book

《Python 数据分析》第三版

by Wes McKinney

May 2025

Intermediate to advanced

582 pages

8h 8m

Chinese

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

本书使用的约定使用代码示例O'Reilly 在线学习如何联系我们致谢悼念约翰-亨特（1968-2012）第三版（2022 年）致谢第二版（2017 年）致谢第一版致谢（2012 年）
1.1 这本书是关于什么的？什么样的数据？1.2 为什么用 Python 进行数据分析？Python 作为胶水解决 "两种语言 "问题为什么不是 Python？1.3 Python 基本库NumPy大熊猫matplotlibIPython 和 JupyterSciPyscikit-learn统计模型其他套餐1.4 安装和设置Windows 上的 MinicondaGNU/LinuxMacOS 上的 Miniconda安装必要的软件包集成开发环境和文本编辑器1.5 社区和会议1.6 本书导航代码示例实例数据导入约定
2.1 Python 解释器2.2 IPython 基础知识运行 IPython Shell运行 Jupyter 笔记本选项卡完成自省2.3 Python 语言基础知识语言语义学标量类型控制流2.4 结论
3.1 数据结构和序列元组列表词典设置内置序列功能列表、集合和字典理解3.2 功能命名空间、范围和本地函数返回多个值函数是对象匿名（Lambda）函数发电机错误和异常处理3.3 文件和操作系统文件的字节和统一码3.4 结论
4.1 NumPy ndarray：多维数组对象创建ndarraysndarrays的数据类型使用 NumPy 数组进行算术运算基本索引和切片布尔索引花式索引变换阵列和交换轴4.2 伪随机数生成4.3 通用函数：快速元素向数组函数4.4 面向数组的数组编程用数组操作表达条件逻辑数学与统计方法布尔数组方法分类唯一逻辑和其他集合逻辑4.5 使用数组进行文件输入和输出4.6 线性代数4.7 示例随机漫步一次模拟多个随机行走4.8 结论
5.1 pandas 数据结构介绍系列数据帧索引对象5.2 基本功能重新索引从轴线上删除条目索引、选择和过滤算术和数据对齐功能应用和映射分类和排序带有重复标签的轴索引5.3 总结和计算描述性统计相关性和协方差独特价值、价值计数和成员资格5.4 结论
6.1 读写文本格式数据分片读取文本文件将数据写入文本格式处理其他分隔格式JSON 数据XML 和 HTML：网络抓取6.2 二进制数据格式读取 Microsoft Excel 文件使用 HDF5 格式6.3 与网络应用程序接口交互6.4 与数据库交互6.5 结论
7.1 处理缺失数据过滤缺失数据填写缺失数据7.2 数据转换删除重复文件使用函数或映射转换数据替代价值观重新命名轴索引离散化和分档检测和过滤异常值排列和随机抽样计算指标/虚拟变量7.3 扩展数据类型7.4 字符串操作Python 内置字符串对象方法正则表达式pandas 中的字符串函数7.5 分类数据背景与动机熊猫中的分类扩展类型分类计算分类方法7.6 结论
8.1 分级索引重新排序和排序级别按级别分列的统计摘要使用数据帧的列建立索引8.2 合并数据集数据库风格的数据帧连接合并索引沿轴线串联结合重叠数据8.3 重塑和转向利用分层索引重塑模型将 "长 "格式转为 "宽 "格式将 "宽 "格式转为 "长 "格式8.4 结论
9.1 matplotlib API 简介数字和分镜头颜色、标记和线条样式虱子、标签和传说子情节上的注释和绘图将绘图保存到文件matplotlib 配置9.2 使用熊猫和海生绘制地图线图酒吧地块直方图和密度图散点图或点图面网格和分类数据9.3 其他 Python 可视化工具9.4 结论

10.1 如何思考小组运作在组上迭代选择列或列的子集用词典和系列进行分组用函数分组按指数级别分组10.2 数据汇总列式和多重函数应用返回无行索引的汇总数据10.3 应用一般拆分-应用-合并抑制组键定量分析和桶分析示例：用组别特定值填补缺失值示例：随机抽样和排列示例：分组加权平均数和相关性示例：分组线性回归10.4 组变换和 "未包裹 "组对10.5 透视表和交叉表交叉表：交叉表10.6 结论
11.1 日期和时间数据类型与工具字符串和日期时间之间的转换11.2 时间序列基础知识索引、选择、子集具有重复指数的时间序列11.3 日期范围、频率和偏移生成日期范围频率和日期偏移移动（领先和滞后）数据11.4 时区处理时区定位和转换时区感知时间戳对象的操作不同时区之间的操作11.5 周期和周期算术周期频率转换季度频率将时间戳转换为周期（再返回）从数组创建 PeriodIndex11.6 重新采样和频率转换降采样升采样和插值周期重采样分组时间重采样11.7 移动窗口功能指数加权函数二进制移动窗口功能用户定义的移动窗口功能11.8 结论
12.1 pandas 与模型代码之间的接口12.2 用 Patsy 创建模型描述Patsy 公式中的数据转换分类数据和帕特西12.3 统计模型介绍估计线性模型估算时间序列过程12.4 scikit-learn 简介12.5 结论
13.1 来自 1.USA.gov 的 Bitly 数据用纯 Python 计算时区用熊猫计算时区13.2 MovieLens 1M 数据集衡量评级分歧13.3 1880-2010 年美国婴儿姓名分析命名趋势13.4 美国农业部食品数据库13.5 2012 年联邦选举委员会数据库按职业和雇主分列的捐赠统计数据水桶捐款数额各州捐赠统计13.6 结论
A.1 ndarray 对象内部结构NumPy 数据类型层次结构A.2 高级阵列操作重塑数组C 与 FORTRAN 的顺序连接和分割数组重复元素：平铺和重复花式指数化等价物：取和放A.3 广播通过其他轴进行广播通过广播设置数组值A.4 ufunc 的高级用法ufunc 实例方法用 Python 编写新的 ufuncsA.5 结构数组和记录数组嵌套数据类型和多维字段为什么要使用结构化数组？A.6 关于排序的更多信息间接排序： argsort 和 lexsort其他排序算法对数组进行部分排序numpy.searchsorted：在排序数组中查找元素A.7 使用 Numba 编写快速 NumPy 函数使用 Numba 创建自定义 numpy.ufunc 对象A.8 高级阵列输入和输出内存映射文件HDF5 和其他阵列存储选项A.9 性能提示连续记忆的重要性
B.1 终端键盘快捷键B.2 关于魔术命令运行 % 命令从剪贴板执行代码B.3 使用命令历史记录搜索和重复使用命令历史记录输入和输出变量B.4 与操作系统交互shell 命令和别名目录书签系统B.5 软件开发工具交互式调试器计时代码：%time 和 %timeit基本剖析：%prun 和 %run -p逐行剖析函数B.6 使用 IPython 进行高效代码开发的技巧重装模块依赖关系代码设计技巧B.7 高级 IPython 功能预案和配置B.8 结论

Overview

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：translation-feedback@oreilly.com

获取在 Python 中操作、处理、清理和处理数据集的权威手册。该实践指南已更新至 Python 3.10 和 pandas 1.4，第三版内容丰富，包含许多实际案例，向您展示如何有效解决各种数据分析问题。在此过程中，您将学习 pandas、NumPy 和 Jupyter 的最新版本。

本书由 Python pandas 项目的创建者 Wes McKinney 撰写，是一本关于 Python 数据科学工具的实用、现代的入门书。对于刚接触 Python 的分析师以及刚接触数据科学和科学计算的 Python 程序员来说，这是一本理想的参考书。数据文件和相关资料可在 GitHub 上获得。