Python資料分析 第二版

　　用PANDAS、NUMPY和IPYTHON做資料分析

　　『本書已是Python資料生態圈的經典之作。這個新版本更新了從Python 3.6到最新版pandas功能，這些關鍵領域的更新更增加本書價值。透過說明為何使用Python資料工具的原因和用法，協助讀者以全新及富創意的方法，學會如何有效率的使用它們。書中的概念對任何資料密集計算的現代函式庫都很重要。』

　　—Fernando Pérez
　　Statistics, UC Berkeley統計學助理教授
　　IPython以及Jupyter專案創立人

　　內含操作、處理、清理和處理資料集合的完整Python指引。本書第二版已更新至Python3.6版，新增收錄許多實用學習範例，讓你看到如何有效率解決資料分析問題。在過程中你會學到最新版本pandas、NumPy和IPython及Jupyter。

　　本書由Python pandas專案創立人Wes McKinny所著，是一本實用又現代的資料科學Python工具書，對於剛接觸Python的分析人員，或是新接觸資料科學和科學計算的Python工程師而言，本書是理想的選擇。相關資料檔案和材料均能在GitHub上取得。

　　．使用IPython shell和Jupyter Notebook進行探索性計算
　　．學習NumPy(Numberical Python)基礎與進階功能
　　．開始使用pandas函式庫中的資料分析工具
　　．使用有彈性的工具進行載入、清理、轉換、合併與重新塑造資料
　　．應用pandas的groupby功能，對資料集進行切片、切塊和彙整
　　．分析和操作規律與無規律的時間序列資料
　　．利用全面、詳細的範例學習如何解決真實世界的資料分析問題

第一章 寫在前面
第二章 Python基礎、IPython 和Jupyter notebook
第三章 內建資料結構、函式和檔案
第四章 NumPy基礎：陣列和向量化計算
第五章 使用pandas
第六章 資料載入、儲存和檔案格式
第七章 資料整理和前處理
第八章 資料處理：連接、合併和重塑
第九章 繪圖與視覺化
第十章 資料聚合和分組
第十一章 時間序列
第十二章 pandas進階
第十三章 Python中的建模函式庫
第十四章 資料分析範例
附錄A 深入NumPy
附錄B 關於IPython系統

作者簡介



Wes McKinney

　　Wes McKinney 是pandas的創立者，pandas是熱門的資料分析開源Python函式庫。他是Python資料科學社群和Apache軟體基金會裡，一名活躍的公共演講者以及開源Python與C++開發人員，目前於紐約擔任軟體架構師。