书名：pandas数据处理与分析  
定价：98.0  
ISBN：9787**5583659  
作者：耿远昊  
版次：第*版  
出版时间：2022-08  

内容提要：  
本书以Python中的pandas库为主线，介绍各类数据处理与分析方法。 本书共包含*3章，*部分介绍NumPy和pandas的基本内容；*部分介绍pandas库中的4类操作，包括索引、分组、变形和连接；第三部分介绍基于pandas库的4类数据，包括缺失数据、文本数据、分类数据和时间序列数据，并介绍这4类数据的处理方法；第四部分介绍数据观测、特征工程和性能优化的相关内容。本书以丰富的练习为特色，每章的*一节为习题，同时每章包含许多即时性的练习（练一练）。读者可通过这些练习将对数据科学的宏观认识运用到实践中。  



作者简介：  
耿远昊 威斯康星大学麦迪逊分校统计学硕士在读，Datawhale成员，“Joyful Pandas”开源项目作者。pandas贡献者，活跃于pandas开源社区，主要贡献涉及漏洞修复、功能实现与性能优化等方面，对pandas在数据处理与分析中的应用有丰富经验。  

目录：  
第 一部分　基础知识  
第　*章 预备知识　2  
*.*　Python基础　2  
*.*.*　推导式　2  
*.*.2　匿名函数　4  
*.*.3　打包函数　5  
*.2　NumPy基础　7  
*.2.*　NumPy数组的构造　7  
*.2.2　NumPy数组的变形　**  
*.2.3　NumPy数组的切片　*5  
*.2.4　广播机制　*7  
*.2.5　常用函数　*9  
*.3　习题　24  
第　2章 pandas基础　26  
2.*　文件的读取和写入　26  
2.*.*　文件读取　26  
2.*.2　数据写入　28  
2.2　基本数据结构　29  
2.2.*　Series　29  
2.2.2　DataFrame　30  
2.3　常用基本函数　32  
2.3.*　汇总函数　33  
2.3.2　特征统计函数　34  
2.3.3　频次函数　35  
2.3.4　替换函数　36  
2.3.5　排序函数　39  
2.3.6　apply()函数　40  
2.4　窗口　42  
2.4.*　滑动窗口　42  
2.4.2　扩张窗口　45  
2.5　习题　46  

*部分　4类操作  

第3章　索引　50  
3.*　单级索引　50  
3.*.*　DataFrame的列索引　50  
3.*.2　Series的行索引　5*  
3.*.3　loc索引器　52  
3.*.4　iloc索引器　56  
3.*.5　query()函数　57  
3.*.6　索引运算　58  
3.2　多级索引　59  
3.2.*　多级索引及其表的结构　59  
3.2.2　多级索引中的loc索引器　6*  
3.2.3　多级索引的构造　65  
3.3　常用索引方法　66  
3.3.*　索引层的交换和删除　66  
3.3.2　索引属性的修改　67  
3.3.3　索引的设置与重置　70  
3.3.4　索引的对齐　7*  
3.4　习题　72  
第4章　分组　74  
4.*　分组模式及其对象　74  
4.*.*　分组的一般模式　74  
4.*.2　分组依据的本质　75  
4.*.3　groupby对象　76  
4.2　聚合函数　78  
4.2.*　内置聚合函数　78  
4.2.2　agg()函数　79  
4.3　变换和过滤　80  
4.3.*　变换函数　8*  
4.3.2　组索引与过滤　82  
4.4　跨列分组　83  
4.5　习题　85  
第5章　变形　87  
5.*　长宽表的变形　87  
5.*.*　长表的透视变形　88  
5.*.2　宽表的逆透视变形　9*  
5.2　其他变形方法　95  
5.2.*　索引变形　95  
5.2.2　扩张变形　98  
5.3　习题　98  
第6章　连接　*00  
6.*　关系连接　*00  
6.*.*　关系连接的基本概念　*00  
6.*.2　列连接　*02  
6.*.3　索引连接　*04  
6.2　其他连接　*05  
6.2.*　方向连接　*05  
6.2.2　比较与组合　*08  
6.3　习题　*09  

第三部分　4类数据  

第7章　缺失数据　**4  
7.*　缺失值的统计和删除　**4  
7.*.*　缺失信息的统计　**4  
7.*.2　缺失信息的删除　**5  
7.2　缺失值的填充和插值　**6  
7.2.*　利用fillna() 进行填充　**6  
7.2.2　插值函数　**8  
7.3　Nullable类型　*20  
7.3.*　缺失记号及其缺陷　*20  
7.3.2　Nullable类型的性质　*22  
7.3.3　缺失数据的计算和分组　*24  
7.4　习题　*26  
第8章　文本数据　*28  
8.*　str对象　*28  
8.*.*　str对象的设计意图　*28  
8.*.2　[]索引器　*29  
8.*.3　string类型　*29  
8.2　正则表达式基础　*3*  
8.2.*　元字符　*32  
8.2.2　分组捕获与反向引用　*34  
8.2.3　零宽断言　*35  
8.3　文本处理的5类操作　*36  
8.3.*　拆分　*36  
8.3.2　合并　*37  
8.3.3　匹配　*38  
8.3.4　替换　*39  
8.3.5　提取　*40  
8.4　其他字符串方法　*4*  
8.4.*　字母型方法　*4*  
8.4.2　数值型方法　*42  
8.4.3　统计型方法　*43  
8.4.4　格式型方法　*43  
8.5　习题　*45  
第9章　分类数据　*47  
9.*　cat对象　*47  
9.*.*　cat对象的属性　*47  
9.*.2　类别的增加、删除和修改　*48  
9.2　有序类别　*50  
9.2.*　序的建立　*50  
9.2.2　排序和比较　*50  
9.3　区间类别　*52  
9.3.*　利用cut()和qcut()进行区间构造　*52  
9.3.2　一般区间的构造　*53  
9.3.3　区间的属性与方法　*55  
9.4　习题　*55  
第　*0章 时间序列数据　*59  
*0.*　时间戳　*60  
*0.*.*　时间戳的构造与属性　*60  
*0.*.2　时间戳序列的生成　*6*  
*0.*.3　dt对象　*64  
*0.*.4　时间戳序列的索引与切片　*66  
*0.2　时间差　*67  
*0.2.*　时间差序列的生成　*68  
*0.2.2　时间差序列的运算　*69  
*0.3　日期偏置　*70  
*0.3.*　Offset对象　*70  
*0.3.2　采样频率　*73  
*0.4　时间序列操作　*75  
*0.4.*　采样频率滑窗　*75  
*0.4.2　重采样　*77  
*0.4.3　特殊连接　*8*  
*0.5　习题　*84  

第四部分　进阶实战  

第　**章 数据观测　*90  
**.*　可视化方法　*90  
**.*.*　基本绘图　*90  
**.*.2　元素控制　*98  
**.*.3　子图绘制　203  
**.2　数据观测方法　206  
**.2.*　数据类型　206  
**.2.2　数据统计量　207  
**.2.3　数据分布　209  
**.2.4　基于数据报告的观测　2*0  
**.3　习题　2*2  
第　*2章 特征工程　2*6  
*2.*　单特征构造　2*6  
*2.*.*　特征变换　2*6  
*2.*.2　文本数据特征　223  
*2.*.3　时间序列数据特征　226  
*2.*.4　单特征构造的一般方法　230  
*2.2　多特征构造　236  
*2.2.*　分组技术　236  
*2.2.2　特征降维　239  
*2.3　特征选择　242  
*2.3.*　基于统计量的选择　242  
*2.3.2　基于模型的选择　249  
*2.4　习题　255  
第　*3章 性能优化　258  
*3.*　pandasic代码要义　258  
*3.2　多进程加速　26*  
*3.2.*　多进程和多线程　26*  
*3.2.2　多进程的陷阱　264  
*3.2.3　异步进程　268  
*3.2.4　进程中的数据共享　27*  
*3.2.5　在pandas中使用 多进程　282  
*3.3　利用Cython加速　286  
*3.3.*　初识Cython　286  
*3.3.2　优化策略　288  
*3.3.3　多线程加速　295  
*3.3.4　Cython类及其应用　306  
*3.3.5　模块构建　3**  
*3.4　利用Numba加速　3*5  
*3.4.*　noPython模式　3*5  
*3.4.2　ufunc与向量化　320  
*3.4.3　jitclass及其应用　323  
*3.5　习题　325