歡迎光臨中圖網 請 | 注冊
> >
Pandas數(shù)據(jù)分析快速上手500招(微課視頻版)

Pandas數(shù)據(jù)分析快速上手500招(微課視頻版)

出版社：清華大學出版社出版時間：2023-03-01
開本： 16開 頁數(shù)： 420
中 圖 價:¥74.9(7.5折) 定價  ¥99.8 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>
買過本商品的人還買了

Pandas數(shù)據(jù)分析快速上手500招(微課視頻版) 版權信息

Pandas數(shù)據(jù)分析快速上手500招(微課視頻版) 本書特色

問題描述 解決方案 真實源碼 效果截圖 視頻教學， 精選500案例，附贈36個可視化案例，提供完整源碼，邊看邊做邊學 。優(yōu)化數(shù)據(jù)分析，提高工作效率 ；告別重復勞動，蛻變職場精英

Pandas數(shù)據(jù)分析快速上手500招(微課視頻版) 內容簡介

本書采用“問題描述+解決方案”模式，通過500個案例介紹了使用Pandas進行數(shù)據(jù)分析和數(shù)據(jù)處理的技術亮點。全書共分為8章，主要案例包括：讀寫CSV、Excel、JSON、HTML等格式的數(shù)據(jù)；根據(jù)行標簽、列名和行列數(shù)字索引篩選和修改數(shù)據(jù)，使用各種函數(shù)根據(jù)數(shù)據(jù)大小、日期范圍、正則表達式、lambda表達式、文本類型等多種條件篩選數(shù)據(jù)；統(tǒng)計NaN（缺失值）的數(shù)量、占比，根據(jù)規(guī)則填充和刪除NaN；在DataFrame中增、刪、查、改行列數(shù)據(jù)，計算各種行差、列差、極差以及直接對兩個DataFrame進行加、減、乘、除運算和比較差異；將寬表和長表相互轉換，創(chuàng)建交叉表和各種透視表；對數(shù)據(jù)分組結果進行求和、累加、求平均值、求極差、求占比、排序、篩選、重采樣等多種形式的分析，將分組數(shù)據(jù)導出為Excel文件。本書還附贈36個數(shù)據(jù)可視化案例，如根據(jù)指定的條件設置行列數(shù)據(jù)的顏色和樣式，根據(jù)行列數(shù)據(jù)繪制條形圖、柱形圖、餅圖、折線圖、散點圖、六邊形圖、箱形圖、面積圖等。
    本書適于作為數(shù)據(jù)分析師、物流分析師、金融分析師、數(shù)據(jù)產品開發(fā)人員、人工智能開發(fā)人員、市場營銷人員、辦公管理人員、Python程序員等各行各業(yè)人員的案頭參考書，無論對于初學者還是專業(yè)人士，本書都極具參考和收藏價值。

Pandas數(shù)據(jù)分析快速上手500招(微課視頻版) 目錄

第1章 DataFrame 1 001 使用隨機數(shù)創(chuàng)建一個DataFrame 1 002 使用字母設置DataFrame的行標簽 2 003 使用日期設置DataFrame的行標簽 3 004 使用月份設置DataFrame的行標簽 4 005 使用月初日期設置DataFrame的行標簽 5 006 使用星期日設置DataFrame的行標簽 6 007 使用日期范圍設置DataFrame的行標簽 7 008 使用等差日期設置DataFrame的行標簽 8 009 使用時間差設置DataFrame的行標簽 9 010 根據(jù)工作日移動DataFrame的行標簽 10 011 使用shift()移動DataFrame的行標簽 11 012 根據(jù)日期差修改DataFrame的行標簽 11 013 在日期行標簽中禁止使用法定節(jié)假日 12 014 在日期行標簽中排除自定義的節(jié)假日 13 015 在日期行標簽中增加或減少分鐘數(shù) 14 016 指定DataFrame的列數(shù)據(jù)為行標簽 15 017 在DataFrame中移除現(xiàn)有的行標簽 16 018 使用列表設置DataFrame的行標簽 17 019 使用字典修改DataFrame的行標簽 17 020 使用lambda修改DataFrame的行標簽 18 021 在多層索引的DataFrame中設置行標簽 19 022 使用字典修改DataFrame的多層行索引 20 023 根據(jù)DataFrame創(chuàng)建笛卡兒積多層索引 20 024 使用rename()修改DataFrame的列名 22 025 使用strip()修改DataFrame的列名 22 026 使用set_axis()修改DataFrame的列名 23 027 使用字典修改DataFrame的列名 24 028 為DataFrame的列名添加前綴或后綴 24 029 根據(jù)DataFrame的列名獲取列索引數(shù)字 25 第2章 讀取數(shù)據(jù) 27 030 從CSV格式的字符串中讀取數(shù)據(jù) 27 031 從CSV格式的文本文件中讀取數(shù)據(jù) 28 032 從星號分隔的文本文件中讀取數(shù)據(jù) 28 033 從制表符分隔的文本文件中讀取數(shù)據(jù) 29 034 從空格分隔的文本文件中讀取數(shù)據(jù) 29 035 讀取文本文件的數(shù)據(jù)并自定義列名 30 036 讀取文本文件的數(shù)據(jù)并重命名列名 31 037 根據(jù)列名讀取文本文件的部分數(shù)據(jù) 31 038 從文本文件中讀取lambda篩選的列 32 039 讀取文本文件的數(shù)據(jù)并設置列名前綴 33 040 讀取文本文件的數(shù)據(jù)并設置列類型 33 041 讀取文本文件并使用lambda修改列 34 042 讀取文本文件并使用自定義函數(shù)修改列 35 043 讀取文本文件并設置True和False 36 044 讀取文本文件的數(shù)據(jù)并跳過指定行 37 045 讀取文本文件的數(shù)據(jù)并跳過奇數(shù)行 37 046 讀取文本文件的數(shù)據(jù)并跳過倒數(shù)n行 38 047 讀取文本文件并將列類型轉為日期類型 39 048 讀取文本文件的數(shù)據(jù)并解析日期列數(shù)據(jù) 40 049 讀取文本文件的數(shù)據(jù)并合并日期列數(shù)據(jù) 41 050 從壓縮格式的文本文件中讀取數(shù)據(jù) 42 051 把DataFrame的數(shù)據(jù)保存為文本文件 43 052 從Excel文件中讀取單個工作表的數(shù)據(jù) 44 053 從Excel文件中讀取多個工作表的數(shù)據(jù) 45 054 從Excel文件中讀取工作表的前n行數(shù)據(jù) 46 055 從首行跳過n行讀取Excel工作表的數(shù)據(jù) 47 056 從末尾跳過n行讀取Excel工作表的數(shù)據(jù) 48 057 跳過指定行讀取Excel工作表的部分數(shù)據(jù) 49 058 從Excel文件中讀取工作表的偶數(shù)行數(shù)據(jù) 50 059 從Excel文件中讀取工作表的偶數(shù)列數(shù)據(jù) 51 060 根據(jù)列號讀取Excel文件的工作表數(shù)據(jù) 52 061 讀取Excel工作表的數(shù)據(jù)且取消默認列名 53 062 讀取Excel工作表的數(shù)據(jù)且自定義列名 53 063 讀取Excel工作表的數(shù)據(jù)并指定行標簽 54 064 在讀取Excel工作表數(shù)據(jù)時解析千分位符 55 065 把DataFrame的數(shù)據(jù)保存為Excel文件 56 066 在保存Excel文件時不保留默認的行標簽 57 067 使用read_json()函數(shù)讀取JSON數(shù)據(jù) 58 068 將DataFrame的數(shù)據(jù)保存為JSON文件 59 069 從指定的網頁中讀取多個表格的數(shù)據(jù) 60 070 將DataFrame的所有數(shù)據(jù)轉換為網頁代碼 62 071 將DataFrame的部分數(shù)據(jù)轉換為網頁代碼 63 072 根據(jù)當前剪貼板的數(shù)據(jù)創(chuàng)建DataFrame 64 073 將DataFrame的所有數(shù)據(jù)保存到剪貼板 65 074 將DataFrame的部分數(shù)據(jù)保存到剪貼板 66 第3章 篩選數(shù)據(jù) 67 075 根據(jù)指定的列名篩選整列數(shù)據(jù) 67 076 使用eq()在指定列中篩選數(shù)據(jù) 68 077 使用ne()在指定列中篩選數(shù)據(jù) 68 078 使用lt()在指定列中篩選數(shù)據(jù) 69 079 在指定列中根據(jù)平均值篩選數(shù)據(jù) 70 080 使用le()在指定列中篩選數(shù)據(jù) 70 081 使用gt()在指定列中篩選數(shù)據(jù) 71 082 使用ge()在指定列中篩選數(shù)據(jù) 72 083 根據(jù)行標簽的大小篩選數(shù)據(jù) 73 084 根據(jù)行標簽的范圍篩選數(shù)據(jù) 73 085 根據(jù)行標簽步長篩選偶數(shù)行數(shù)據(jù) 74 086 根據(jù)指定的日期切片篩選數(shù)據(jù) 75 087 根據(jù)指定的日期范圍篩選數(shù)據(jù) 76 088 根據(jù)指定的月份范圍篩選數(shù)據(jù) 76 089 在日期類型的列中按日篩選數(shù)據(jù) 77 090 根據(jù)日期列的差值篩選數(shù)據(jù) 78 091 使用loc篩選并修改單個數(shù)據(jù) 79 092 使用loc篩選并修改多個數(shù)據(jù) 79 093 使用loc篩選并修改多行單列數(shù)據(jù) 80 094 使用loc篩選并修改單行多列數(shù)據(jù) 81 095 使用loc篩選并修改多行多列數(shù)據(jù) 82 096 使用loc根據(jù)切片篩選并修改數(shù)據(jù) 83 097 使用loc篩選并修改單行數(shù)據(jù) 84 098 使用loc篩選并修改多行數(shù)據(jù) 84 099 使用loc篩選并修改單列數(shù)據(jù) 85 100 使用loc篩選并修改多列數(shù)據(jù) 86 101 使用loc篩選并修改多層數(shù)據(jù) 87 102 使用loc篩選并輸出DataFrame 87 103 使用loc根據(jù)大小篩選數(shù)據(jù) 88 104 使用loc根據(jù)字符串長度篩選數(shù)據(jù) 89 105 使用loc根據(jù)數(shù)值范圍篩選數(shù)據(jù) 90 106 在loc中使用all()篩選多列數(shù)據(jù) 90 107 在loc中使用any()篩選多列數(shù)據(jù) 91 108 使用loc篩選數(shù)據(jù)且指定輸出列 92 109 使用loc篩選IndexSlice結果 92 110 使用loc根據(jù)*后一行篩選列 93 111 在loc中使用lambda篩選列 94 112 使用loc根據(jù)負數(shù)步長倒序篩選列 94 113 使用loc根據(jù)負數(shù)步長倒序篩選行 95 114 使用iloc篩選并修改單個數(shù)據(jù) 96 115 使用iloc篩選并修改多個數(shù)據(jù) 96 116 使用iloc篩選并修改多行單列數(shù)據(jù) 97 117 使用iloc篩選并修改單行多列數(shù)據(jù) 98 118 使用iloc篩選并修改多行多列數(shù)據(jù) 99 119 使用iloc根據(jù)列表篩選并修改數(shù)據(jù) 99 120 使用iloc篩選并修改單列數(shù)據(jù) 100 121 使用iloc篩選并修改多列數(shù)據(jù) 100 122 使用iloc篩選并修改單行數(shù)據(jù) 101 123 使用iloc篩選并修改多行數(shù)據(jù) 102 124 使用iloc篩選并輸出DataFrame 103 125 使用iloc根據(jù)指定的步長篩選數(shù)據(jù) 103 126 使用iloc篩選不連續(xù)的多行數(shù)據(jù) 104 127 在iloc中使用numpy篩選多行數(shù)據(jù) 105 128 在iloc中使用numpy篩選多列數(shù)據(jù) 106 129 在iloc中使用lambda篩選偶數(shù)行數(shù)據(jù) 106 130 使用at篩選并修改單個數(shù)據(jù) 107 131 使用iat篩選并修改單個數(shù)據(jù) 108 132 使用last()篩選*后幾天的數(shù)據(jù) 108 133 使用truncate()根據(jù)行標簽篩選數(shù)據(jù) 109 134 使用truncate()根據(jù)日期范圍篩選數(shù)據(jù) 110 135 使用between()根據(jù)日期范圍篩選數(shù)據(jù) 110 136 使用between()根據(jù)數(shù)值范圍篩選數(shù)據(jù) 111 137 使用between_time()根據(jù)時間篩選數(shù)據(jù) 112 138 使用contains()在指定列中篩選文本 113 139 使用contains()不區(qū)分大小寫篩選文本 114 140 在contains()中使用或運算符篩選文本 115 141 在contains()中使用正則表達式篩選文本 115 142 使用endswith()根據(jù)結束字符篩選文本 116 143 使用startswith()根據(jù)開始字符篩選文本 117 144 使用match()根據(jù)多個開始字符篩選數(shù)據(jù) 118 145 使用isnumeric()篩選全部為數(shù)字的數(shù)據(jù) 119 146 使用isin()篩選在指定列表中的數(shù)據(jù) 120 147 使用isin()篩選未在指定列表中的數(shù)據(jù) 120 148 使用isin()篩選指定列*大的前n行數(shù)據(jù) 121 149 使用isin()篩選指定列*小的前n行數(shù)據(jù) 122 150 在apply()中調用自定義函數(shù)篩選數(shù)據(jù) 122 151 在鏈式語句中調用自定義函數(shù)篩選數(shù)據(jù) 123 152 在apply()中使用lambda篩選數(shù)據(jù) 124 153 在鏈式語句中調用lambda篩選數(shù)據(jù) 125 154 在applymap()中使用lambda篩選數(shù)據(jù) 126 155 使用apply()篩選指定列首次出現(xiàn)的數(shù)據(jù) 126 156 使用apply()根據(jù)日期范圍篩選數(shù)據(jù) 127 157 使用apply()根據(jù)數(shù)值范圍篩選數(shù)據(jù) 128 158 使用select_dtypes()根據(jù)類型篩選列 129 159 使用select_dtypes()根據(jù)類型反向篩選列 129 160 使用filter()根據(jù)指定的列名篩選列 130 161 使用filter()根據(jù)指定的條件篩選列 131 162 使用filter()根據(jù)正則表達式篩選列 131 163 使用filter()根據(jù)指定的行標簽篩選行 132 164 使用filter()根據(jù)正則表達式篩選行 133 165 在query()中使用比較運算符篩選數(shù)據(jù) 134 166 在query()中使用多個運算符篩選數(shù)據(jù) 134 167 使用query()根據(jù)平均值篩選數(shù)據(jù) 135 168 使用query()根據(jù)兩列差值篩選數(shù)據(jù) 136 169 使用query()根據(jù)多列數(shù)值大小篩選數(shù)據(jù) 136 170 使用query()篩選多列均存在的數(shù)據(jù) 137 171 使用query()根據(jù)指定列表篩選數(shù)據(jù) 138 172 使用query()根據(jù)外部變量篩選數(shù)據(jù) 139 173 使用query()根據(jù)日期范圍篩選數(shù)據(jù) 139 174 使用query()篩選包含指定字符的數(shù)據(jù) 140 175 使用query()根據(jù)行標簽篩選數(shù)據(jù) 141 176 使用query()組合多個條件篩選數(shù)據(jù) 142 177 使用query()以鏈式風格篩選數(shù)據(jù) 142 178 使用eval()組合多個條件篩選數(shù)據(jù) 143 179 使用rolling()根據(jù)樣本篩選數(shù)據(jù) 144 180 使用sample()根據(jù)占比篩選隨機子集 145 181 使用apply()根據(jù)指定條件篩選數(shù)據(jù) 146 182 在DataFrame中篩選所有數(shù)據(jù) 146 183 根據(jù)在列表中指定的多個列名篩選列 147 184 根據(jù)在集合中指定的多個列名篩選列 148 第4章 清洗數(shù)據(jù) 150 185 統(tǒng)計DataFrame每列的NaN數(shù)量 150 186 統(tǒng)計DataFrame每行的NaN數(shù)量 151 187 統(tǒng)計DataFrame每行的非NaN數(shù)量 151 188 統(tǒng)計DataFrame每列的NaN數(shù)量占比 152 189 統(tǒng)計DataFrame每行的NaN數(shù)量占比 153 190 統(tǒng)計DataFrame每行的非NaN數(shù)量占比 154 191 使用isna()在列中篩選包含NaN的行 155 192 使用notna()在列中篩選不包含NaN的行 155 193 使用is()在列中篩選包含NaN的行 156 194 使用is()在列中篩選不包含NaN的行 156 195 在DataFrame中篩選包含NaN的列 157 196 在DataFrame中篩選包含NaN的行 158 197 在DataFrame中篩選不包含NaN的列 158 198 在DataFrame中篩選不包含NaN的行 159 199 在DataFrame中刪除包含NaN的行 160 200 在DataFrame中刪除包含NaN的列 160 201 在DataFrame中刪除全部是NaN的行 161 202 在DataFrame中刪除全部是NaN的列 162 203 在DataFrame中根據(jù)NaN占比刪除列 162 204 在指定的列中刪除包含NaN的行 163 205 在指定的行中刪除包含NaN的列 164 206 使用fillna()根據(jù)指定值填充NaN 164 207 使用fillna()在指定列中填充NaN 165 208 使用fillna()根據(jù)列平均值填充NaN 166 209 使用fillna()填充指定列的首個NaN 167 210 使用fillna()實現(xiàn)自動向下填充NaN 168 211 使用fillna()實現(xiàn)自動向上填充NaN 169 212 使用applymap()填充DataFrame的NaN 169 213 使用mask()填充DataFrame的NaN 170 214 根據(jù)分組已存在的數(shù)據(jù)填充分組的NaN 171 215 使用transform()根據(jù)分組平均值填充NaN 171 216 將小數(shù)點前后有空格的數(shù)據(jù)修改為NaN 172 217 在format()中使用指定字符標注NaN 173 218 使用指定的顏色高亮顯示所有的NaN 174 219 自定義函數(shù)設置NaN的顏色 174 220 自定義函數(shù)設置NaN的背景顏色 175 221 自定義函數(shù)設置非NaN的顏色 176 222 自定義函數(shù)設置非NaN的背景顏色 177 223 在DataFrame中強制NaN排在首位 177 224 讀取Excel文件并設置NaN的對應值 178 225 讀取Excel文件并按列設置NaN的對應值 179 226 讀取文本文件并設置NaN的對應值 180 227 讀取文本文件并按列設置NaN的對應值 181 第5章 整理數(shù)據(jù) 183 228 使用apply()轉換指定列的數(shù)據(jù)類型 183 229 使用apply()轉換所有列的數(shù)據(jù)類型 184 230 使用to_numeric()轉換列的數(shù)據(jù)類型 184 231 使用astype()轉換指定列的數(shù)據(jù)類型 185 232 使用astype()將百分數(shù)轉換為浮點數(shù) 186 233 使用astype()轉換千分位符的數(shù)字 186 234 使用astype()將其他時間轉為北京時間 187 235 根據(jù)日期類型列的日期解析星期 188 236 根據(jù)日期類型列的日期解析季度 188 237 使用lower()將指定列的字母變?yōu)樾?189 238 使用rjust()在指定列左端補充字符 190 239 使用ljust()在指定列右端補充字符 191 240 使用center()在指定列兩端補充字符 191 241 使用lstrip()刪除指定列左端字符 192 242 使用rstrip()刪除指定列右端字符 193 243 使用strip()刪除指定列左右兩端字符 193 244 使用get()提取指定列指定位置的字符 194 245 使用slice()提取指定列的多個字符 195 246 使用count()統(tǒng)計指定列的字符個數(shù) 195 247 使用repeat()在指定列中重復字符 196 248 使用replace()在指定列中替換文本 197 249 使用replace()在指定列中替換字母 197 250 在replace()中使用正則表達式替換 198 251 在replace()中使用lambda替換 199 252 使用slice_replace()替換指定切片 199 253 在apply()中調用自定義函數(shù)修改數(shù)據(jù) 200 254 在apply()中調用lambda修改數(shù)據(jù) 201 255 使用apply()刪除%符號并轉換數(shù)據(jù) 202 256 使用mask()根據(jù)指定條件修改數(shù)據(jù) 202 257 使用where()根據(jù)指定條件修改數(shù)據(jù) 203 258 使用replace()在指定列中替換數(shù)據(jù) 204 259 使用replace()在指定行中替換數(shù)據(jù) 205 260 在map()中使用字典修改數(shù)據(jù) 205 261 在map()中使用lambda修改數(shù)據(jù) 206 262 使用map()格式化指定列的數(shù)據(jù) 207 263 使用map()將浮點數(shù)轉換為百分數(shù) 207 264 使用map()根據(jù)時間差計算天數(shù) 208 265 在DataFrame的末尾增加新行 209 266 在DataFrame的中間插入新行 209 267 根據(jù)行標簽在DataFrame中刪除行 210 268 根據(jù)條件在DataFrame中刪除行 211 269 在多層索引的DataFrame中刪除行 211 270 使用duplicated()篩選重復行 212 271 使用drop_duplicates()刪除重復行 213 272 在指定列中使用drop_duplicates() 214 273 根據(jù)表達式初始化DataFrame的新增列 215 274 使用map()初始化DataFrame的新增列 215 275 計算DataFrame的單列數(shù)據(jù)并新增列 216 276 計算DataFrame的多列數(shù)據(jù)并新增列 217 277 使用assign()在DataFrame中新增列 218 278 使用assign()根據(jù)lambda表達式新增列 218 279 使用列表初始化DataFrame的新增列 219 280 使用apply()根據(jù)列表成員增加新列 220 281 使用apply()計算多列數(shù)據(jù)增加新列 220 282 使用apply()把列表成員擴展成多列 221 283 使用partition()將一列拆分成兩列 222 284 使用split()將一列拆分成多列 223 285 使用extract()將一列拆分成兩列 224 286 使用extract()將一列拆分成多列 224 287 在extract()中根據(jù)正則表達式拆分列 225 288 使用cat()以拼接字符串方式合并列 226 289 根據(jù)字符串日期列拆分年月日列 227 290 根據(jù)日期類型的列拆分年月日列 227 291 使用加號運算符拼接年月日列 228 292 使用to_datetime()拼接年月日列 229 293 根據(jù)索引在DataFrame中插入列 230 294 根據(jù)列名在DataFrame中刪除列 230 295 根據(jù)條件在DataFrame中刪除列 231 296 使用concat()按行拼接DataFrame 232 297 使用append()按行拼接DataFrame 233 298 使用concat()分組拼接DataFrame 234 299 使用concat()按列拼接DataFrame 235 300 使用concat()提取兩個DataFrame的交集 236 301 使用merge()根據(jù)同名列合并DataFrame 237 302 使用merge()根據(jù)指定列合并DataFrame 238 303 使用merge()以指定方式合并DataFrame 239 304 使用join()根據(jù)索引列按列合并DataFrame 240 305 使用combine_first()合并DataFrame 241 306 使用combine()根據(jù)參數(shù)合并DataFrame 242 307 使用Pandas的merge()合并DataFrame 243 308 使用merge_ordered()合并DataFrame 244 309 使用merge_asof()合并DataFrame 245 310 使用compare()比較兩個DataFrame 246 311 使用align()補齊兩個DataFrame的列 247 312 在DataFrame中垂直移動指定的行數(shù) 248 313 在DataFrame中水平移動指定的列數(shù) 248 314 使用round()設置DataFrame的小數(shù)位數(shù) 249 315 使用update()更新DataFrame的數(shù)據(jù) 250 316 使用clip()修剪DataFrame的數(shù)據(jù) 251 317 使用clip()根據(jù)列表按列修剪數(shù)據(jù) 251 318 使用replace()在DataFrame中替換數(shù)據(jù) 252 319 使用replace()執(zhí)行多值對應替換 253 320 使用replace()替換所有行列的字母 253 321 在replace()中使用正則表達式替換 254 322 在replace()中使用多個正則表達式 255 323 使用apply()修改DataFrame的數(shù)據(jù) 256 324 使用applymap()修改DataFrame 256 325 使用transform()修改DataFrame 257 326 使用transform()按行修改DataFrame 258 327 在DataFrame中按列相加指定的列表 258 328 在DataFrame中按行相加指定的列表 259 329 在DataFrame中按列相減指定的列表 260 330 在DataFrame中按行相減指定的列表 261 331 在DataFrame中按列相乘指定的列表 261 332 在DataFrame中按行相乘指定的列表 262 333 在DataFrame中實現(xiàn)各行數(shù)據(jù)連乘 263 334 在DataFrame中按列除以指定的列表 263 335 在DataFrame中按行除以指定的列表 264 336 使用add()實現(xiàn)兩個DataFrame相加 265 337 使用sub()實現(xiàn)兩個DataFrame相減 265 338 使用mul()實現(xiàn)兩個DataFrame相乘 266 339 使用div()實現(xiàn)兩個DataFrame相除 267 340 使用sum()在DataFrame中按列求和 267 341 使用sum()在DataFrame中按行求和 268 342 使用apply()在DataFrame中按列求和 269 343 使用apply()在DataFrame中按行求和 270 344 使用agg()在DataFrame中按列求和 270 345 使用agg()在DataFrame中按行求和 271 346 使用select_dtypes()實現(xiàn)按列求和 272 347 使用select_dtypes()實現(xiàn)按行求和 272 348 使用expanding()累加前n個數(shù)據(jù) 273 349 使用apply()按行累加各列的數(shù)據(jù) 274 350 使用apply()按列累加各行的數(shù)據(jù) 275 351 使用apply()計算每列數(shù)據(jù)的平均值 275 352 使用apply()計算每行數(shù)據(jù)的平均值 276 353 使用apply()計算每行*大值的比值 276 354 使用apply()計算每列*大值的比值 277 355 使用apply()計算每列數(shù)據(jù)的極差 278 356 使用apply()計算每行數(shù)據(jù)的極差 278 357 使用diff()計算DataFrame的行差 279 358 使用diff()計算DataFrame的列差 280 359 使用diff()計算指定列的差值 281 360 使用diff()計算差值并篩選數(shù)據(jù) 281 361 使用shift()按行計算移動平均值 282 362 使用shift()按列計算移動平均值 283 363 使用rolling()按行計算移動平均值 284 364 使用rolling()居中計算移動平均值 284 365 使用rolling()計算移動極差 285 366 在rolling()中設置*小觀測期 286 367 使用pct_change()計算增減百分比 287 368 使用apply()獲取每列數(shù)據(jù)的*大值 288 369 使用apply()獲取每列數(shù)據(jù)的中位數(shù) 288 370 使用describe()獲取指定列的*大值 289 371 使用agg()獲取所有列的*大值 290 372 使用tolist()獲取DataFrame的數(shù)據(jù) 291 373 根據(jù)行標簽順序排列DataFrame 292 374 根據(jù)行標簽大小排列DataFrame 292 375 倒序排列DataFrame并重置行標簽 293 376 在DataFrame中根據(jù)單個列名排序 294 377 在DataFrame中根據(jù)多個列名排序 294 378 在DataFrame中根據(jù)文本長度排序 295 379 在DataFrame中降序排列所有的列 296 380 在DataFrame中倒序排列所有的列 297 381 在DataFrame中自定義所有列順序 297 382 在DataFrame中根據(jù)列表調整列順序 298 383 使用rank()根據(jù)大小生成排名序號 299 384 使用value_counts()統(tǒng)計列成員數(shù)量 300 385 使用value_counts()統(tǒng)計列成員占比 300 第6章 透視數(shù)據(jù) 302 386 使用melt()將寬表轉換為長表 302 387 使用pivot()將長表轉換為寬表 303 388 使用stack()將寬表轉換為長表 304 389 使用unstack()將長表轉換為寬表 304 390 使用stack()將多行數(shù)據(jù)轉換成一行 305 391 使用crosstab()根據(jù)行列創(chuàng)建交叉表 306 392 使用crosstab()創(chuàng)建交叉表并計算合計 307 393 使用explode()將列表成員擴展為多行 307 394 使用explode()篩選互為好友的數(shù)據(jù) 308 395 使用explode()在組內容之前插入組名 309 396 使用pivot_table()根據(jù)指定列進行分組 310 397 使用pivot_table()獲取分組平均值 311 398 使用pivot_table()獲取多級分組平均值 312 399 使用pivot_table()實現(xiàn)多級分組并求和 313 400 使用pivot_table()對不同列執(zhí)行不同函數(shù) 314 401 使用transpose()實現(xiàn)行列數(shù)據(jù)交換 315 第7章 分組聚合 316 402 使用groupby()根據(jù)單列數(shù)據(jù)分組求和 316 403 使用groupby()根據(jù)多列數(shù)據(jù)分組求和 317 404 使用groupby()分組并對指定列數(shù)據(jù)求和 317 405 在groupby()中設置分組鍵為非索引列 318 406 重命名在使用groupby()分組之后的列名 319 407 自定義在使用groupby()分組之后的列名 320 408 使用groupby()分組并統(tǒng)計各組的個數(shù) 321 409 使用groupby()分組并獲取各組的明細 321 410 使用groupby()分組并獲取多級分組明細 322 411 使用groupby()分組并遍歷各組的明細 323 412 使用groupby()分組并計算各組移動平均值 324 413 使用groupby()分組并計算各組累加值 325 414 使用groupby()分組并獲取各組*大值 326 415 使用groupby()分組并獲取各組第二大值 327 416 使用groupby()分組并添加各組合計 328 417 使用groupby()分組并添加分組占比 329 418 使用groupby()分組求和并禁止排序 330 419 使用groupby()根據(jù)lambda進行分組 331 420 使用groupby()根據(jù)行標簽進行分組 332 421 使用groupby()根據(jù)索引年份進行分組 333 422 使用groupby()根據(jù)年份月份進行分組 334 423 使用groupby()根據(jù)星期進行分組 335 424 使用groupby()根據(jù)日期進行分組 336 425 使用groupby()根據(jù)列名進行分組 336 426 使用groupby()根據(jù)字典進行分組 337 427 使用groupby()根據(jù)字典類型進行分組 338 428 使用groupby()根據(jù)自定義函數(shù)進行分組 339 429 使用groupby()根據(jù)指定字符進行分組 340 430 使用groupby()根據(jù)返回值進行分組 341 431 使用groupby()根據(jù)Grouper進行分組 341 432 在分組指定列中查找互為相反數(shù)的數(shù)據(jù) 342 433 使用resample()實現(xiàn)日期重采樣分組 343 434 使用resample()實現(xiàn)先分組再重采樣 344 435 使用cut()根據(jù)連續(xù)型數(shù)據(jù)進行分組 346 436 使用cut()進行分組并設置分組的標簽 347 437 使用cut()進行分組并計算各組平均值 348 438 使用qcut()根據(jù)指定的個數(shù)進行分組 348 439 根據(jù)索引層對多層索引的DataFrame分組 349 440 使用agg()獲取分組指定列的*大值 351 441 使用agg()獲取分組某幾列的*大值 351 442 使用agg()自定義分組之后的新列名 352 443 使用agg()根據(jù)字典自定義分組新列名 353 444 使用agg()轉換分組之后的合計數(shù)據(jù) 354 445 使用agg()轉換分組之后的列數(shù)據(jù)類型 355 446 使用agg()通過lambda計算分組極差 356 447 使用agg()通過自定義函數(shù)計算分組極差 357 448 在agg()中調用帶多個參數(shù)的自定義函數(shù) 358 449 使用pipe()計算各個分組指定列的極差 359 450 使用filter()篩選分組指定列的合計 359 451 使用filter()篩選分組指定列的*大值 360 452 使用filter()篩選分組指定列的平均值 361 453 使用filter()篩選分組指定列的所有值 362 454 使用filter()篩選分組指定列的某個值 363 455 使用filter()篩選分組成員的個數(shù) 364 456 使用filter()篩選分組大于某值的數(shù)據(jù) 365 457 使用apply()獲取分組某列的*大值 366 458 使用apply()獲取分組數(shù)值列的*大值 366 459 在apply()中使用lambda計算分組列差 367 460 在apply()中使用lambda計算分組差值 368 461 在apply()中使用DataFrame返回分組差值 369 462 在apply()中調用自定義函數(shù)統(tǒng)計分組指標 370 463 使用apply()將分組數(shù)據(jù)導出為Excel文件 371 464 使用unstack()以寬表風格輸出多級分組 372 465 使用quantile()計算各個分組的分位數(shù) 373 466 使用rank()獲取各個成員在分組中的序號 374 467 使用transform()計算平均值并篩選分組 375 468 使用drop_duplicates()刪除分組重復數(shù)據(jù) 376 第8章 可視化數(shù)據(jù) 377 469 使用format()自定義列的數(shù)據(jù)格式 377 470 使用format()將浮點數(shù)轉為百分數(shù) 377 471 在format()中使用lambda重置列 378 472 使用指定的顏色設置所有列的背景顏色 379 473 使用自定義函數(shù)設置指定列的背景顏色 379 474 使用自定義函數(shù)設置指定行的背景顏色 380 475 使用自定義函數(shù)設置交錯的行背景顏色 381 476 使用自定義函數(shù)設置列切片的背景顏色 382 477 使用applymap()根據(jù)條件設置背景顏色 383 478 使用指定的顏色設置所有列的數(shù)據(jù)顏色 383 479 使用自定義函數(shù)設置指定列的數(shù)據(jù)顏色 384 480 使用自定義函數(shù)設置指定行的數(shù)據(jù)顏色 385 481 使用自定義函數(shù)設置交錯的行數(shù)據(jù)顏色 386 482 使用自定義函數(shù)設置列切片的數(shù)據(jù)顏色 387 483 在所有列中根據(jù)值的大小設置背景顏色 387 484 在指定列中根據(jù)值的大小設置背景顏色 388 485 在所有列中根據(jù)值的大小設置數(shù)據(jù)顏色 389 486 在指定列中根據(jù)值的大小設置數(shù)據(jù)顏色 390 487 使用指定顏色高亮顯示分位包含的數(shù)據(jù) 390 488 使用指定顏色高亮顯示所有列的*大值 391 489 使用指定顏色高亮顯示指定列的*大值 392 490 使用指定顏色高亮顯示所有列的*小值 393 491 使用指定顏色高亮顯示指定列的*小值 393 492 使用自定義函數(shù)設置每列的*大值顏色 394 493 使用自定義函數(shù)設置每列的*小值顏色 395 494 使用指定顏色高亮顯示所有行的*大值 396 495 使用指定顏色高亮顯示指定行的*大值 396 496 使用指定顏色高亮顯示所有行的*小值 397 497 使用指定顏色高亮顯示指定行的*小值 398 498 根據(jù)大小使用漸變色按列設置數(shù)據(jù)顏色 398 499 根據(jù)大小使用漸變色按行設置數(shù)據(jù)顏色 399 500 根據(jù)大小使用漸變色按列設置背景顏色 400 IV V
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服