Python и анализ данных : первичная обработка данных с применением pandas, NumPy и IPython

Содержание книги "Python и анализ данных : первичная обработка данных с применением pandas, NumPy и IPython"

Предисловие
Об авторе
Об иллюстрации на обложке
Глава 1. Предварительные сведения
1.1. О чем эта книга?
1.2. Почему именно Python?
1.3. Необходимые библиотеки для Python
1.4. Установка и настройка
1.5. Сообщество и конференции
1.6. Структура книги
Глава 2. Основы языка Python, IPython и Jupyter-блокноты
2.1. Интерпретатор Python
2.2. Основы IPython
2.3. Основы языка Python
Глава 3. Встроенные структуры данных, функции и файлы
3.1. Структуры данных и последовательности
3.2. Функции
3.3. Файлы и операционная система
3.4. Заключение
Глава 4. Основы NumPy: массивы и векторные вычисления
4.1. NumPy ndarray: объект многомерного массива
4.2. Универсальные функции: быстрые поэлементные операции над массивами
4.3. Программирование с применением массивов
4.4. Файловый ввод-вывод массивов
4.5. Линейная алгебра
4.6. Генерация псевдослучайных чисел
4.7. Пример: случайное блуждание
4.8. Заключение
Глава 5. Первое знакомство с pandas
5.1. Введение в структуры данных pandas
5.2. Базовая функциональность
5.3. Редукция и вычисление описательных статистик
5.4. Заключение
Глава 6. Чтение и запись данных, форматы файлов
6.1. Чтение и запись данных в текстовом формате
6.2. Двоичные форматы данных
6.3. Взаимодействие с HTML и Web API
6.4. Взаимодействие с базами данных
6.5. Заключение
Глава 7. Очистка и подготовка данных
7.1. Обработка отсутствующих данных
7.2. Преобразование данных
7.3. Манипуляции со строками
7.4. Заключение
Глава 8. Переформатирование данных: соединение, комбинирование и изменение формы
8.1. Иерархическое индексирование
8.2. Комбинирование и слияние наборов данных
8.3. Изменение формы и поворот
8.4. Заключение
Глава 9. Построение графиков и визуализация
9.1. Краткое введение в API библиотеки matplotlib
9.2. Построение графиков с помощью pandas и seaborn
9.3. Другие средства визуализации для Python
9.4. Заключение
Глава 10. Агрегирование данных и групповые операции
10.1. Механизм GroupBy
10.2. Агрегирование данных
10.3. Метод apply: часть общего принципа разделения-применения-объединения
10.4. Сводные таблицы и перекрестное табулирование
10.5. Заключение
Глава 11. Временные ряды
11.1. Типы данных и инструменты, относящиеся к дате и времени
11.2. Основы работы с временными рядами
11.3. Диапазоны дат, частоты и сдвиг
11.4. Часовые пояса
11.5. Периоды и арифметика периодов
11.6. Передискретизация и преобразование частоты
11.7. Скользящие оконные функции
11.8. Заключение
Глава 12. Дополнительные сведения о библиотеке NumPy
12.1. Категориальные данные
12.2. Дополнительные способы использования GroupBy
12.3. Сцепление методов
12.4. Заключение
Глава 13. Введение в библиотеки моделирования на Python
13.1. Интерфейс между pandas и кодом модели
13.2. Описание моделей с помощью Patsy
13.3. Введение в statsmodels
13.4. Введение в scikit-learn
13.5. Продолжение своего образования
Глава 14. Примеры анализа данных
14.1. 1.usa.gov data from Bitly
14.2. Набор данных MovieLens 1M
14.3. Имена, которые давали детям в США за период с 1880 по 2010 год
14.4. База данных о продуктах питания министерства сельского хозяйства США
14.5. База данных федеральной избирательной комиссии
14.6. Заключение
Приложение A. Дополнительные сведения о библиотеке NumPy
A.1. Внутреннее устройство объекта ndarray
A.2. Дополнительные манипуляции с массивами
A.3. Укладывание
A.4. Дополнительные способы использования универсальных функций
А.5. Структурные массивы
A.6. Еще о сортировке
A.7. Написание быстрых функций для NumPy с помощью Numba
A.8. Дополнительные сведения о вводе-выводе массивов
A.9. Замечания о производительности
Приложение B. Еще о системе IPython
B.1. История команд
B.2. Взаимодействие с операционной системой
B.3. Средства разработки программ
B.4. Советы по продуктивной разработке кода с использованием IPython
B.5. Дополнительные возможности IPython
B.6. Заключение
Предметный указатель