Python語言擁有大量可用於存儲、操作和洞察數據的程序庫，已然成為深受數據科學研究人員推崇的工具。本書以IPython、NumPy、Pandas、Matplotlib和Scikit-Learn這5個能完成數據科學大部分工作的基礎工具為主，從實戰角度出發，講授如何清洗和可視化數據、如何用數據建立各種統計學或機器學習模型等常見數據科學任務，旨在讓各領域與數據處理相關的工作人員具備發現問題、解決問題的能力。·IPython和Jupyter:為使用Python提供計算環境·NumPy：用ndarray等

●譯者序xiii
前言xv
第1章IPython：超越Python1
1.1shell還是Notebook1
1.1.1啟動IPythonshell2
1.1.2啟動JupyterNotebook2
1.2IPython的幫助和文檔3
1.2.1用符號獲取文檔3
1.2.2通過符號獲取源代碼4
1.2.3用Tab補全的方式探索模塊5
1.3IPythonshell中的快捷鍵7
1.3.1導航快捷鍵7
1.3.2文本輸入快捷鍵7
1.3.3命令歷史快捷鍵8
1.3.4其他快捷鍵9
1.4IPython魔法命令9
1.4.1粘貼代碼塊：%paste和%cpaste9
1.4.2執行外部代碼：%run10
1.4.3計算代碼運行時間：%timeit11
1.4.4魔法函數的幫助：、%magic和%lsmagic11
1.5輸入和輸出歷史12
1.5.1IPython的輸入和輸出對像12
1.5.2下劃線快捷鍵和以前的輸出13
1.5.3禁止輸出13
1.5.4相關的魔法命令13
1.6IPython和shell命令14
1.6.1shell快速入門14
1.6.2IPython中的shell命令15
1.6.3在shell中傳入或傳出值15
1.7與shell相關的魔法命令16
1.8錯誤和調試17
1.8.1控制異常：%xmode17
1.8.2調試：當閱讀軌跡追溯不足以解決問題時19
1.9代碼的分析和計時21
1.9.1代碼段計時：%timeit和%time22
1.9.2分析整個腳本：%prun23
1.9.3用%lprun進行逐行分析24
1.9.4用%memit和%mprun進行內存分析25
1.10IPython參考資料26
1.10.1網絡資源26
1.10.2相關圖書27
第2章NumPy入門28
2.1理解Python中的數據類型29
2.1.1Python整型不僅僅是一個整型30
2.1.2Python列表不僅僅是一個列表31
2.1.3Python中的固定類型數組32
2.1.4從Python列表創建數組32
2.1.5從頭創建數組33
2.1.6NumPy標準數據類型34
2.2NumPy數組基礎35
2.2.1NumPy數組的屬性36
2.2.2數組索引：獲素37
2.2.3數組切片：獲取子數組38
2.2.4數組的變形41
2.2.5數組拼接和分裂42
2.3NumPy數組的計算：通用函數44
2.3.1緩慢的循環44
2.3.2通用函數介紹45
2.3.3探索NumPy的通用函數46
2.3.4通用函數特性49
2.3.5通用函數：更多的信息51
2.4聚合：*小值、*大值和其他值51
2.4.1數組值求和51
2.4.2*小值和*大值52
2.4.3示例：美國總統的身高是多少54
2.5數組的計算：廣播55
2.5.1廣播的介紹55
2.5.2廣播的規則57
2.5.3廣播的實際應用60
2.6比較、掩碼和布爾邏輯61
2.6.1示例：統計下雨天數61
2.6.2和通用函數類似的比較操作62
2.6.3操作布爾數組64
2.6.4將布爾數組作為掩碼66
2.7花哨的索引69
2.7.1探索花哨的索引69
2.7.2組合索引70
2.7.3示例：選擇隨機點71
2.7.4用花哨的索引修改值72
2.7.5示例：數據區間劃分73
2.8數組的排序75
2.8.1NumPy中的快速排序：np.sort和np.argsort76
2.8.2部分排序：分隔77
2.8.3示例：K個*近鄰78
2.9結構化數據：NumPy的結構化數組81
2.9.1生成結構化數組83
2.9.2更高級的復合類型84
2.9.3記錄數組：結構化數組的扭轉84
2.9.4關於Pandas85
第3章Pandas數據處理86
3.1安裝並使用Pandas86
3.2Pandas對像簡介87
3.2.1Pandas的Series對像87
3.2.2Pandas的DataFrame對像90
3.2.3Pandas的Index對像93
3.3數據取值與選擇95
3.3.1Series數據選擇方法95
3.3.2DataFrame數據選擇方法98
3.4Pandas數值運算方法102
3.4.1通用函數：保留索引102
3.4.2通用函數：索引對齊103
3.4.3通用函數：DataFrame與Series的運算105
3.5處理缺失值106
3.5.1選擇處理缺失值的方法106
3.5.2Pandas的缺失值107
3.5.3處理缺失值110
3.6層級索引113
3.6.1多級索引Series113
3.6.2多級索引的創建方法116
3.6.3多級索引的取值與切片119
3.6.4多級索引行列轉換121
3.6.5多級索引的數據累計方法124
3.7合並數據集：Concat與Append操作125
3.7.1知識回顧：NumPy數組的合並126
3.7.2通過pd.concat實現簡易合並126
3.8合並數據集：合並與連接129
3.8.1關繫代數129
3.8.2數據連接的類型130
3.8.3設置數據合並的鍵132
3.8.4設置數據連接的集合操作規則134
3.8.5重復列名：suffixes參數135
3.8.6案例：美國各州的統計數據136
3.9累計與分組140
3.9.1行星數據140
3.9.2Pandas的簡單累計功能141
3.9.3GroupBy：分割、應用和組合142
3.10數據透視表150
3.10.1演示數據透視表150
3.10.2手工制作數據透視表151
3.10.3數據透視表語法151
3.10.4案例：美國人的生日153
3.11向量化字符串操作157
3.11.1Pandas字符串操作簡介157
3.11.2Pandas字符串方法列表159
3.11.3案例：食譜數據庫163
3.12處理時間序列166
3.12.1Python的日期與時間工具166
3.12.2Pandas時間序列：用時間作索引169
3.12.3Pandas時間序列數據結構170
3.12.4時間頻率與偏移量172
3.12.5重新取樣、遷移和窗口173
3.12.6更多學習資料178
3.12.7案例：美國西雅圖自行車統計數據的可視化179
3.13高性能Pandas：eval()與query()184
3.13.1query()與eval()的設計動機：復合代數式184
3.13.2用pandas.eval()實現高性能運算185
3.13.3用DataFrame.eval()實現列間運算187
3.13.4DataFrame.query()方法188
3.13.5性能決定使用時機189
3.14參考資料189
第4章Matplotlib數據可視化191
4.1Matplotlib常用技巧192
4.1.1導入Matplotlib192
4.1.2設置繪圖樣式192
4.1.3用不用show()？如何顯示圖形192
4.1.4將圖形保存為文件194
4.2兩種畫圖接口195
4.2.1MATLAB風格接口195
4.2.2面向對像接口196
4.3簡易線形圖197
4.3.1調整圖形：線條的顏色與風格199
4.3.2調整圖形：坐標軸上下限200
4.3.3設置圖形標簽203
4.4簡易散點圖204
4.4.1用plt.plot畫散點圖205
4.4.2用plt.scatter畫散點圖206
4.4.3plot與scatter：效率對比208
4.5可視化異常處理208
4.5.1基本誤差線209
4.5.2連續誤差210
4.6密度圖與等高線圖211
4.7頻次直方圖、數據區間劃分和分布密度215
4.8配置圖例219
4.8.1選擇圖例素221
4.8.2在圖例中顯示不同尺寸的點222
4.8.3同時顯示多個圖例223
4.9配置顏色條224
4.9.1配置顏色條224
4.9.2案例：手寫數字228
4.10多子圖230
4.10.1plt.axes：手動創建子圖230
4.10.2plt.subplot：簡易網格子圖231
4.10.3plt.subplots：用一行代碼創建網格233
4.10.4plt.GridSpec：實現更復雜的排列方式234
4.11文字與注釋235
4.11.1案例：節假日對美國出生率的影響236
4.11.2坐標變換與文字位置237
4.11.3箭頭與注釋239
4.12自定義坐標軸刻度241
4.12.1主要刻度與次要刻度242
4.12.2隱藏刻度與標簽243
4.12.3增減刻度數量244
4.12.4花哨的刻度格式245
4.12.5格式生成器與定位器小結247
4.13Matplotlib自定義：配置文件與樣式表248
4.13.1手動配置圖形248
4.13.2修改默認配置：rcParams249
4.13.3樣式表251
4.14用Matplotlib畫三維圖255
4.14.1三維數據點與線256
4.14.2三維等高線圖256
4.14.3線框圖和曲面圖258
4.14.4曲面三角剖分259
4.15用Basemap可視化地理數據261
4.15.1地圖投影263
4.15.2畫一個地圖背景267
4.15.3在地圖上畫數據269
4.15.4案例：美國加州城市數據270
4.15.5案例：地表溫度數據271
4.16用Seaborn做數據可視化273
4.16.1Seaborn與Matplotlib274
4.16.2Seaborn圖形介紹275
4.16.3案例：探索馬拉松比賽成績數據283
4.17參考資料290
4.17.1Matplotlib資源290
4.17.2其他Python畫圖程序庫290
第5章機器學習291
5.1什麼是機器學習291
5.1.1機器學習的分類292
5.1.2機器學習應用的定性示例292
5.1.3小結299
5.2Scikit-Learn簡介300
5.2.1Scikit-Learn的數據表示300
5.2.2Scikit-Learn的評估器API302
5.2.3應用：手寫數字探索309
5.2.4小結313
5.3超參數與模型驗證313
5.3.1什麼是模型驗證314
5.3.2選擇模型317
5.3.3學習曲線322
5.3.4驗證實踐：網格搜索326
5.3.5小結327
5.4特征工程327
5.4.1分類特征327
5.4.2文本特征329
5.4.3圖像特征330
5.4.4衍生特征330
5.4.5缺失值填充332
5.4.6特征管道332
5.5專題：樸素貝葉斯分類333
5.5.1貝葉斯分類333
5.5.2高斯樸素貝葉斯334
5.5.3多項式樸素貝葉斯336
5.5.4樸素貝葉斯的應用場景339
5.6專題：線性回歸340
5.6.1簡單線性回歸340
5.6.2基函數回歸342
5.6.3正則化346
5.6.4案例：預測自行車流量349
5.7專題：支持向量機353
5.7.1支持向量機的由來354
5.7.2支持向量機：邊界*大化355
5.7.3案例：人臉識別363
5.7.4支持向量機總結366
5.8專題：決策樹與隨機森林367
5.8.1隨機森林的誘因：決策樹367
5.8.2評估器集成算法：隨機森林371
5.8.3隨機森林回歸373
5.8.4案例：用隨機森林識別手寫數字374
5.8.5隨機森林總結376
5.9專題：主成分分析376
5.9.1主成分分析簡介377
5.9.2用PCA作噪音過濾383
5.9.3案例：特征臉385
5.9.4主成分分析總結387
5.10專題：流形學習388
5.10.1流形學習：“HELLO”388
5.10.2多維標度法（MDS）389
5.10.3將MDS用於流形學習391
5.10.4非線性嵌入：當MDS失敗時393
5.10.5非線性流形：局部線性嵌入395
5.10.6關於流形方法的一些思考396
5.10.7示例：用Isomap處理人臉數據397
5.10.8示例：手寫數字的可視化結構400
5.11專題：k-means聚類402
5.11.1k-means簡介403
5.11.2k-means算法：期望*大化404
5.11.3案例409
5.12專題：高斯混合模型415
5.12.1高斯混合模型（GMM）為什麼會出現：k-means算法
的缺陷415
5.12.2一般化E-M：高斯混合模型417
5.12.3將GMM用作密度估計421
5.12.4示例：用GMM生 的數據425
5.13專題：核密度估計427
5.13.1KDE的由來：直方圖428
5.13.2核密度估計的實際應用431
5.13.3示例：球形空間的KDE433
5.13.4示例：不是很樸素的貝葉斯436
5.14應用：人臉識別管道439
5.14.1HOG特征440
5.14.2HOG實戰：簡單人臉識別器441
5.14.3注意事項與改進方案445
5.15機器學習參考資料446
5.15.1Python中的機器學習446
5.15.2通用機器學習資源447
關於作者448
關於封面448

《Python數據科學手冊》是對以數據深度需求為中心的科學、研究以及針對計算和統計方法的參考書。本書共五章，每章介紹一到兩個Python數據科學中的重點工具包。首先從IPython和Jupyter開始，它們提供了數據科學家需要的計算環境；第 2章講解能提供ndarray對像的NumPy，它可以用Python高效地存儲和操作大型數組；第3章主要涉及提供DataFrame對像的Pandas，它可以用Python高效地存儲和操作帶標簽的 列式數據；第4章的主角是Matplotlib，它為Python提供了許多數據可視化功能；第5章以Scikit-Learn為主，這個程序庫為重要的機器學習算法提供了高效整潔的Python版實現。《Python數據科學手冊》適合有編程背景，並打算將開源Python工具用作分析、操作、可視化以及學習數據的數據科學研究人員。

(美)傑克·萬托布拉斯(Jake VanderPlas) 著;陶俊傑,陳小莉 譯 著