一本通杀数据清洗、分析、可视化,Python数据人必备红宝书

• 《深入浅出Pandas》

使用Pandas是一项技能，需要多动手实践才能熟练学握。因此，阅读本书最好的方法是紧跟书中的思路，对照书中的代码，自己输入电脑中运行，然后在工作和生活中发现应用场景，去解决实际问题，同时建议将本书所有的方法都过一遍，以了解各种工具的作用，这样遇到问题时心中才会有方案。最后，建议多看看Pandas官方文档，学会看API说明，如果有能力，可以看看源码的实现，让自己对Pandas的掌握更上一层楼。

全书围绕架构知识模型、落地方法、思维模式三大核心，把零散的技术知识点整合成一套可学习、可复用、可落地的完整体系，让读者不再被海量技术概念淹没，真正理解“架构”的本质。

书中不空谈理论，而是融合TOGAF、DDD、RUP等主流架构思想，提炼出通用、跨行业、跨技术栈的架构方法论，手把手教你如何从需求分析、架构设计到系统落地，完整走完一条架构师的工作链路。

同时，本书重点培养架构思维，帮助技术人从“写代码的执行者”升级为“做决策的设计者”，学会站在全局视角思考复杂系统，解决实际项目中的关键难题。

如果你想充分发挥Python的强大作用，如果你想成为一名好的Python工程师，你应该先学好Pandas。这是一本全面覆盖了Pandas使用者的普遍需求和痛点的著作，基于实用、易学的原则，从功能、使用、原理等多个维度对Pandas做了全方位的详细讲解，既是初学者系统学习Pandas难得的入门书，又是有经验的Python工程师案头必不可少的查询手册。

本书共17章，分为七部分。

第一部分(第1~2章)Pandas入门

首先介绍了Pandas的功能、使用场景和学习方法，然后详细讲解了Python开发环境的搭建，Z后介绍了Pandas的大量基础功能，旨在引领读者快速入门。

第二部分(第3~5章)Pandas数据分析基础

详细讲解了Pandas读取与输出数据、索引操作、数据类型转换、查询筛选、统计计算、排序、位移、数据修改、数据选代、函数应用等内容。

第三部分(第6~9章)数据形式变化

讲解了Pandas的分组聚合操作、合并操作、对比操作、数据透视、转置、归一化、标准化等，以及如何利用多层索引对数据进行升降维。

第四部分(第10~12章)数据清洗

讲解了缺失值和重复值的识别、删除、埴充，数据的替换、格式转换，文本的提取、连接、匹配、切分、替换、格式化、虚拟变量化等，以及分类数据的应用场景和操作方法。

第五部分(第13~14章)时序数据分析

讲解了Pandas中对于各种时间类型数据的处理和分析，以及在时序数据处理中经常使用的窗口计算。

第六部分(第15~16章)可视化

讲解了Pandas的样式功能如何让数据表格更有表现力，以及Pandas的绘图功能如何让数据自己说话。

第七部分(第17章)实战案例

介绍了从需求到代码的思考过程，如何利用链式编程思想提高代码编写和数据分析效率，以及数据分析的基本方法与需要学握的数据分析工具和技术栈，此外还从数据处理和数据分析两个角度给出了大量的应用案例及代码详解。

不同于市面上众多由开发人员编写的Python图书，本书作者非技术人员出身，更能从用户体验角度入手解决学习者的痛点。本书有以下特色:

专注于介绍Pandas;

非技术思维，语言通俗易懂，面向应用;

不需要相关背最知识，不引入Python的高级用法:

减少变量的传递，代码短小精练:

要盖知识全，几乎妻括了Pandas的所有图数和方法;

较少使用专业技术名词及统计学知识;

案例使用极简数据集，方便理解:

使用了流行的链式方法，代码简洁，逻辑清晰，可读性强:

有大量的实用案例。

为了减少篇幅，书中未展示部分不必要的输出结果，读者可自行执行代码查看结果，本书没有一一介绍一些方法的不重要参数，对有些同时适用于DataFrame和Series的方法也未重怎介绍，读者可参考Pandas官方文档进一步学习，除了常规的系统学习外，还可以将本书作为工具书，在日常操作中随手查阅。本书也可作为技能培训教材，在教学中使用。