Content

• 第一章 预备知识
  • 一、Python基础
    • 1. 列表推导式与条件赋值
    • 2. 匿名函数与map方法
    • 3. zip对象与enumerate方法
  • 二、Numpy基础
    • 1. np数组的构造
    • 2. np数组的变形与合并
    • 3. np数组的切片与索引
    • 4. 常用函数
    • 5. 广播机制
    • 6. 向量与矩阵的计算
  • 三、练习
    • Ex1：利用列表推导式写矩阵乘法
    • Ex2：更新矩阵
    • Ex3：卡方统计量
    • Ex4：改进矩阵计算的性能
    • Ex5：连续整数的最大长度
• 第二章 pandas基础
  • 一、文件的读取和写入
    • 1. 文件读取
    • 2. 数据写入
  • 二、基本数据结构
    • 1. Series
    • 2. DataFrame
  • 三、常用基本函数
    • 1. 汇总函数
    • 2. 特征统计函数
    • 3. 唯一值函数
    • 4. 替换函数
    • 5. 排序函数
    • 6. apply方法
  • 四、窗口对象
    • 1. 滑窗对象
    • 2. 扩张窗口
  • 五、练习
    • Ex1：口袋妖怪数据集
    • Ex2：指数加权窗口
• 第三章 索引
  • 一、索引器
    • 1. 表的列索引
    • 2. 序列的行索引
    • 3. loc索引器
    • 4. iloc索引器
    • 5. query方法
    • 6. 随机抽样
  • 二、多级索引
    • 1. 多级索引及其表的结构
    • 2. 多级索引中的loc索引器
    • 3. IndexSlice对象
    • 4. 多级索引的构造
  • 三、索引的常用方法
    • 1. 索引层的交换和删除
    • 2. 索引属性的修改
    • 3. 索引的设置与重置
    • 4. 索引的变形
  • 四、索引运算
    • 1. 集合的运算法则
    • 2. 一般的索引运算
  • 五、练习
    • Ex1：公司员工数据集
    • Ex2：巧克力数据集
• 第四章 分组
  • 一、分组模式及其对象
    • 1. 分组的一般模式
    • 2. 分组依据的本质
    • 3. Groupby对象
    • 4. 分组的三大操作
  • 二、聚合函数
    • 1. 内置聚合函数
    • 2. agg方法
  • 三、变换和过滤
    • 1. 变换函数与transform方法
    • 2. 组索引与过滤
  • 四、跨列分组
    • 1. apply的引入
    • 2. apply的使用
  • 五、练习
    • Ex1：汽车数据集
    • Ex2：实现transform函数
• 第五章 变形
  • 一、长宽表的变形
    • 1. pivot
    • 2. pivot_table
    • 3. melt
    • 4. wide_to_long
  • 二、索引的变形
    • 1. stack与unstack
    • 2. 聚合与变形的关系
  • 三、其他变形函数
    • 1. crosstab
    • 2. explode
    • 3. get_dummies
  • 四、练习
    • Ex1：美国非法药物数据集
    • Ex2：特殊的wide_to_long方法
• 第六章 连接
  • 一、关系型连接
    • 1. 连接的基本概念
    • 2. 值连接
    • 3. 索引连接
  • 二、方向连接
    • 1. concat
    • 2. 序列与表的合并
  • 三、类连接操作
    • 1. 比较
    • 2. 组合
  • 四、练习
    • Ex1：美国疫情数据集
    • Ex2：实现join函数
• 第七章 缺失数据
  • 一、缺失值的统计和删除
    • 1. 缺失信息的统计
    • 2. 缺失信息的删除
  • 二、缺失值的填充和插值
    • 1. 利用fillna进行填充
    • 2. 插值函数
  • 三、Nullable类型
    • 1. 缺失记号及其缺陷
    • 2. Nullable类型的性质
    • 3. 缺失数据的计算和分组
  • 四、练习
    • Ex1：缺失值与类别的相关性检验
    • Ex2：用回归模型解决分类问题
• 第八章 文本数据
  • 一、str对象
    • 1. str对象的设计意图
    • 2. []索引器
    • 3. string类型
  • 二、正则表达式基础
    • 1. 一般字符的匹配
    • 2. 元字符基础
    • 3. 简写字符集
  • 三、文本处理的五类操作
    • 1. 拆分
    • 2. 合并
    • 3. 匹配
    • 4. 替换
    • 5. 提取
  • 四、常用字符串函数
    • 1. 字母型函数
    • 2. 数值型函数
    • 3. 统计型函数
    • 4. 格式型函数
  • 五、练习
    • Ex1：房屋信息数据集
    • Ex2：《权力的游戏》剧本数据集
• 第九章 分类数据
  • 一、cat对象
    • 1. cat对象的属性
    • 2. 类别的增加、删除和修改
  • 二、有序分类
    • 1. 序的建立
    • 2. 排序和比较
  • 三、区间类别
    • 1. 利用cut和qcut进行区间构造
    • 2. 一般区间的构造
    • 3. 区间的属性与方法
  • 四、练习
    • Ex1：统计未出现的类别
    • Ex2：钻石数据集
• 第十章 时序数据
  • 一、时序中的基本对象
  • 二、时间戳
    • 1. Timestamp的构造与属性
    • 2. Datetime序列的生成
    • 3. dt对象
    • 4. 时间戳的切片与索引
  • 三、时间差
    • 1. Timedelta的生成
    • 2. Timedelta的运算
  • 四、日期偏置
    • 1. Offset对象
    • 2. 偏置字符串
  • 五、时序中的滑窗与分组
    • 1. 滑动窗口
    • 2. 重采样
  • 六、练习
    • Ex1：太阳辐射数据集
    • Ex2：水果销量数据集
• 参考答案
  • 第一章 预备知识
    • Ex1：利用列表推导式写矩阵乘法
    • Ex2：更新矩阵
    • Ex3：卡方统计量
    • Ex4：改进矩阵计算的性能
    • Ex5：连续整数的最大长度
  • 第二章 pandas基础
    • Ex1：口袋妖怪数据集
    • Ex2：指数加权窗口
  • 第三章 索引
    • Ex1：公司员工数据集
    • Ex2：巧克力数据集
  • 第四章 分组
    • Ex1：汽车数据集
    • Ex2：实现transform函数
  • 第五章 变形
    • Ex1：美国非法药物数据集
    • Ex2：特殊的wide_to_long方法
  • 第六章 连接
    • Ex1：美国疫情数据集
    • Ex2：实现join函数
  • 第七章 缺失数据
    • Ex1：缺失值与类别的相关性检验
    • Ex2：用回归模型解决分类问题
  • 第八章 文本数据
    • Ex1：房屋信息数据集
    • Ex2：《权力的游戏》剧本数据集
  • 第九章 分类数据
    • Ex1：统计未出现的类别
    • Ex2：钻石数据集
  • 第十章 时序数据
    • Ex1：太阳辐射数据集
    • Ex2：水果销量数据集