更新时间：2024-03-22 19:16:21
封面
版权信息
内容简介
前言
第1章 Pandas快速入门
1.1 初识Pandas
1.1.1 什么是Pandas
1.1.2 Pandas的主要数据结构
1.1.3 Pandas的优势
1.2 Pandas开发环境配置
1.2.1 Python概述
1.2.2 Anaconda概述
1.2.3 Anaconda的下载
1.2.4 Anaconda的安装
1.2.5 Jupyter Notebook概述
1.3 Jupyter Notebook界面的基本操作
1.3.1 Jupyter Notebook的主界面
1.3.2 Jupyter Notebook的编辑页面
1.3.3 Jupyter Notebook的文件操作
1.4 实例：第一个Pandas数据处理程序
第2章 Pandas常用的数据结构
2.1 初识数据结构
2.1.1 什么是数据及数据处理
2.1.2 什么是信息
2.1.3 什么是数据结构
2.2 Python的数据结构
2.2.1 数值型应用实例
2.2.2 字符串型应用实例
2.2.3 列表应用实例
2.2.4 元组应用实例
2.2.5 字典应用实例
2.2.6 集合应用实例
2.3 NumPy的数据结构
2.3.1 NumPy数组的创建
2.3.2 NumPy特殊数组
2.3.3 NumPy序列数组
2.3.4 NumPy数组运算
2.3.5 NumPy的矩阵
2.3.6 两个数组的点积
2.3.7 两个向量的点积
2.3.8 数组的向量内积
2.3.9 矩阵的行列式
2.3.10 矩阵的逆
2.4 Pandas的数据结构
2.4.1 一维数组系列应用实例
2.4.2 二维数组应用实例
第3章 Pandas数据的导入与导出
3.1 导入CSV文件
3.1.1 CSV文件概述
3.1.2 创建CSV文件，并输入内容
3.1.3 read_csv（）方法
3.1.4 利用read_csv（）方法导入CSV文件实例
3.2 导入Excel文件
3.2.1 在Excel中输入内容并上传
3.2.2 read_excel（）方法
3.2.3 利用read_excel（）方法导入Excel文件实例
3.3 导入JSON文件
3.3.1 创建JSON文件，并输入内容
3.3.2 read_json（）方法
3.3.3 利用read_json（）方法导入JSON文件实例
3.4 Pandas数据的输出
3.4.1 输出CSV文件
3.4.2 输出Excel文件
3.4.3 输出JSON文件
第4章 Pandas数据表的查看和清洗
4.1 Pandas数据表信息的查看
4.1.1 利用shape属性查看数据表的维度
4.1.2 利用dtype和dtypes属性查看列数据的类型
4.1.3 利用columns和values属性查看数据表的表头和数据信息
4.1.4 利用isnull（）方法查看空值信息
4.1.5 利用unique（）方法查看列中的无重复数据信息
4.1.6 利用info（）方法查看数据表的基本信息
4.1.7 利用head（）方法查看数据表前几行数据
4.1.8 利用tail（）方法查看数据表后几行数据
4.2 Pandas数据表的清洗
4.2.1 空值的清洗
4.2.2 格式错误数据的清洗
4.2.3 错误数据的清洗
4.2.4 重复数据的清洗
4.2.5 数据表列名的清洗
4.2.6 数据内容的清洗
第5章 Pandas数据的合并与对比
5.1 利用append（）方法追加数据
5.1.1 append（）方法及参数
5.1.2 利用append（）方法实现相同结构数据表的数据追加
5.1.3 利用append（）方法实现不同结构数据表的数据追加
5.1.4 利用append（）方法实现忽略索引的数据追加
5.1.5 追加Series序列
5.1.6 追加字典列表
5.2 利用concat（）方法合并数据
5.2.1 concat（）方法及参数
5.2.2 利用concat（）方法纵向合并数据
5.2.3 利用concat（）方法横向合并数据
5.2.4 合并数据的交集
5.3 利用merge（）方法合并数据
5.3.1 merge（）方法及参数
5.3.2 利用merge（）方法合并数据实例
5.4 利用compare（）方法对比数据
5.4.1 compare（）方法及参数
5.4.2 利用compare（）方法对比数据实例
