Python数据预处理

　　本书详细阐述了与Python数据预处理相关的基本解决方案，主要包括NumPy和Pandas简介、Matplotlib简介、数据、数据库、数据可视化、预测、分类、聚类分析、数据清洗、数据融合与数据集成、数据归约、数据转换等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学用书和参考手册。

暂缺《Python数据预处理》作者简介

第1篇 技术基础
第1章 NumPy和Pandas简介
1.1 技术要求
1.2 Jupyter Notebook概述
1.3 通过计算机编程进行数据分析的实质含义
1.4 NumPy基本函数概述
1.4.1 np.arange()函数
1.4.2 np.zeros()和np.ones()函数
1.4.3 示例——使用占位符来容纳分析
1.4.4 np.linspace()函数
1.4.5 示例——使用np.linspace()求解
1.5 Pandas概述
1.6 Pandas数据访问
1.6.1 Pandas DataFrame访问
1.6.2 访问DataFrame行
1.6.3 访问DataFrame列
1.6.4 访问DataFrame值
1.6.5 访问Pandas Series
1.7 切片
1.7.1 对NumPy数组进行切片
1.7.2 对Pandas DataFrame进行切片
1.7.3 切片的实用示例
1.8 用于过滤DataFrame的布尔掩码
1.8.1 使用布尔掩码的分析示例1
1.8.2 使用布尔掩码的分析示例2
1.9 用于探索DataFrame的Pandas函数
1.9.1 了解数据集的结构
1.9.2 使用.shape属性
1.9.3 使用.columns属性
1.9.4 使用.info()函数
1.9.5 了解数据集的值
1.9.6 使用.describe()函数
1.9.7 用于可视化数值列的直方图和箱线图
1.9.8 使用.unique)函数
1.9.9 使用.value_counts()函数
1.9.10 用于可视化数值列的条形图
1.10 应用Pandas函数
1.10.1 将函数应用于Series
1.10.2 应用函数——分析示例1
1.10.3 应用Lambda函数
1.10.4 对DataFrame应用函数
1.10.5 应用函数——分析示例2
1.10.6 Pandas groupby函数
1.10.7 使用groupby的分析示例
1.10.8 Pandas多级索引
1.10.9 使用.unstack()函数
1.10.10 使用.stack()函数
1.10.11 多级访问
1.10.12 Pandas .pivot()和.melt()函数
1.11 小结