Pandas 數據分析快速上手 500招 (微課視頻版)
羅帥、羅斌
- 出版商: 清華大學
- 出版日期: 2023-03-01
- 定價: $599
- 售價: 8.5 折 $509
- 語言: 簡體中文
- ISBN: 7302624119
- ISBN-13: 9787302624110
-
相關分類:
Data Science
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
$480$379 -
$354$336 -
$403AWS Lambda 實戰 : 開發事件驅動的無服務器應用程序 (AWS Lambda in Action: Event-Driven Serverless Applications)
-
$254亞馬遜 AWS 雲基礎與實戰
-
$414$393 -
$414$393 -
$177CSS 選擇器世界
-
$352Python 量化炒股入門與實戰技巧
-
$359$341 -
$611金融中的機器學習
-
$337JavaScript 百煉成仙
-
$1,460$1,387 -
$580$458 -
$356集成學習入門與實戰:原理、算法與應用
-
$380$300 -
$620$484 -
$560數據分析實戰:方法、工具與可視化
-
$653深入機器學習
-
$403算法筆記, 2/e
-
$660$515 -
$1,014$963 -
$407Python 機器學習入門與實戰
-
$300$237 -
$750$593 -
$607商業策略數據分析
相關主題
商品描述
本書採用“問題描述+解決方案”模式,通過500個案例介紹了使用Pandas進行數據分析和數據處理的技術亮點。全書共分為8章,主要案例包括:讀寫CSV、Excel、JSON、HTML等格式的數據;根據行標簽、列名和行列數字索引篩選和修改數據,使用各種函數根據數據大小、日期範圍、正則表達式、lambda表達式、文本類型等多種條件篩選數據;統計NaN(缺失值)的數量、占比,根據規則填充和刪除NaN;在DataFrame中增、刪、查、改行列數據,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,創建交叉表和各種透視表;對數據分組結果進行求和、累加、求平均值、求極差、求占比、排序、篩選、重採樣等多種形式的分析,將分組數據導出為Excel文件。本書還附贈36個數據可視化案例,如根據指定的條件設置行列數據的顏色和樣式,根據行列數據繪制條形圖、柱形圖、餅圖、折線圖、散點圖、六邊形圖、箱形圖、面積圖等。 本書適於作為數據分析師、物流分析師、金融分析師、數據產品開發人員、人工智能開發人員、市場營銷人員、辦公管理人員、Python程序員等各行各業人員的案頭參考書,無論對於初學者還是專業人士,本書都極具參考和收藏價值。
目錄大綱
代碼下載 案例下載?
第1章 DataFrame 1
001 使用隨機數創建一個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 使用日期範圍設置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假日 12
014 在日期行標簽中排除自定義的節假日 13
015 在日期行標簽中增加或減少分鐘數 14
016 指定DataFrame的列數據為行標簽 15
017 在DataFrame中移除現有的行標簽 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DataFrame創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的列名添加前綴或後綴 24
029 根據DataFrame的列名獲取列索引數字 25
第2章 讀取數據 27
030 從CSV格式的字符串中讀取數據 27
031 從CSV格式的文本文件中讀取數據 28
032 從星號分隔的文本文件中讀取數據 28
033 從製表符分隔的文本文件中讀取數據 29
034 從空格分隔的文本文件中讀取數據 29
035 讀取文本文件的數據並自定義列名 30
036 讀取文本文件的數據並重命名列名 31
037 根據列名讀取文本文件的部分數據 31
038 從文本文件中讀取lambda篩選的列 32
039 讀取文本文件的數據並設置列名前綴 33
040 讀取文本文件的數據並設置列類型 33
041 讀取文本文件並使用lambda修改列 34
042 讀取文本文件並使用自定義函數修改列 35
043 讀取文本文件並設置True和False 36
044 讀取文本文件的數據並跳過指定行 37
045 讀取文本文件的數據並跳過奇數行 37
046 讀取文本文件的數據並跳過倒數n行 38
047 讀取文本文件並將列類型轉為日期類型 39
048 讀取文本文件的數據並解析日期列數據 40
049 讀取文本文件的數據並合並日期列數據 41
050 從壓縮格式的文本文件中讀取數據 42
051 把DataFrame的數據保存為文本文件 43
052 從Excel文件中讀取單個工作表的數據 44
053 從Excel文件中讀取多個工作表的數據 45
054 從Excel文件中讀取工作表的前n行數據 46
055 從首行跳過n行讀取Excel工作表的數據 47
056 從末尾跳過n行讀取Excel工作表的數據 48
057 跳過指定行讀取Excel工作表的部分數據 49
058 從Excel文件中讀取工作表的偶數行數據 50
059 從Excel文件中讀取工作表的偶數列數據 51
060 根據列號讀取Excel文件的工作表數據 52
061 讀取Excel工作表的數據且取消默認列名 53
062 讀取Excel工作表的數據且自定義列名 53
063 讀取Excel工作表的數據並指定行標簽 54
064 在讀取Excel工作表數據時解析千分位符 55
065 把DataFrame的數據保存為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()函數讀取JSON數據 58
068 將DataFrame的數據保存為JSON文件 59
069 從指定的網頁中讀取多個表格的數據 60
070 將DataFrame的所有數據轉換為網頁代碼 62
071 將DataFrame的部分數據轉換為網頁代碼 63
072 根據當前剪貼板的數據創建DataFrame 64
073 將DataFrame的所有數據保存到剪貼板 65
074 將DataFrame的部分數據保存到剪貼板 66
第3章 篩選數據 67
075 根據指定的列名篩選整列數據 67
076 使用eq()在指定列中篩選數據 68
077 使用ne()在指定列中篩選數據 68
078 使用lt()在指定列中篩選數據 69
079 在指定列中根據平均值篩選數據 70
080 使用le()在指定列中篩選數據 70
081 使用gt()在指定列中篩選數據 71
082 使用ge()在指定列中篩選數據 72
083 根據行標簽的大小篩選數據 73
084 根據行標簽的範圍篩選數據 73
085 根據行標簽步長篩選偶數行數據 74
086 根據指定的日期切片篩選數據 75
087 根據指定的日期範圍篩選數據 76
088 根據指定的月份範圍篩選數據 76
089 在日期類型的列中按日篩選數據 77
090 根據日期列的差值篩選數據 78
091 使用loc篩選並修改單個數據 79
092 使用loc篩選並修改多個數據 79
093 使用loc篩選並修改多行單列數據 80
094 使用loc篩選並修改單行多列數據 81
095 使用loc篩選並修改多行多列數據 82
096 使用loc根據切片篩選並修改數據 83
097 使用loc篩選並修改單行數據 84
098 使用loc篩選並修改多行數據 84
099 使用loc篩選並修改單列數據 85
100 使用loc篩選並修改多列數據 86
101 使用loc篩選並修改多層數據 87
102 使用loc篩選並輸出DataFrame 87
103 使用loc根據大小篩選數據 88
104 使用loc根據字符串長度篩選數據 89
105 使用loc根據數值範圍篩選數據 90
106 在loc中使用all()篩選多列數據 90
107 在loc中使用any()篩選多列數據 91
108 使用loc篩選數據且指定輸出列 92
109 使用loc篩選IndexSlice結果 92
110 使用loc根據最後一行篩選列 93
111 在loc中使用lambda篩選列 94
112 使用loc根據負數步長倒序篩選列 94
113 使用loc根據負數步長倒序篩選行 95
114 使用iloc篩選並修改單個數據 96
115 使用iloc篩選並修改多個數據 96
116 使用iloc篩選並修改多行單列數據 97
117 使用iloc篩選並修改單行多列數據 98
118 使用iloc篩選並修改多行多列數據 99
119 使用iloc根據列表篩選並修改數據 99
120 使用iloc篩選並修改單列數據 100
121 使用iloc篩選並修改多列數據 100
122 使用iloc篩選並修改單行數據 101
123 使用iloc篩選並修改多行數據 102
124 使用iloc篩選並輸出DataFrame 103
125 使用iloc根據指定的步長篩選數據 103
126 使用iloc篩選不連續的多行數據 104
127 在iloc中使用numpy篩選多行數據 105
128 在iloc中使用numpy篩選多列數據 106
129 在iloc中使用lambda篩選偶數行數據 106
130 使用at篩選並修改單個數據 107
131 使用iat篩選並修改單個數據 108
132 使用last()篩選最後幾天的數據 108
133 使用truncate()根據行標簽篩選數據 109
134 使用truncate()根據日期範圍篩選數據 110
135 使用between()根據日期範圍篩選數據 110
136 使用between()根據數值範圍篩選數據 111
137 使用between_time()根據時間篩選數據 112
138 使用contains()在指定列中篩選文本 113
139 使用contains()不區分大小寫篩選文本 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()根據結束字符篩選文本 116
143 使用startswith()根據開始字符篩選文本 117
144 使用match()根據多個開始字符篩選數據 118
145 使用isnumeric()篩選全部為數字的數據 119
146 使用isin()篩選在指定列表中的數據 120
147 使用isin()篩選未在指定列表中的數據 120
148 使用isin()篩選指定列最大的前n行數據 121
149 使用isin()篩選指定列最小的前n行數據 122
150 在apply()中調用自定義函數篩選數據 122
151 在鏈式語句中調用自定義函數篩選數據 123
152 在apply()中使用lambda篩選數據 124
153 在鏈式語句中調用lambda篩選數據 125
154 在applymap()中使用lambda篩選數據 126
155 使用apply()篩選指定列首次出現的數據 126
156 使用apply()根據日期範圍篩選數據 127
157 使用apply()根據數值範圍篩選數據 128
158 使用select_dtypes()根據類型篩選列 129
159 使用select_dtypes()根據類型反向篩選列 129
160 使用filter()根據指定的列名篩選列 130
161 使用filter()根據指定的條件篩選列 131
162 使用filter()根據正則表達式篩選列 131
163 使用filter()根據指定的行標簽篩選行 132
164 使用filter()根據正則表達式篩選行 133
165 在query()中使用比較運算符篩選數據 134
166 在query()中使用多個運算符篩選數據 134
167 使用query()根據平均值篩選數據 135
168 使用query()根據兩列差值篩選數據 136
169 使用query()根據多列數值大小篩選數據 136
170 使用query()篩選多列均存在的數據 137
171 使用query()根據指定列表篩選數據 138
172 使用query()根據外部變量篩選數據 139
173 使用query()根據日期範圍篩選數據 139
174 使用query()篩選包含指定字符的數據 140
175 使用query()根據行標簽篩選數據 141
176 使用query()組合多個條件篩選數據 142
177 使用query()以鏈式風格篩選數據 142
178 使用eval()組合多個條件篩選數據 143
179 使用rolling()根據樣本篩選數據 144
180 使用sample()根據占比篩選隨機子集 145
181 使用apply()根據指定條件篩選數據 146
182 在DataFrame中篩選所有數據 146
183 根據在列表中指定的多個列名篩選列 147
184 根據在集合中指定的多個列名篩選列 148
第4章 清洗數據 150
185 統計DataFrame每列的NaN數量 150
186 統計DataFrame每行的NaN數量 151
187 統計DataFrame每行的非NaN數量 151
188 統計DataFrame每列的NaN數量占比 152
189 統計DataFrame每行的NaN數量占比 153
190 統計DataFrame每行的非NaN數量占比 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isnull()在列中篩選包含NaN的行 156
194 使用isnull()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()實現自動向下填充NaN 168
211 使用fillna()實現自動向上填充NaN 169
212 使用applymap()填充DataFrame的NaN 169
213 使用mask()填充DataFrame的NaN 170
214 根據分組已存在的數據填充分組的NaN 171
215 使用transform()根據分組平均值填充NaN 171
216 將小數點前後有空格的數據修改為NaN 172
217 在format()中使用指定字符標註NaN 173
218 使用指定的顏色高亮顯示所有的NaN 174
219 自定義函數設置NaN的顏色 174
220 自定義函數設置NaN的背景顏色 175
221 自定義函數設置非NaN的顏色 176
222 自定義函數設置非NaN的背景顏色 177
223 在DataFrame中強制NaN排在首位 177
224 讀取Excel文件並設置NaN的對應值 178
225 讀取Excel文件並按列設置NaN的對應值 179
226 讀取文本文件並設置NaN的對應值 180
227 讀取文本文件並按列設置NaN的對應值 181
第5章 整理數據 183
228 使用apply()轉換指定列的數據類型 183
229 使用apply()轉換所有列的數據類型 184
230 使用to_numeric()轉換列的數據類型 184
231 使用astype()轉換指定列的數據類型 185
232 使用astype()將百分數轉換為浮點數 186
233 使用astype()轉換千分位符的數字 186
234 使用astype()將其他時間轉為北京時間 187
235 根據日期類型列的日期解析星期 188
236 根據日期類型列的日期解析季度 188
237 使用lower()將指定列的字母變為小寫 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()統計指定列的字符個數 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()中調用自定義函數修改數據 200
254 在apply()中調用lambda修改數據 201
255 使用apply()刪除%符號並轉換數據 202
256 使用mask()根據指定條件修改數據 202
257 使用where()根據指定條件修改數據 203
258 使用replace()在指定列中替換數據 204
259 使用replace()在指定行中替換數據 205
260 在map()中使用字典修改數據 205
261 在map()中使用lambda修改數據 206
262 使用map()格式化指定列的數據 207
263 使用map()將浮點數轉換為百分數 207
264 使用map()根據時間差計算天數 208
265 在DataFrame的末尾增加新行 209
266 在DataFrame的中間插入新行 209
267 根據行標簽在DataFrame中刪除行 210
268 根據條件在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的單列數據並新增列 216
276 計算DataFrame的多列數據並新增列 217
277 使用assign()在DataFrame中新增列 218
278 使用assign()根據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()根據列表成員增加新列 220
281 使用apply()計算多列數據增加新列 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()中根據正則表達式拆分列 225
288 使用cat()以拼接字符串方式合並列 226
289 根據字符串日期列拆分年月日列 227
290 根據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 根據索引在DataFrame中插入列 230
294 根據列名在DataFrame中刪除列 230
295 根據條件在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()根據同名列合並DataFrame 237
302 使用merge()根據指定列合並DataFrame 238
303 使用merge()以指定方式合並DataFrame 239
304 使用join()根據索引列按列合並DataFrame 240
305 使用combine_first()合並DataFrame 241
306 使用combine()根據參數合並DataFrame 242
307 使用Pandas的merge()合並DataFrame 243
308 使用merge_ordered()合並DataFrame 244
309 使用merge_asof()合並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 248
313 在DataFrame中水平移動指定的列數 248
314 使用round()設置DataFrame的小數位數 249
315 使用update()更新DataFrame的數據 250
316 使用clip()修剪DataFrame的數據 251
317 使用clip()根據列表按列修剪數據 251
318 使用replace()在DataFrame中替換數據 252
319 使用replace()執行多值對應替換 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的數據 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中實現各行數據連乘 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()實現兩個DataFrame相加 265
337 使用sub()實現兩個DataFrame相減 265
338 使用mul()實現兩個DataFrame相乘 266
339 使用div()實現兩個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()實現按列求和 272
347 使用select_dtypes()實現按行求和 272
348 使用expanding()累加前n個數據 273
349 使用apply()按行累加各列的數據 274
350 使用apply()按列累加各行的數據 275
351 使用apply()計算每列數據的平均值 275
352 使用apply()計算每行數據的平均值 276
353 使用apply()計算每行最大值的比值 276
354 使用apply()計算每列最大值的比值 277
355 使用apply()計算每列數據的極差 278
356 使用apply()計算每行數據的極差 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()計算差值並篩選數據 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()中設置最小觀測期 286
367 使用pct_change()計算增減百分比 287
368 使用apply()獲取每列數據的最大值 288
369 使用apply()獲取每列數據的中位數 288
370 使用describe()獲取指定列的最大值 289
371 使用agg()獲取所有列的最大值 290
372 使用tolist()獲取DataFrame的數據 291
373 根據行標簽順序排列DataFrame 292
374 根據行標簽大小排列DataFrame 292
375 倒序排列DataFrame並重置行標簽 293
376 在DataFrame中根據單個列名排序 294
377 在DataFrame中根據多個列名排序 294
378 在DataFrame中根據文本長度排序 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中根據列表調整列順序 298
383 使用rank()根據大小生成排名序號 299
384 使用value_counts()統計列成員數量 300
385 使用value_counts()統計列成員占比 300
第6章 透視數據 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()將多行數據轉換成一行 305
391 使用crosstab()根據行列創建交叉表 306
392 使用crosstab()創建交叉表並計算合計 307
393 使用explode()將列表成員擴展為多行 307
394 使用explode()篩選互為好友的數據 308
395 使用explode()在組內容之前插入組名 309
396 使用pivot_table()根據指定列進行分組 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()實現多級分組並求和 313
400 使用pivot_table()對不同列執行不同函數 314
401 使用transpose()實現行列數據交換 315
第7章 分組聚合 316
402 使用groupby()根據單列數據分組求和 316
403 使用groupby()根據多列數據分組求和 317
404 使用groupby()分組並對指定列數據求和 317
405 在groupby()中設置分組鍵為非索引列 318
406 重命名在使用groupby()分組之後的列名 319
407 自定義在使用groupby()分組之後的列名 320
408 使用groupby()分組並統計各組的個數 321
409 使用groupby()分組並獲取各組的明細 321
410 使用groupby()分組並獲取多級分組明細 322
411 使用groupby()分組並遍歷各組的明細 323
412 使用groupby()分組並計算各組移動平均值 324
413 使用groupby()分組並計算各組累加值 325
414 使用groupby()分組並獲取各組最大值 326
415 使用groupby()分組並獲取各組第二大值 327
416 使用groupby()分組並添加各組合計 328
417 使用groupby()分組並添加分組占比 329
418 使用groupby()分組求和並禁止排序 330
419 使用groupby()根據lambda進行分組 331
420 使用groupby()根據行標簽進行分組 332
421 使用groupby()根據索引年份進行分組 333
422 使用groupby()根據年份月份進行分組 334
423 使用groupby()根據星期進行分組 335
424 使用groupby()根據日期進行分組 336
425 使用groupby()根據列名進行分組 336
426 使用groupby()根據字典進行分組 337
427 使用groupby()根據字典類型進行分組 338
428 使用groupby()根據自定義函數進行分組 339
429 使用groupby()根據指定字符進行分組 340
430 使用groupby()根據返回值進行分組 341
431 使用groupby()根據Grouper進行分組 341
432 在分組指定列中查找互為相反數的數據 342
433 使用resample()實現日期重採樣分組 343
434 使用resample()實現先分組再重採樣 344
435 使用cut()根據連續型數據進行分組 346
436 使用cut()進行分組並設置分組的標簽 347
437 使用cut()進行分組並計算各組平均值 348
438 使用qcut()根據指定的個數進行分組 348
439 根據索引層對多層索引的DataFrame分組 349
440 使用agg()獲取分組指定列的最大值 351
441 使用agg()獲取分組某幾列的最大值 351
442 使用agg()自定義分組之後的新列名 352
443 使用agg()根據字典自定義分組新列名 353
444 使用agg()轉換分組之後的合計數據 354
445 使用agg()轉換分組之後的列數據類型 355
446 使用agg()通過lambda計算分組極差 356
447 使用agg()通過自定義函數計算分組極差 357
448 在agg()中調用帶多個參數的自定義函數 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()篩選分組指定列的最大值 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 364
456 使用filter()篩選分組大於某值的數據 365
457 使用apply()獲取分組某列的最大值 366
458 使用apply()獲取分組數值列的最大值 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()中調用自定義函數統計分組指標 370
463 使用apply()將分組數據導出為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 373
466 使用rank()獲取各個成員在分組中的序號 374
467 使用transform()計算平均值並篩選分組 375
468 使用drop_duplicates()刪除分組重復數據 376
第8章 可視化數據 377
469 使用format()自定義列的數據格式 377
470 使用format()將浮點數轉為百分數 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 使用自定義函數設置指定列的背景顏色 379
474 使用自定義函數設置指定行的背景顏色 380
475 使用自定義函數設置交錯的行背景顏色 381
476 使用自定義函數設置列切片的背景顏色 382
477 使用applymap()根據條件設置背景顏色 383
478 使用指定的顏色設置所有列的數據顏色 383
479 使用自定義函數設置指定列的數據顏色 384
480 使用自定義函數設置指定行的數據顏色 385
481 使用自定義函數設置交錯的行數據顏色 386
482 使用自定義函數設置列切片的數據顏色 387
483 在所有列中根據值的大小設置背景顏色 387
484 在指定列中根據值的大小設置背景顏色 388
485 在所有列中根據值的大小設置數據顏色 389
486 在指定列中根據值的大小設置數據顏色 390
487 使用指定顏色高亮顯示分位包含的數據 390
488 使用指定顏色高亮顯示所有列的最大值 391
489 使用指定顏色高亮顯示指定列的最大值 392
490 使用指定顏色高亮顯示所有列的最小值 393
491 使用指定顏色高亮顯示指定列的最小值 393
492 使用自定義函數設置每列的最大值顏色 394
493 使用自定義函數設置每列的最小值顏色 395
494 使用指定顏色高亮顯示所有行的最大值 396
495 使用指定顏色高亮顯示指定行的最大值 396
496 使用指定顏色高亮顯示所有行的最小值 397
497 使用指定顏色高亮顯示指定行的最小值 398
498 根據大小使用漸變色按列設置數據顏色 398
499 根據大小使用漸變色按行設置數據顏色 399
500 根據大小使用漸變色按列設置背景顏色 400
IV
V