Python数据处理：如何又快又好

封面简介

作者简介

D.3 能够激发灵感的参考资料

D.2 可以随时查阅的参考书籍

D.1 信息可视化的基础书籍

附录D 与可视化及信息设计有关的资源

C.4 自己收集数据

C.3 援引《信息自由法》来申请数据

C.2 向主题专家询问数据

C.1 通过数据仓库与API获取数据

附录C 获取数据的渠道

B.3 Git命令速查

B.2 git push或git pull命令遭到拒绝

B.1 执行git命令之后，进入了奇怪的编辑界面

附录B 再讲一讲Git

A.4 如何继续寻找学习资料

A.3 及时更新开发工具

A.2 安装各种Python软件包

A.1 Python语言及各种Python库的官方文档

附录A 其他Python编程资源

11.4 小结

11.3 考虑原则问题

11.2 分享并展示数据的其他工具

11.1 查看数据的其他工具

第11章 Python以外的工具

10.7 小结

10.6 提高设计水平

10.5 通过 seaborn与matplotlib库自定义更好的可视化图表

10.4 视觉说服力要素

10.3 如何选择图表

10.2 把整理数据后形成的观点表达出来

10.1 视觉说服力

第10章 展示数据

9.8 小结

9.7 注意按比例计算

9.6 这些200万美元的贷款记录是怎么回事

9.5 数据分析可视化

9.4 另辟蹊径：识别异常值

9.3 评估集中趋势

9.2 常规与反常

9.1 情境很重要

第9章 数据分析入门

8.10 小结

8.9 命令行脚本与notebook的区别

8.8 让Python脚本支持命令行参数

8.7 用pydoc给自定义的脚本与函数撰写文档

8.6 既有趣又有用的重构

8.5 以嵌套的形式调用函数

8.4 返回值

8.3 为函数设计参数

8.2 什么是作用域

8.1 重新思考自定义的函数

第8章 调整并重构代码

7.9 小结

7.8 增强数据

7.7 一些容易出错的地方

7.6 为了找到简单方案而走过的弯路

7.5 修正拼写不一致的现象

7.4 把定宽数据转换成真正的CSV文件

7.3 把Excel表格中的日期处理好

7.2 把数据文件清洗干净

7.1 如何从Citi Bike数据中选取一部分内容

第7章 清洗、转换和增强数据

6.4 小结

6.3 评估数据的适合程度

6.2 评估数据的完整程度

6.1 流行病与PPP

第6章 评估数据质量

5.10 小结

5.9 获取数据的最后一招：网页抓取

5.8 调用API时所应遵循的行为准则

5.7 如何调用带有OAuth认证机制的API

5.6 使用Python时保护你的API密钥

5.5 阅读API文档

5.4 如何调用带有基本身份认证机制的API

5.3 以搜索引擎为例讲解如何调用基本的API

5.2 API简介

5.1 联网访问在线的XML与JSON数据

第5章 访问网络数据

4.5 小结

4.4 处理非结构化的数据

4.3 以了解失业情况为例来整理现实数据

4.2 处理结构化的数据

4.1 结构化的数据与非结构化的数据

第4章 用Python处理基于文件与基于feed的数据

3.4 小结

3.3 提升数据的质量

3.2 判断数据是否完整

3.1 判断数据是否合适

第3章 了解数据质量

2.5 小结

2.4 用Citi Bike数据来演示如何编写数据整理程序

2.3 代码中可能出现的各种错误

2.2 用循环结构与条件结构控制程序的走向

2.1 词性

第2章 Python入门

1.11 小结

1.10 撰写文档、保存工作资料和管理不同版本的资料

1.9 运行代码

1.8 添加代码

1.7 编写“Hello World!”程序

1.6 在网页版的开发环境中编写Python代码

1.5 如何在自己的设备上编写Python代码

1.4 编写并运行Python代码

1.3 为什么选用Python语言整理数据

1.2 什么是数据质量

1.1 什么是数据整理

第1章 数据整理与数据质量简介

前言

译者序

O'Reilly Media Inc.介绍

版权信息

封面

封面

版权信息

O'Reilly Media Inc.介绍

译者序

前言

第1章 数据整理与数据质量简介

1.1 什么是数据整理

1.2 什么是数据质量

1.3 为什么选用Python语言整理数据

1.4 编写并运行Python代码

1.5 如何在自己的设备上编写Python代码

1.6 在网页版的开发环境中编写Python代码

1.7 编写“Hello World!”程序

1.8 添加代码

1.9 运行代码

1.10 撰写文档、保存工作资料和管理不同版本的资料

1.11 小结

第2章 Python入门

2.1 词性

2.2 用循环结构与条件结构控制程序的走向

2.3 代码中可能出现的各种错误

2.4 用Citi Bike数据来演示如何编写数据整理程序

2.5 小结

第3章 了解数据质量

3.1 判断数据是否合适

3.2 判断数据是否完整

3.3 提升数据的质量

3.4 小结

第4章 用Python处理基于文件与基于feed的数据

4.1 结构化的数据与非结构化的数据

4.2 处理结构化的数据

4.3 以了解失业情况为例来整理现实数据

4.4 处理非结构化的数据

4.5 小结

第5章 访问网络数据

5.1 联网访问在线的XML与JSON数据

5.2 API简介

5.3 以搜索引擎为例讲解如何调用基本的API

5.4 如何调用带有基本身份认证机制的API

5.5 阅读API文档

5.6 使用Python时保护你的API密钥

5.7 如何调用带有OAuth认证机制的API

5.8 调用API时所应遵循的行为准则

5.9 获取数据的最后一招：网页抓取

5.10 小结

第6章 评估数据质量

6.1 流行病与PPP

6.2 评估数据的完整程度

6.3 评估数据的适合程度

6.4 小结

第7章 清洗、转换和增强数据

7.1 如何从Citi Bike数据中选取一部分内容

7.2 把数据文件清洗干净

7.3 把Excel表格中的日期处理好

7.4 把定宽数据转换成真正的CSV文件

7.5 修正拼写不一致的现象

7.6 为了找到简单方案而走过的弯路

7.7 一些容易出错的地方

7.8 增强数据

7.9 小结

第8章 调整并重构代码

8.1 重新思考自定义的函数

8.2 什么是作用域

8.3 为函数设计参数

8.4 返回值

8.5 以嵌套的形式调用函数

8.6 既有趣又有用的重构

8.7 用pydoc给自定义的脚本与函数撰写文档

8.8 让Python脚本支持命令行参数

8.9 命令行脚本与notebook的区别

8.10 小结

第9章 数据分析入门

9.1 情境很重要

9.2 常规与反常

9.3 评估集中趋势

9.4 另辟蹊径：识别异常值

9.5 数据分析可视化

9.6 这些200万美元的贷款记录是怎么回事

9.7 注意按比例计算

9.8 小结

第10章 展示数据

10.1 视觉说服力

10.2 把整理数据后形成的观点表达出来

10.3 如何选择图表

10.4 视觉说服力要素

10.5 通过 seaborn与matplotlib库自定义更好的可视化图表

10.6 提高设计水平

10.7 小结

第11章 Python以外的工具

11.1 查看数据的其他工具

11.2 分享并展示数据的其他工具

11.3 考虑原则问题

11.4 小结

附录A 其他Python编程资源

A.1 Python语言及各种Python库的官方文档

A.2 安装各种Python软件包

A.3 及时更新开发工具

A.4 如何继续寻找学习资料

附录B 再讲一讲Git

B.1 执行git命令之后，进入了奇怪的编辑界面

B.2 git push或git pull命令遭到拒绝

B.3 Git命令速查

附录C 获取数据的渠道

C.1 通过数据仓库与API获取数据

C.2 向主题专家询问数据

C.3 援引《信息自由法》来申请数据

C.4 自己收集数据

附录D 与可视化及信息设计有关的资源

D.1 信息可视化的基础书籍

D.2 可以随时查阅的参考书籍

D.3 能够激发灵感的参考资料

作者简介

封面简介