Python数据处理-文章目录

yehchitsai
363 阅读4分钟

Python数据处理

透过 Python 让读者有能力处理数据，读者掌握数据表达的重要性，进而将数据以更浅显易懂的方式，透过视觉的方式来呈现数据所代表的特性。

第 1 章Python 基础

1-01 Python 安装与说明

1-01-1 python 启动器 py

1-01-2 安装 VS Code for Python

1-02 基础语法

1-02-1 数字、注解、变量与程序区块

1-02-2 Python 字符串

1-03 Python 基本数据类型

1-03-1 Python 集合

1-04 Python 分支控制

1-05 Python 函数与模块

1-05-1 内部函数与闭包

1-05-2 lambda 与模块

References

第 2 章Python 数据工具

2-01 NumPy 介绍、安装与加载

2-02 数组索引与切片方法

2-02-1 NumPy 数据类型

2-02-2 NumPy 创建 ndarray 对象

2-02-3 NumPy 切片和索引

2-03 Pandas 介绍、安装与加载

2-04 Series 操作

2-05 DataFrame 操作

References

第 3 章数据处理

3-01 数据处理

3-01-1 数据结构

3-01-2 数据操作

3-01-3 数据统计

3-02 数据加载

3-02-1 数据加载CSV

3-02-2 存储与加载 JSON 文件

3-02-3 存储与加载 Excel 文件

3-03 数据清洗与合并

数据预处理包含了数据清洗 (data cleansing) 与特征工程 (feature engineering) ，本节主要介绍的是数据清洗部份，主要目的是将原始数据转换成整洁的、组织合理的形式以供后续的特征工程使用。而数据清洗的工作内容很多，举例来说：

  • 基础运算 (basic) － 选择、过滤、删除重复项。
  • 取样 (Sampling) － 基于绝对、相对或是概率。
  • 数据划分 (Data Partitioning) － 将数据集划分为训练、验证、测试数据集。
  • 装箱 (Binning) － 这是用于减少微小观测误差影响的技术，常见的应用如直方图 (Histograms)。
  • 转换 (Transformations) － 如标准化，标准化，缩放，旋转。
  • 数据替换 (Data Replacement) － 剪切、拆分、合并。
  • 插补 (Imputation) － 使用统计算法替换缺失的观察值。
  • 加权 (Weighting) － 属性加权。

本节将会介绍基础运算中的过滤、找出缺失值、删除重复项以及数据替换中的剪切、拆分、合并。

3-03-1 泰坦尼克号竞赛 - 数据过滤

3-03-2 泰坦尼克号竞赛-数据替换与合并

References

第 4 章Python 数据可视化

4-01 可视化包介绍、安装与加载

4-02 Matplotlib

4-02-1 Matplotlib 中文化

4-02-2 Matplotlib 图片属性

4-02-3 Matplotlib 散点图、发散型条形图、饼图

4-03 Pandas

4-03-1 Pandas - 折线图、柱状图、直方图、箱型图

4-03-2 Pandas - 散点图、安德鲁斯曲线

4-04 Seaborn

References

第 5 章Python 项目移植

当使用者完成一个 Python 项目的时后，要将这个代码移交给他人可能会遇到的问题有以下三种情况：

  • Python 解释器：有无安装或版本不同。
  • 相关包： 代码中有需要使用的包。
  • 操作系统： Windows, Mac OS, Linux等不同操作环境。

5-01 Python 项目移植-Windows 执行文件

5-02 虚拟环境搭建

5-03 Container 环境搭建

5-04 无伺服器环境搭建

References

avatar
文章
阅读
粉丝