| 定價: | ||||
| 售價: | 833元 | |||
| 庫存: | 庫存: 2 | |||
| LINE US! | 詢問這本書 團購優惠、書籍資訊 等 | |||
Python資料分析 第三版 Python for Data Analysis, 3rd Edition (1版)
定價:
980
售價:
833
現省:
147
| 付款方式: | 超商取貨付款 |
|
|
| 信用卡 |
|
||
| 線上轉帳 |
|
||
| 物流方式: | 超商取貨 | ||
| 宅配 | |||
| 門市自取 |
詳細資訊
第一章 開場白 第二章 Python 語言基本知識、IPython 與 Jupyter Notebooks 第三章 內建的資料結構、函式與檔案 第四章 NumPy 基本知識：陣列與向量化計算 第五章 pandas 入門 第六章 資料的載入與儲存，及檔案格式 第七章 資料清理與準備 第八章 資料整頓：連接、結合與重塑 第九章 繪圖與視覺化 第十章 彙總與群組操作 第十一章 時間序列 第十二章 Python 建模程式庫簡介 第十三章 資料分析範例 附錄A NumPy 進階功能 附錄B IPython 系統的進階功能
為您推薦
類似書籍推薦給您
【簡介】 本書特色 1. 由淺入深，循序漸進 從基礎Python語言開始講解，適合初學者入門。完整說明Python程式設計的基本能力，包括變數、資料型態、控制流程、函式、物件導向等。 2. 圖文並茂，易學易懂 使用大量圖例和流程圖來詳細說明程式設計的觀念和語法，讓讀者更容易理解。 3. 結合ChatGPT，提升學習效率 介紹ChatGPT生成式AI，並提供了各種程式設計實例，幫助讀者更有效地學習Python。 4. 完整涵蓋Pandas資料分析 詳細說明Pandas套件的Python資料分析，包括資料匯入、匯出、篩選、編輯、彙整、清理、排序、合併、運算、群組分析、樞紐分析表、資料視覺化等。 5. 實戰導向，學以致用 本書提供大量實作範例，幫助讀者將所學知識應用於實際情況中。 內容簡介 本書是一本學習Python程式設計和資料分析的入門教材，適合初學者輕鬆上手。以Excel使用者的角度，詳細說明Pandas套件的Python資料分析，並透過ChatGPT生成式AI的幫助，讓讀者能夠更快、更輕鬆地學習Python程式設計和資料分析。 首先，本書從介紹Python程式語言的基礎開始，徹底解說讀者需要具備的程式設計能力，並介紹OpenAI推出的ChatGPT生成式AI，探討其在程式設計中的應用，以及如何利用ChatGPT來協助學習Python程式設計等相關技術。 其次，本書重點闡述Pandas套件在Python資料分析中的應用。從建立Series和DataFrame物件開始，逐步介紹了如何匯入和匯出不同格式的資料，以及如何進行資料篩選、操作和彙整。特別是在第14章至第16章中，通過具體的範例，讀者將學會如何進行資料清理、排序、合併，以及執行各種資料運算和視覺化。 本書的獨特之處在於將ChatGPT生成式AI融入到學習過程中，通過ChatGPT的幫助，讀者不僅可以寫出Python程式碼，還能夠自動產生商業模擬數據的學習範例，使得學習過程更加生動有趣，並且實際應用到商業資料分析中。 最後，本書使用豐富的圖例和流程圖詳細解說程式設計的觀念和語法，並利用fChart流程圖直譯器呈現動畫流程圖，幫助讀者更好地理解程式邏輯，從而提升解決問題的能力和思維邏輯。 《看圖學Python：資料分析與資料視覺化》不僅適用於計算機概論、程式設計和Python資料分析課程的教學，也是自學Python和資料分析的理想選擇。無論是對於初學者還是有一定程式基礎的讀者，本書都將成為你的良師益友，引領你踏入Python程式設計和資料分析的世界。 【目錄】 CH01 Python語言與運算思維基礎 1-1 程式與程式邏輯 1-2 認識Python、運算思維和Thonny 1-3 下載與安裝Thonny 1-4 使用Thonny建立第一個Python程式 1-5 Thonny基本使用與程式除錯 CH02 寫出和認識Python程式 2-1 開發Python程式的基本步驟 2-2 編輯現存的Python程式 2-3 建立第二個Python程式的加法運算 2-4 看看Python程式的內容 2-5 Python文字值 2-6 Python寫作風格 CH03 變數、運算式與運算子 3-1 程式語言的變數 3-2 在程式使用變數 3-3 變數的資料型態和型態轉換函數 3-4 讓使用者輸入變數值 3-5 認識運算式和運算子 3-6 在程式使用運算子 CH04 條件判斷 4-1 你的程式可以走不同的路 4-2 關係運算子與條件運算式 4-3 if單選條件敘述 4-4 if/else二選一條件敘述 4-5 if/elif/else多選一條件敘述 4-6 在條件敘述使用邏輯運算子 CH05 重複執行程式碼 5-1 認識迴圈敘述 5-2 for計數迴圈 5-3 while條件迴圈 5-4 改變迴圈的執行流程 5-5 巢狀迴圈與無窮迴圈 5-6 在迴圈中使用條件敘述 CH06 函數 6-1 認識函數 6-2 使用者自訂函數 6-3 函數的參數 6-4 函數的回傳值 6-5 函數的實際應用 6-6 變數範圍和內建函數 CH07 字串與容器型態 7-1 字串型態 7-2 串列型態 7-3 元組型態 7-4 字典型態 7-5 字串與容器型態的運算子 CH08 檔案、類別與例外處理 8-1 檔案處理 8-2 二進位檔案讀寫 8-3 類別與物件 8-4 建立例外處理 CH09 Python模組與套件 9-1 Python模組與套件 9-2 os模組：檔案操作與路徑處理 9-3 math模組：數學函數 9-4 turtle模組：海龜繪圖 9-5 pywin32套件：Office軟體自動化 CH10 使用ChatGPT學習Python程式設計 10-1 認識ChatGPT 10-2 註冊與使用ChatGPT 10-3 ChatGPT是你最佳的Python程式助手 10-4 ChatGPT應用：找出Python視窗程式的學習方向 10-5 ChatGPT應用：幫助你學習Python視窗程式設計 CH11 Pandas套件：匯入與匯出DataFrame 11-1 Pandas套件的基礎 11-2 建立Series和DataFrame物件 11-3 匯入外部資料 11-4 匯出DataFrame物件 11-5 實作案例：使用Pandas爬取HTML表格資料 CH12 檢視、選取與篩選DataFrame資料 12-1 檢視與了解DataFrame資料 12-2 檢視DataFrame的整體資訊 12-3 選取和走訪DataFrame整列與整欄資料 12-4 檢視DataFrame指定欄位的資訊 12-5 篩選DataFrame資料 12-6 實作案例：使用SQL語言篩選DataFrame資料 CH13 DataFrame索引、編輯與資料彙整 13-1 DataFrame索引設定 13-2 使用索引器選取DataFrame子集 13-3 編輯DataFrame資料 13-4 串聯多個DataFrame資料 13-5 實作案例：多個Excel工作表的資料彙整 CH14 DataFrame資料清理、排序與資料合併 14-1 字串與日期/時間的資料處理 14-2 DataFrame資料清理 14-3 DataFrame資料排序 14-4 DataFrame資料合併 14-5 實作案例：DataFrame商業資料清理 CH15 DataFrame資料運算、群組分析與樞紐分析表 15-1 DataFrame資料運算 15-2 DataFrame資料分組的群組分析 15-3 使用DataFrame建立樞紐分析表 15-4 實作案例：使用樞紐分析表進行資料分析 CH16 Pandas+Plotly Express資料視覺化 16-1 認識資料視覺化 16-2 Pandas資料視覺化 16-3 Plotly互動資料視覺化 16-4 實作案例：Tutsplus教學文件的資料視覺化 16-5 實作案例：台積電股價的互動資料視覺化 CHA Google Colab雲端服務基本使用(電子書)
類似書籍推薦給您
商品描述 內容介紹: 【最齊全！徹底活用Pandas的114技】 想學Pandas，看官方文件就夠了？ 對於Python使用者來說，Pandas無疑是資料分析的必備套件。有了Pandas，您可以非常高效地重塑、過濾、清理以及整合大部分類型的資料。的確，Pandas的官方網站提供了不同指令的使用範例。因此有的使用者會說：『不用買書看啦！網路資源這麼豐富，多看看官方文件就好了！』 不過，單單只知道某個指令的運作方式是不足夠的。在實際進行資料分析時，您可能需要結合多個指令來達成目標。這時候，您更需要知道如何活用Pandas。舉例來說，假設您現在面對DataFrame的記憶體用量過大，導致無法順利分析資料的難題時，該怎麼辦呢？ 從Pandas的官方文件中，您可以了解轉換欄位型別的方法，也知道如何查詢欄位的浮點數精度。只要結合這兩個方法，您就可以非常輕鬆地降低DataFrame的記憶體用量。遺憾的是，官方文件並不會告訴您這個訣竅，而必須自己花時間來摸索。在摸索的過程中，不可避免地會多走許多彎路。 本書並非單純的Pandas語法參考手冊。作者寫作此書時的目標，是希望讀者們可以從完整的範例中學習，並充分了解活用Pandas技巧的重要性。此外，作者習慣給出同一問題的不同解法，同時比較不同做法的效能。由此一來，讀者日後在實際分析資料時，才能知道哪一種做法是最優解。 目錄大綱 目錄: ☆第0章：Pandas 套件的基礎 0-1 DataFrame物件 0-2 DataFrame的屬性（attributes） 0-3 Series物件 0-4 Pandas中的資料型別 ☆第1章：DataFrame及Series的基本操作 1-1 選取DataFrame的欄位 1-2 呼叫Series的方法（method） 1-3 Series的相關操作 1-4 串連Series的方法 1-5 更改欄位名稱 1-6 新增及刪除欄位 ☆第2章：DataFrame的運算技巧 2-1 選取多個DataFrame的欄位 2-2 用方法選取欄位 2-3 對欄位名稱進行排序 2-4 DataFrame的統計方法 2-5 串連DataFrame的方法 2-6 DataFrame的算符運算 2-7 比較缺失值 2-8 轉置DataFrame運算的方向 2.9 案例演練：確定大學校園的多樣性 ☆第3章：建立與保存DataFrame 3-1 從無到有建立DataFrame 3-2 存取CSV檔案 3-3 讀取大型的CSV檔案 3-4 使用Excel檔案 3-5 讀取ZIP檔案中的資料 3-6 存取資料庫 3-7 存取JSON格式的資料 3-8 讀取HTML表格 ☆第4章：開始資料分析 4-1 制定資料分析的例行程序 4-2 資料字典 4-3 改變資料型別以減少記憶體用量 4-4 資料的排序 4-5 排序後選取每組的最大值和最小值 4-6 用sort_values()選取最大值 4-7 案例演練：計算移動停損單價格 ☆第5章：探索式資料分析 5-1 摘要統計資訊 5-2 轉換欄位的資料型別 5-3 資料轉換與缺失值處理 5-4 檢視連續資料的分佈狀況 5-5 檢視不同分類的資料分佈 5-6 比較連續欄位的關聯性 5-7 比較分類欄位的關聯性 5-8 使用Profiling函式庫建立摘要報告 ☆第6章：選取資料的子集 6-1 選取一筆或躲避Series資料 6-2 選取DataFrame的列 6-3 同時選取DataFrame的列與欄位 6-4 混用位置與標籤來選取資料 6-5 按標籤的字母順序進行切片 ☆第7章：用布林陣列篩選特定的資料 7-1 計算布林陣列的統計資訊 7-2 設定多個布林條件 7-3 以布林陣列來進行過濾 7-4 布林選取 vs 索引選取 7-5 用唯一或已排序的索引標籤來選取資料 7-6 利用Pandas實現SQL中的功能 7-7 使用query方法提高布林選取的可讀性 7-8 使用where()維持Series的大小 7-9 對DataFrame的列進行遮罩 7-10 以布林陣列、位置數字和標籤選擇資料 ☆第8章：索引對齊與尋找欄位最大值 8-1 檢驗Index物件 8-2 笛卡兒積 8-3 索引爆炸 8-4 填補缺失值 8-5 從不同的DataFrame增加欄位 8-6 凸顯每一欄位的最大值 8-7 串連方法來實現idxmax()的功能 8-8 尋找最常見的欄位最大值 ☆第9章：透過分組來進行聚合、過濾和轉換 9-1 進行簡單的分組及聚合運算 9-2 對多個欄位執行分組及聚合運算 9-3 分組後刪除MultiIndex 9-4 使用自訂的聚合函式來分組 9-5 可接收多個參數的自訂聚合函式 9-6 深入了解groupby物件 9-7 過濾特定的組別 9-8 分組轉換特定欄位的資料 9-9 使用apply()計算加權平均數 9-10 以連續變化的數值進行分組 9-11 案例演練：計算城市之間的航班總數 9-12 案例演練：尋找航班的連續準時記錄 ☆第10章：將資料重塑成整齊的形式 10-1 使用stack()整理『欄位名稱為變數值』的資料 10-2 使用melt()整理『欄位名稱為變數值』的資料 10-3 同時堆疊多組變數 10-4 欄位堆疊的反向操作 10-5 在彙總資料後進行反堆疊操作 10-6 使用groupby()模擬pivot_table的功能 10-7 重新命名各軸內的不同層級 10-8 重塑『欄位名稱包含多個變數』的資料 10-9 重塑『多個變數儲存在單一欄位內』的資料 10-10 整理『單一儲存格中包含多個值』的資料 10-11 整理『欄位名稱及欄位值包含變數』的資料 ☆第11章：時間序列分析 11-1 了解Python和Pandas日期工具的差別 11-2 對時間序列切片 11-3 過濾包含時間資料的欄位 11-4 僅適用於DatetimeIndex的方法 11-5 依據時間區段重新分組 11-6 分組彙總同一時間單位的多個欄位 11-7 案例演練：以『星期幾』來統計犯罪率 11-8 使用匿名函式來分組 11-9 使用Timestamp與另一欄位來分組 ☆第12章：利用Matplotlib、Pandas和Seaborn進行資料視覺化 12-1 Matplotlib入門 12-2 Matplotlib的物件導向指南 12-3 用Matplotlib視覺化資料 12-4 使用Pandas繪製基本圖形 12-5 視覺化航班資料集 12-6 使用堆疊面積圖找出趨勢 12-7 了解Seaborn和Pandas之間的區別 12-8 使用Seaborn進行多變量分析 Bonus A：組合多個DataFrame或Series A-1 在DataFrame上添加新的列 A-2 連接多個DataFrame A-3 concat()、join()和merge()的區別 A-4 連接到SQL資料庫 Bonus B：案例演練-使用Seaborn發現辛普森悖論 Bonus C：Pandas的效能、除錯與測試 C-1 轉換資料 C-2 apply()方法的效能 C-3 提高apply()的效能 C-4 快速檢視程式碼的技巧 C-5 在Jupyter中除錯 C-6 以Great Expectations來管理資料完整性 C-7 使用pytest來測試Pandas C-8 使用Hypothesis產生測試
類似書籍推薦給您
內容簡介 結合資料分析與Python、Excel 集Python、Excel、資料分析為一體是本書的最大特色。本書圍繞整個資料分析的基本流程，分別說明使用Excel與使用Python如何完成。內容包括：Python環境配置、Python基礎知識、資料來源的取得、資料概覽、資料預處理、數值操作、資料運算、時間序列、資料分組、樞紐分析表、結果檔匯出、資料視覺化等。 對比Excel學習Python Python 雖然是一門程式語言，但是在資料分析領域實現的功能和Excel的基本功能一樣，而Excel 又是大家比較熟悉、容易上手的軟體，所以可以透過Excel資料分析去對比學習Python資料分析。對於同一個功能，本書會告訴你在Excel中怎麼做，並告訴你如何在Python裡頭完成相對應的的操作。 使用Python輕鬆完成自動化 以實戰案例說明如何在工作中應用Python。諸如：利用Python實現報表自動化、自動發送電子郵件、使用Python分析報表找出暢銷商品、不同門市的銷售佔比並完成相關圖表的繪製等等 目錄 推薦序 作者序 【入門篇】 第1章 資料分析基礎 【實踐篇】 第2章 熟悉鍋 - Python 基礎知識 第3章 Pandas 資料結構 第4章 準備食材 - 取得資料來源 第5章 淘米洗菜 - 數據預處理 第6章 菜品挑選 - 資料的選擇 第7章 切配菜品 - 數值操作 第8章 開始烹調 - 資料運算 第9章 炒菜計時器 - 時間序列 第10章 菜品分類 - 資料分組 / 樞紐分析表 第11章 水果拼盤 - 多表拼接 第12章 盛菜裝盤 - 結果匯出 第13章 菜品擺放 - 資料視覺化 【進階篇】 第14章 典型資料分析案例 第15章 NumPy 陣列
類似書籍推薦給您
【簡介】 Excel 使用者的最佳 SQL 語言入門書 讓資料處理、報表生成自動化！ 【18 個一定要會的資料分析技巧！】 【輕鬆超入門 × 任務自動化 × 全方位上手資料分析 × 打造高效率工作術】 本書的目的是讓 Excel 使用者快速升級成 SQL 資料庫的使用者，學習如何使用 SQL 語言來進行 Excel 資料分析，並且以 SQL 角度來學習使用 Python 的 Pandas 套件，在 DataFrame 物件執行資料分析。 Excel 無所不能，但是功能操作繁雜。使用 SQL 語言，我們就只需要少少的程式碼來代替 Excel 功能，進行一系列的資料處理，包含排序、切割、篩選、合併、使用聚合函數、建立群組查詢，最後產生樞紐分析表。本書提供的 ChatGPT 提問模板，可以產生 SQL 及 Python 指令，幫助我們更快精通 Excel 與 Python 資料分析。 最後再結合 Power Automate 這套免費流程自動化工具，不僅能加速我們整理、命名報表檔案的效率，其內建的設定可以執行 SQL 語言，輕鬆完成自動化 Excel 資料分析。 ▍你將學會 ◆ 認識 RPA 與 Power Automate 基本概念及操作技巧 ◆ 設定自動化流程，實現檔案批次命名、工作表合併 ◆ 理解 SQL、Python 及資料庫結構的基本概念 ◆ 使用 Pandas 來擷取網路表格資料 ◆ 使用 SQL 指令和 Pandas 來處理 Excel 工作表資料 ◆ 與 ChatGPT 對話，幫你寫出 SQL 及 Python 指令 ▍本書應用範例 ◆ 自動統計各個通路的業績總和 ◆ 顯示業績達標狀況通知 ◆ 自動在 Excel 執行 VBA 程式 ◆ 使用 Pandas 套件爬取 HTML 表格資料 ◆ 批次命名和移動檔案 ◆ 撰寫 SQL 指令以建立樞紐分析表 ◆ 將不同檔案資料合併到同一個工作表 ◆ 讓 ChatGPT 幫你寫 SQL、Python 指令 ▍適合讀者 ◆ 經常使用 Excel 工作表進行資料分析的上班族 ◆ 渴望學習 SQL、Python 但缺乏經驗的新手 ◆ 追求工作流程自動化，希望融入 AI 技術以提升效率的人 【目錄】 第1章 RPA 與 Power Automate 基本使用 1-1 認識 Power Automate與 RPA 1-2 下載與安裝 Power Automate 桌面版 1-3 建立第一個 Power Automate 桌面流程 1-4 Power Automate 介面說明與匯出/匯入流程 1-5 Power Automate 的變數與資料型態 1-6 Power Automate 的條件、清單與迴圈 第2章 Power Automate × Excel 自動化應用 2-1 自動化建立與儲存 Excel 檔案 2-2 自動化在 Excel 工作表新增整列和整欄資料 2-3 自動化讀取和編輯 Excel 儲存格資料 2-4 自動化 Excel 工作表的處理 2-5 實作案例：自動化統計和篩選 Excel 工作表的資料 2-6 實作案例：自動化在 Excel 執行 VBA 程式 第3章 Power Automate 自動化下載 CSV 檔案與檔案處理 3-1 自動化檔案與資料夾處理 3-2 自動化日期 / 時間處理 3-3 實作案例：自動化依據副檔名來分類檔案 3-4 實作案例：自動化下載 CSV 檔案來匯入儲存至 Excel 第4章 使用 ChatGPT 學習 Python 程式設計 4-1 Python 變數、資料型別與運算子 4-2 流程控制 4-3 函數、模組與套件 4-4 容器型別 4-5 檔案與例外處理 4-6 實作案例：使用 ChatGPT 學習 Python 程式設計 第5章 Python 程式版 Excel：Pandas 套件 5-1 Pandas 基本使用 5-2 Pandas 資料讀取與儲存 5-3 Pandas 常用的資料處理 5-4 實作案例：使用 Pandas 匯入 / 匯出 Excel 資料 5-5 實作案例：使用 Pandas 爬取 HTML 表格資料 第6章 認識 Excel 工作表、資料庫和 SQL 語言 6-1 Excel 工作表與關聯式資料庫 6-2 認識 SQL 語言 6-3 實作案例：使用 ChatGPT 學習資料庫觀念 6-4 實作案例：使用 ChatGPT 寫出 SQL 指令敘述 第7章 在 Excel 工作表執行 SQL 指令 7-1 使用 Power Automate 在 Excel 執行 SQL 指令 7-2 使用 Excel VBA 在 Excel 執行 SQL 指令 7-3 使用 Python 在 Excel 和 DataFrame 執行 SQL 指令 7-4 建立適用 SQL 指令的 Excel 工作表 7-5 實作案例：處理 SQL 查詢結果的日期 / 時間資料 7-6 實作案例：將 Python 的 SQL 查詢結果匯出成 CSV 和 Excel 檔案 第8章 使用 SQL 顯示、篩選與排序 Excel 工作表 8-1 SQL 語言的 SELECT 指令 8-2 使用 SQL 指令顯示資料 8-3 使用 SQL 指令排序資料 8-4 使用 SQL 指令篩選資料 8-5 實作案例：使用 SQL 指令描述你的資料 8-6 實作案例：使用 SQL 指令找出你的排名 第9章 使用 SQL 編輯 Excel 工作表與彙整資料 9-1 使用 SQL 指令新增運算式和SQL函數欄位 9-2 使用 SQL 指令新增記錄 9-3 使用 SQL 指令更新資料 9-4 實作案例：使用 Power Automate + SQL 指令刪除記錄 9-5 實作案例：使用 Power Automate + SQL 指令彙整資料 第10章 使用 SQL 執行 Excel 多工作表查詢 10-1 Excel 多工作表查詢：子查詢 10-2 Excel 多工作表查詢：聯集查詢 10-3 Excel 多工作表查詢：合併查詢 10-4 實作案例：使用 Power Automate + SQL 合併工作表 第11章 使用 SQL 執行 Excel 工作表的資料清理 11-1 SQL 指令的 Null 空值處理 11-2 使用 SQL 指令處理遺漏值 11-3 使用 SQL 指令處理重複資料 11-4 使用 SQL 指令轉換資料類型和欄位值 11-5 實作案例：使用 Power Automate + SQL 執行 Excel 資料清理 第12章 使用 SQL 執行 Excel 工作表的資料分析與樞紐分析表 12-1 使用 Excel 建立樞紐分析表 12-2 使用 SQL 指令執行群組查詢 12-3 使用 SQL 指令建立樞紐分析表 12-4 實作案例：Power Automate + SQL 群組查詢建立樞紐分析表 附錄A Python 開發環境與註冊使用 ChatGPT A-1 Python 開發環境：Thonny A-2 註冊使用 ChatGPT
華通書坊
