.concat实现简单合并 133 18.2.1 索引重复 134 18.2.2 类似join的合并 135 18.2.3 append方法 136 第 19章　合并数据集：合并与连接 137 19.1 关系代数 137 19.2 数据连接的类型 138 19.2.1 一对一连接 138 19.2.2 多对一连接 139 19.2.3 多对多连接 139 19.3 设置数据合并的键 140 19.3.1　参数on的用法 140 19.3.2 left_on与right_on参数 140 19.3.3 left_index与right_index参数 141 19.4 设置数据连接的集合操作规则 142 19.5 重复列名：suffixes参数 143 19.6 案例：美国各州的统计数据 144 第 20章　聚合与分组 149 20.1 行星数据 149 20.2 pandas的简单聚合功能 150 20.3 groupby：分割、应用和组合 152 20.3.1 分割、应用和组合 152 20.3.2 GroupBy对象 153 20.3.3 聚合、过滤、转换和应用 155 20.3.4 设置分割的键 157 第 21章　数据透视表 160 21.1 演示数据透视表 160 21.2 手工制作数据透视表 161 21.3 数据透视表语法 161 21.3.1 多级数据透视表 162 21.3.2 其他数据透视表选项 162 21.4 案例：美国人的生日 163 第 22章　向量化字符串操作 168 22.1 pandas字符串操作简介 168 22.2 pandas字符串方法列表 169 22.2.1 与Python字符串方法相似的方法 169 22.2.2 使用正则表达式的方法 170 22.2.3 其他字符串方法 171 22.3 案例：食谱数据库 173 22.3.1 制作简单的美食推荐系统 174 22.3.2 继续完善美食推荐系统 175 第 23章　处理时间序列 176 23.1 Python的日期与时间工具 176 23.1.1 Python的原生日期与时间工具：datetime与dateutil 177 23.1.2 时间类型数组：NumPy的datetime64类型 177 23.1.3 pandas的日期与时间工具：理想与现实的最佳解决方案 179 23.2 pandas时间序列：用时间作索引 179 23.3 pandas时间序列数据结构 180 23.4 有规律的时间序列：pd.date_range 181 23.5 时间频率与偏移量 182 23.6 重采样、移位和窗口 183 23.6.1 重采样与频率转换 184 23.6.2 时间移位 186 23.6.3 滚动窗口 186 23.7 案例：美国西雅图自行车统计数据的可视化 188 23.7.1 数据可视化 189 23.7.2 深入挖掘数据 191 第 24章　高性能pandas：eval与query 194 24.1 query与eval的设计动机：复合表达式 194 24.2 用pandas.eval实现高性能运算 195 24.3 用DataFrame.eval实现列间运算 196 24.3.1 用DataFrame.eval新增列 197 24.3.2 DataFrame.eval使用局部变量 198 24.4 DataFrame.query方法 198 24.5 性能决定使用时机 199 24.6 参考资料 199 第四部分　Matplotlib数据可视化 第 25章　Matplotlib常用技巧 203 25.1 导入Matplotlib 203 25.2 设置绘图样式 203 25.3 用不用show？如何显示图形 203 25.3.1 在脚本中画图 204 25.3.2 在IPython shell中画图 204 25.3.3 在Jupyter Notebook中画图 204 25.3.4 将图形保存为文件 205 25.3.5 两种画图接口 206 第 26章　简单线形图 209 26.1 调整图形：线条的颜色与风格 212 26.2 调整图形：坐标轴上下限 214 26.3 设置图形标签 216 26.4 Matplotlib陷阱 218 第 27章　简单散点图 219 27.1 用plt.plot画散点图 219 27.2 用plt.scatter画散点图 222 27.3 plot与scatter：效率对比 224 27.4 可视化误差 224 27.4.1 基本误差线 225 27.4.2 连续误差 226 第 28章　密度图与等高线图 228 28.1 三维函数的可视化 228 28.2 频次直方图、数据区间划分和分布密度 232 28.3 二维频次直方图与数据区间划分 234 28.3.1 plt.hist2d：二维频次直方图 235 28.3.2 plt.hexbin：六边形区间划分 235 28.3.3 核密度估计 236 第 29章　配置图例 238 29.1 选择图例显示的元素 241 29.2 在图例中显示不同尺寸的点 242 29.3 同时显示多个图例 243 第30章　配置颜色条 245 30.1 配置颜色条 246 30.1.1 选择配色方案 247 30.1.2 颜色条刻度的限制与扩展功能的设置 249 30.1.3 离散型颜色条 250 30.2 案例：手写数字 250 第31章　多子图 253 31.1 plt.axes：手动创建子图 253 31.2 plt.subplot：简单网格子图 255 31.3 plt.subplots：用一行代码创建网格 256 31.4 plt.GridSpec：实现更复杂的排列方式 257 第32章　文字与注释 260 32.1 案例：节假日对美国出生率的影响 260 32.2 坐标变换与文字位置 262 32.3 箭头与注释 264 第33章　自定义坐标轴刻度 267 33.1 主要刻度与次要刻度 267 33.2 隐藏刻度与标签 268 33.3 增减刻度数量 270 33.4 花哨的刻度格式 272 33.5 格式生成器与定位器小结 274 第34章　Matplotlib自定义：配置文件与样式表 276 34.1 手动配置图形 276 34.2 修改默认配置：rcParams 278 34.3 样式表 280 34.3.1 默认风格 280 34.3.2 FiveThirtyEight风格 281 34.3.3 ggplot风格 281 34.3.4 bmh风格 282 34.3.5 黑色背景风格 282 34.3.6 灰度风格 283 34.3.7 Seaborn风格 283 第35章　用Matplotlib画三维图 285 35.1 三维数据点与线 286 35.2 三维等高线图 287 35.3 线框图和曲面图 289 35.4 曲面三角剖分 291 35.5 案例：默比乌斯带 292 第36章　用Seaborn做数据可视化 294 36.1 Seaborn图形介绍 295 36.1.1 频次直方图、KDE和密度图 295 36.1.2 成对图 297 36.1.3 分面频次直方图 298 36.2 分类图 299 36.2.1 联合分布 300 36.2.2 条形图 301 36.3 案例：探索马拉松比赛成绩数据 302 36.4 参考资料 309 36.5 其他Python画图程序库 310 第五部分　机器学习 第37章　什么是机器学习 313 37.1 机器学习的分类 313 37.2 机器学习应用的定性示例 314 37.2.1 分类：预测离散标签 314 37.2.2 回归：预测连续标签 316 37.2.3 聚类：为无标签数据添加标签 318 37.2.4 降维：推断无标签数据的结构 320 37.3 小结 321 第38章　scikit-learn简介 322 38.1 scikit-learn的数据表示 322 38.1.1 特征矩阵 323 38.1.2 目标数组 323 38.2 scikit-learn的估计器API 325 38.2.1 API基础知识 326 38.2.2 监督学习示例：简单线性回归 326 38.2.3 监督学习示例：鸢尾花数据分类 329 38.2.4 无监督学习示例：鸢尾花数据降维 330 38.2.5 无监督学习示例：鸢尾花数据聚类 331 38.3 应用：手写数字探索 332 38.3.1 加载并可视化手写数字 332 38.3.2 无监督学习：降维 333 38.3.3 数字分类 334 38.4 小结 337 第39章　超参数与模型验证 338 39.1 模型验证 338 39.1.1 错误的模型验证方法 338 39.1.2 正确的模型验证方法：留出集 339 39.1.3 交叉验证 339 39.2 选择最优模型 341 39.2.1 偏差与方差的均衡 342 39.2.2 scikit-learn验证曲线 343 39.3 学习曲线 347 39.4 验证实践：网格搜索 350 39.5 小结 351 第40章　特征工程 352 40.1 分类特征 352 40.2 文本特征 353 40.3 图像特征 354 40.4 衍生特征 355 40.5 缺失值插补 357 40.6 特征管道 358 第41章　专题：朴素贝叶斯分类 359 41.1 贝叶斯分类 359 41.2 高斯朴素贝叶斯 360 41.3 多项式朴素贝叶斯 362 41.4 朴素贝叶斯的应用场景 365 第42章　专题：线性回归 367 42.1 简单线性回归 367 42.2 基函数回归 370 42.2.1 多项式基函数 370 42.2.2 高斯基函数 371 42.3 正则化 373 42.3.1 岭回归（L2范数正则化） 375 42.3.2 Lasso回归（L1范数正则化） 376 42.4 案例：预测自行车流量 377 第43章　专题：支持向量机 382 43.1 支持向量机的由来 382 43.2 支持向量机：间隔最大化 384 43.2.1 拟合支持向量机 385 43.2.2 超越线性边界：核函数SVM模型 387 43.2.3 SVM优化：软化间隔 390 43.3 案例：人脸识别 391 43.4 小结 395 第44章　专题：决策树与随机森林 397 44.1 随机森林的基础：决策树 397 44.1.1 创建一棵决策树 398 44.1.2 决策树与过拟合 400 44.2 估计器集成算法：随机森林 401 44.3 随机森林回归 403 44.4 案例：用随机森林识别手写数字 404 44.5 小结 407 第45章　专题：主成分分析 408 45.1 PCA简介 408 45.1.1 用PCA降维 411 45.1.2 用PCA做数据可视化：手写数字 412 45.1.3 成分的含义 413 45.1.4 选择成分的数量 414 45.2 用PCA做噪声过滤 415 45.3 案例：特征脸 417 45.4 小结 419 第46章　专题：流形学习 420 46.1 流形学习：“HELLO” 420 46.1.1 多维标度法（MDS） 422 46.1.2 将MDS用于流形学习 424 46.2 非线性嵌入：当MDS失败时 426 46.3 非线性流形：局部线性嵌入 427 46.4 关于流形方法的一些思考 429 46.5 示例：用Isomap处理人脸数据 430 46.6 示例：手写数字的可视化结构 433 第47章　专题：k-means聚类 437 47.1 k-means简介 437 47.2 k-means算法：期望最大化 439 47.3 案例 444 47.3.1 案例1：用k-means算法处理手写数字 444 47.3.2 案例2：将k-means用于色彩压缩 447 第48章　专题：高斯混合模型 451 48.1 高斯混合模型诞生的原因：k-means算法的缺陷 451 48.2 广义E-M：高斯混合模型 454 48.3 选择协方差的类型 458 48.4 将GMM用作密度估计器 458 48.5 示例：用GMM生成新的数据 462 第49章　专题：核密度估计 465 49.1 KDE的由来：直方图 465 49.2 核密度估计的实际应用 469 49.3 通过交叉验证选择带宽 470 49.4 示例：不是很朴素的贝叶斯 471 49.4.1 解析自定义估计器 472 49.4.2 使用自定义估计器 474 第50章　应用：人脸识别管道 476 50.1 HOG特征 476 50.2 HOG实战：一个简单的人脸识别器 477 50.2.1 获取一组正训练样本 478 50.2.2 获取一组负训练样本 478 50.2.3 组合数据集并提取HOG特征 479 50.2.4 训练一个支持向量机 479 50.2.5 在新图像中寻找人脸 480 50.3 注意事项与改进方案 482 50.4 机器学习参考资料 483

Jake VanderPlas 谷歌公司软件工程师，交互式可视化包Altair作者、scikit-learn核心团队成员，SciPy项目维护者，Matplotlib和Pandas等热门项目的贡献者，数据科学领域Z受欢迎的开源项目PythonDataScienceHandbook（GitHub星标43.9k）的作者。 因其长期致力于创建、开发和维护开源Python工具而在数据科学社区享有盛誉，拥有美国华盛顿大学博士学位，曾任华盛顿大学eScience学院物理科学研究院院长。

暂无其它内容！

暂时还没有人为这本书评论！