Python数据分析之道（Thinking in Pandas）

　　本书通过以Pandas实现的精彩的数据分析项目，来讲解大数据相关的主题及概念。通过学习本书，读者可以根据项目的大小及类型来评估自己的项目是否适合使用Pandas库。本书对如何在Pandas中高效地加载及标准化数据进行了解读，并回顾了一些常用的加载器及它们的一些**威力的选项，从而读者可以学会如何高效地存取及转换数据、使用什么方法、什么时候采用或回避一些更高性能的技术。本书还将带读者用心思考Pandas中基本的数据访问及维护，以及直觉字典语法。本书适合作为Python数据分析学习者及相关从业人员的参考用书。

　　Hannah Stepanek是一名对软件性能富有激情的软件开发人员，同时也是开源软件的积极倡导者。她拥有七年以上的Python编程行业经验，她花了两年左右的时间使用Pandas实现了一个数据分析项目。

前言
第1章 概述
pandas简介
如何利用pandas构建一个黑洞图像
如何利用pandas帮助金融机构对未来市场
进行更准确预测
如何利用pandas提高内容可发现性
第2章 基本数据访问与合并
DataFrame的创建和访问
iloc方法
loc方法
使用merge方法合并DataFrame
使用join方法合并DataFrame
使用concat方法合并DataFrame
第3章 pandas在Hood下的工作机制
Python数据结构
CPython解释器、Python和NumPy的性能
pandas性能简介
选择正确的DataFrame
第4章 数据加载与规范化
pd.read_csv
pd.read_json
pd.read_sql, pd.read_sql_table, and
pd.read_sql_query
第5章 pandas基础数据转换
pivot和pivot表
stack和unstack
melt
转置transpose
第6章 apply方法
不适用apply方法的场合
适用apply方法的场合
利用Cythorl提高apply方法的性能
第7章 Groupby
正确使用groupby
索引
避免使用groupby
第8章 pandas之外的性能改进
计算机体系结构
如何利用NumExpr改进性能
BLAS和LAPACK
第9章 pandas的发展趋势
pandas 1.0
结论