- Python科学计算数据处理与分析(信息技术人才培养系列教材)
- - 作者：编者:尹红丽//赵桂新|责编:张斌
  - 出版社：人民邮电
  - ISBN：9787115562128
  - 出版日期：2023/04/01
  - 页数：256
- 售价：23.92

内容大纲
    Python是当前流行的程序设计语言，在科学计算和数据分析处理中的应用越来越广。本书涵盖了Python在数值计算和数据处理领域的常用扩展库，如NumPy、Pandas、SciPy、Matplotlib等，以数据载入、数据清洗与规整、数据分析与可视化为主线，利用浅显易懂的语言、丰富有趣的实例，全面、系统地介绍了Python科学计算、数据处理与分析的知识。
    全书共7章，包括Python基础、NumPy基础、Pandas基础、Pandas数据处理、数据可视化、数据探索和分析、数值计算SciPy。
    本书可作为普通高等院校数据科学、人工智能及其相关专业的教学用书，也可供工程技术人员及相关开发人员阅读和参考。
作者介绍
目录
第1章  Python简介与环境安装
  1.1  Python简介
    1.1.1  为什么使用Python
    1.1.2  Python2和Python3
  1.2  Python环境安装
    1.2.1  Anacanda安装
    1.2.2  安装及更新Python包
  1.3  IPython的使用
    1.3.1  Python解释器
    1.3.2  IPython是什么
    1.3.3  安装IPython
    1.3.4  IPython的使用
    1.3.5  IPython的调试
  1.4  Jupyter Notebook
    1.4.1  Jupyter Notebook是什么
    1.4.2  Jupyter Notebook的使用
  习题
第2章  NumPy基础
  2.1  Python与数组的关系
  2.2  N维数组对象ndarray
    2.2.1  数组基本操作
    2.2.2  数组生成函数
    2.2.3  数组存取
    2.2.4  结构体数组
    2.2.5  数组高级操作
  2.3  通用函数
    2.3.1  算术运算
    2.3.2  比较运算
    2.3.3  逻辑运算
  2.4  聚合函数
  2.5  排序函数
    2.5.1  np.sort
    2.5.2  ndarray.sort
    2.5.3  np.argsort
    2.5.4  np.lexsort
    2.5.5  np.searchsorted
  2.6  随机数生成函数
    2.6.1  np.random.uniform
    2.6.2  np.random.rand
    2.6.3  np.random.randint
    2.6.4  np.random.normal
    2.6.5  np.random.choice
    2.6.6  np.random.shuffle
    2.6.7  np.random.permutation
  2.7  NumPy广播
  习题
第3章  Pandas基础
  3.1  Pandas数据结构
    3.1.1  Series
    3.1.2  DataFrame

  3.2  索引对象
    3.2.1  索引对象Index
    3.2.2  层次化索引对象MultiIndex
  3.3  数据存取
    3.3.1  属性和字典存取
    3.3.2  []存取
    3.3.3  loc和iloc存取
    3.3.4  多级索引的存取
    3.3.5  条件存取
  3.4  Pandas字符串操作
    3.4.1  字符串对象方法
    3.4.2  正则表达式
    3.4.3  Pandas中的向量化字符串函数
  3.5  文件读写
    3.5.1  CSV文件读写
    3.5.2  Excel文件读写
    3.5.3  HDF5文件读写
  3.6  基本运算
    3.6.1  算术运算
    3.6.2  排序和排名
    3.6.3  汇总和统计
  习题
第4章  Pandas数据处理
  4.1  数据清洗
    4.1.1  处理缺失值
    4.1.2  删除重复数据
    4.1.3  删除列
    4.1.4  重命名索引
  4.2  数据规整
    4.2.1  离散化和分箱
    4.2.2  索引重塑和轴向旋转
    4.2.3  分类数据处理
    4.2.4  数据转换
    4.2.5  数据合并
  4.3  数据分组与聚合
    4.3.1  GounpBy技术
    4.3.2  数据聚合
    4.3.3  透视表和交叉表
  4.4  时间序列
    4.4.1  日期和时间类型以及工具
    4.4.2  时间序列基础
    4.4.3  日期范围和偏移
    4.4.4  时间区间和区间算术
    4.4.5  时间序列方法
  习题
第5章  数据可视化
  5.1  Matplotlib简介
  5.2  Matplotlib绘图
    5.2.1  面向对象绘图流程
    5.2.2  图片对象

    5.2.3  子图
    5.2.4  子图间距
  5.3  Matplotlib快速绘图和面向对象绘图的区别
  5.4  Matplotlib绘图设置
    5.4.1  图像设置
    5.4.2  坐标轴设置
    5.4.3  图例设置
    5.4.4  标注设置
    5.4.5  网格设置
    5.4.6  图表中使用中文
  5.5  Pandas绘图
    5.5.1  Pandas基础绘图
    5.5.2  设置字体和显示中文
    5.5.3  Pandas绘图类型
  习题
第6章  数据探索和分析
  6.1  泰坦尼克号数据探索和分析
    6.1.1  载入数据
    6.1.2  数据观察
    6.1.3  数据处理
    6.1.4  数据探索
  6.2  IMDB电影数据探索和分析
    6.2.1  载入数据
    6.2.2  数据处理
    6.2.3  数据探索和分析
  习题
第7章  数值计算Scipy
  7.1  拟合和优化
    7.1.1  最小二乘拟合
    7.1.2  函数极值求解
    7.1.3  非线性方程组求解
  7.2  插值库
    7.2.1  一维插值
    7.2.2  二维插值
    7.2.3  插值法处理缺失值
  7.3  线性代数
    7.3.1  线性方程组求解
    7.3.2  最小二乘解
    7.3.3  计算行列式
    7.3.4  求逆矩阵
    7.3.5  求取特征值与特征向量
    7.3.6  SVD奇异值分解
  7.4  数值积分
    7.4.1  已知函数式求积分
    7.4.2  已知采样数值求积分
    7.4.3  解常微分方程组
  习题

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目