Python 數據科學基礎 Foundational Python for Data Science

本書首先介紹Python和Jupyter筆記本的基礎知識，然後逐一介紹豐富的、與數據科學相關的Python庫，並舉例說明如何在實際工作中運用Python。本書將Python和數據科學融合起來，幫助讀者快速入門Python並使用Python完成數據分析相關任務，是實用的快速上手教程。書中代碼使用與Jupyter筆記本兼容的Colab創建，方便讀者配置和使用。

本書適合希望在工作中使用Python的讀者閱讀，也適合想要利用數據科學原理完成各類項目的讀者參考。

肯尼迪·贝尔曼是一位经验丰富的软件工程师。他最初使用Python管理影视特效方面的数字资产，后来更广泛地应用Python。他撰写了许多关于Python教育的书籍，还发起了很多相关培训项目。目前他是Envestnet的高级数据工程师。

第Ⅰ部分　在筆記本環境中學習Python

 

第 1章　筆記本簡介 3

1.1　運行Python語句 3

1.2　Jupyter筆記本 4

1.3　Google Colab 4

1.3.1　Colab文本單元 5

1.3.2　LaTeX 7

1.3.3　Colab代碼單元 7

1.3.4　Colab文件 7

1.3.5　管理Colab文檔 8

1.3.6　Colab代碼片段 8

1.3.7　現有資料集 8

1.3.8　系統別名 8

1.3.9　魔法函數 9

1.4　本章小結 9

1.5　問題 9

第 2章　Python基礎 10

2.1　Python的基本類型 10

2.1.1　高級語言與低級語言 11

2.1.2　語句 12

2.2　執行基礎數學運算 17

2.3　用點號訪問類和對象 18

2.4　本章小結 18

2.5　問題 18

第3章　序列 19

3.1　通用的操作 19

3.1.1　檢測成員關系 19

3.1.2　索引 20

3.1.3　切片 20

3.1.4　查看信息 21

3.1.5　數學運算 22

3.2　列表和元組 22

3.2.1　創建列表和元組 22

3.2.2　添加和刪除列表元素 23

3.2.3　拆包 25

3.2.4　列表排序 25

3.3　字符串 26

3.4　range對象 27

3.5　本章小結 28

3.6　問題 28

第4章　其他數據結構 29

4.1　字典 29

4.1.1　創建字典 29

4.1.2　利用鍵訪問、追加、更新

字典 30

4.1.3　從字典中移除項目 31

4.1.4　字典視圖 32

4.1.5　判斷字典是否包含某個鍵 34

4.1.6　get方法 34

4.1.7　合法的鍵類型 35

4.1.8　哈希方法 36

4.2　集合 37

4.2.1　集合的運算 39

4.2.2　原封集合 43

4.3　本章小結 44

4.4　問題 44

第5章　執行控制 45

5.1　復合語句 45

5.1.1　復合語句的結構 45

5.1.2　判斷True與False 46

5.2　if語句 49

5.3　while循環 52

5.4　for循環 52

5.5　break和continue語句 53

5.6　本章小結 54

5.7　問題 54

第6章　函數 55

6.1　定義函數 55

6.1.1　控制語句 55

6.1.2　文檔字符串 56

6.1.3　參數 57

6.1.4　返回語句 62

6.2　函數的作用域 63

6.3　裝飾器 63

6.4　匿名函數 67

6.5　本章小結 68

6.6　問題 68

 

第Ⅱ部分　數據科學庫

 

第7章　NumPy 73

7.1　安裝並引入NumPy 73

7.2　創建數組 74

7.3　索引與切片 77

7.4　逐元素運算 78

7.5　過濾值 80

7.6　視圖與拷貝 81

7.7　數組的一些方法 83

7.8　廣播 86

7.9　NumPy代數 88

7.10　本章小結 89

7.11　問題 89

第8章　SciPy 90

8.1　SciPy簡介 90

8.2　scipy.misc子模塊 90

8.3　scipy.special子模塊 91

8.4　scipy.stats子模塊 92

8.4.1　離散分佈 92

8.4.2　連續分佈 95

8.5　本章小結 98

8.6　問題 98

第9章　pandas 99

9.1　關於數據框 99

9.2　創建數據框 99

9.2.1　通過字典創建數據框 100

9.2.2　根據列表的列表創建數據框 101

9.2.3　利用文件創建數據框 102

9.3　與數據框中的數據交互 102

9.3.1　首尾 103

9.3.2　描述統計學 104

9.3.3　訪問數據 105

9.3.4　方括號語法 106

9.3.5　利用標簽優化數據訪問 108

9.3.6　利用索引優化數據訪問 109

9.3.7　遮罩與過濾 110

9.3.8　pandas布爾運算 111

9.4　操縱數據框 112

9.5　操縱數據 114

9.6　交互式顯示 117

9.7　本章小結 117

9.8　問題 117

第 10章　可視化庫 119

10.1　Matplotlib 119

10.1.1　調整樣式 120

10.1.2　帶標簽的數據 123

10.1.3　繪制多組數據 124

10.1.4　面向對象的樣式 125

10.2　seaborn 127

10.3　Plotly 130

10.4　Bokeh 131

10.5　其他可視化庫 132

 

10.6　本章小結 133

10.7　問題 133

第 11章　機器學習庫 134

11.1　常用機器學習庫 134

11.2　機器學習如何工作 134

11.2.1　轉換 135

11.2.2　劃分測試與訓練數據 136

11.2.3　訓練與測試 137

11.3　進一步學習scikit-learn 137

11.4　本章小結 137

11.5　問題 138

第 12章　自然語言工具箱 139

12.1　NLTK示例文本 139

12.2　頻度分佈 141

12.3　文本對象 144

12.4　文本分類 146

12.5　本章小結 148

12.6　習題 149

 

第Ⅲ部分　Python中級知識

 

第 13章　函數式編程 153

13.1　函數式編程簡介 153

13.1.1　作用域與狀態 153

13.1.2　依賴全局狀態 154

13.1.3　改變狀態 155

13.1.4　修改可變數據 156

13.1.5　函數式編程中的函數 157

13.2　列表推導式 159

13.2.1　列表推導式的基本語法 159

13.2.2　替代map和filter 159

13.2.3　多變量 160

13.2.4　字典推導式 161

13.3　生成器 161

13.3.1　生成器表達式 161

13.3.2　生成器函數 162

13.4　本章小結 164

13.5　問題 164

第 14章　面向對象編程 165

14.1　將狀態與函數編組 165

14.1.1　類與實例 165

14.1.2　私有方法和變量 167

14.1.3　類變量 168

14.2　特殊方法 168

14.2.1　表示方法 169

14.2.2　富比較方法 170

14.2.3　數學運算方法 173

14.3　繼承 174

14.4　本章小結 177

14.5　問題 177

第 15章　其他主題 178

15.1　排序 178

15.2　讀寫文件 181

15.3　datetime對象 182

15.4　正則表達式 184

15.4.1　字符集 185

15.4.2　字符類 185

15.4.3　分組 186

15.4.4　帶名分組 186

15.4.5　搜索所有匹配 187

15.4.6　搜索迭代器 187

15.4.7　替換 187

15.4.8　使用帶名分組替換 187

15.4.9　編譯正則表達式 188

15.5　本章小結 189

15.6　問題 189

 

附錄A　章末問題答案 190

附錄B　圖片版權 195