第 1章 Python简介与环境安装 1
1.1 Python简介 1
1.1.1 为什么使用Python 1
1.1.2 Python2和Python3 1
1.2 Python环境安装 2
1.2.1 Anacanda安装 2
1.2.2 安装及更新Python包 4
1.3 IPython的使用 5
1.3.1 Python解释器 5
1.3.2 IPython是什么 5
1.3.3 安装IPython 5
1.3.4 IPython的使用 6
1.3.5 IPython的调试 14
1.4 Jupyter Notebook 17
1.4.1 Jupyter Notebook是什么 17
1.4.2 Jupyter Notebook的使用 17
习题 22
第 2章 NumPy基础 24
2.1 Python与数组的关系 24
2.2 N维数组对象ndarray 25
2.2.1 数组基本操作 26
2.2.2 数组生成函数 29
2.2.3 数组存取 34
2.2.4 结构体数组 41
2.2.5 数组高级操作 42
2.3 通用函数 54
2.3.1 算术运算 56
2.3.2 比较运算 57
2.3.3 逻辑运算 57
2.4 聚合函数 58
2.5 排序函数 59
2.5.1 np.sort 59
2.5.2 ndarray.sort 61
2.5.3 np.argsort 61
2.5.4 np.lexsort 62
2.5.5 np.searchsorted 63
2.6 随机数生成函数 65
2.6.1 np.random.uniform 66
2.6.2 np.random.rand 67
2.6.3 np.random.randint 67
2.6.4 np.random.normal 68
2.6.5 np.random.choice 69
2.6.6 np.random.shuffle 70
2.6.7 np.random.permutation 70
2.7 NumPy广播 70
习题 73
第3章 Pandas基础 75
3.1 Pandas数据结构 75
3.1.1 Series 75
3.1.2 DataFrame 79
3.2 索引对象 82
3.2.1 索引对象Index 83
3.2.2 层次化索引对象MultiIndex 84
3.3 数据存取 85
3.3.1 属性和字典存取 85
3.3.2 [ ]存取 86
3.3.3 loc和iloc存取 92
3.3.4 多级索引的存取 94
3.3.5 条件存取 97
3.4 Pandas字符串操作 98
3.4.1 字符串对象方法 99
3.4.2 正则表达式 102
3.4.3 Pandas中的向量化字符串函数 108
3.5 文件读写 110
3.5.1 CSV文件读写 111
3.5.2 Excel文件读写 117
3.5.3 HDF5文件读写 119
3.6 基本运算 122
3.6.1 算术运算 122
3.6.2 排序和排名 125
3.6.3 汇总和统计 128
习题 134
第4章 Pandas数据处理 135
4.1 数据清洗 135
4.1.1 处理缺失值 135
4.1.2 删除重复数据 139
4.1.3 删除列 141
4.1.4 重命名索引 142
4.2 数据规整 143
4.2.1 离散化和分箱 143
4.2.2 索引重塑和轴向旋转 144
4.2.3 分类数据处理 148
4.2.4 数据转换 151
4.2.5 数据合并 158
4.3 数据分组与聚合 166
4.3.1 GounpBy技术 167
4.3.2 数据聚合 173
4.3.3 透视表和交叉表 180
4.4 时间序列 182
4.4.1 日期和时间类型以及工具 183
4.4.2 时间序列基础 187
4.4.3 日期范围和偏移 189
4.4.4 时间区间和区间算术 192
4.4.5 时间序列方法 194
习题 201
第5章 数据可视化 203
5.1 Matplotlib简介 203
5.2 Matplotlib绘图 203
5.2.1 面向对象绘图流程 205
5.2.2 图片对象 205
5.2.3 子图 206
5.2.4 子图间距 208
5.3 Matplotlib快速绘图和面向对象绘图的区别 209
5.4 Matplotlib绘图设置 209
5.4.1 图像设置 209
5.4.2 坐标轴设置 216
5.4.3 图例设置 221
5.4.4 标注设置 222
5.4.5 网格设置 225
5.4.6 图表中使用中文 226
5.5 Pandas绘图 228
5.5.1 Pandas基础绘图 228
5.5.2设置字体和显示中文 232
5.5.3 Pandas绘图类型 232
习题 239
第6章 数据探索和分析 240
6.1泰坦尼克号数据探索和分析 240
6.1.1 载入数据 240
6.1.2 数据观察 240
6.1.3 数据处理 243
6.1.4 数据探索 245
6.2 IMDB电影数据探索和分析 250
6.2.1 载入数据 250
6.2.2 数据处理 251
6.2.3 数据探索和分析 259
习题 267
第7章 数值计算Scipy 269
7.1 拟合和优化 269
7.1.1 最小二乘拟合 269
7.1.2 函数极值求解 273
7.1.3 非线性方程组求解 277
7.2 插值库 278
7.2.1 一维插值 279
7.2.2 二维插值 281
7.2.3 插值法处理缺失值 282
7.3 线性代数 283
7.3.1线性方程组求解 283
7.3.2 最小二乘解 283
7.3.3 计算行列式 284
7.3.4 求逆矩阵 284
7.3.5 求取特征值与特征向量 284
7.3.6 SVD奇异值分解 285
7.4 数值积分 286
7.4.1 已知函数式求积分 286
7.4.2 已知采样数值求积分 288
7.4.3 解常微分方程组 289
习题 290