Python資料可視化之美：極專業圖表製作高手書
類似書籍推薦給您
立即查看
資料可視化王者：用Python讓AI活躍在圖表世界中 (1版)
類似書籍推薦給您
原價:
1580
售價:
1422
現省:
158元
立即查看
看圖學Python：資料分析與資料視覺化 (1版)
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)
立即查看
Python資料科學學習手冊 (2版)
類似書籍推薦給您
簡介
處理大量資料的基本工具
「這本書提供了清晰且易於遵循的範例，幫助您設置與使用最重要的資料科學和機器學習工具。」
—Anne Bonner
Content Simplicity創辦人和CEO
Python是許多研究人員的首選工具，它擁有豐富的儲存、操作及洞察資料的程式庫。這些資源散布在資料科學的領域中，藉由本書，您可以一次獲得這些資源，包括Ipython、NumPy、Pandas、Matplotlib、Scikit-Learn和其它相關的工具。
對於熟悉Python，需要處理大量資料的資料科學家和資料處理人員來說，這是一本非常有價值的案頭書。可以有效率地處理每天面對的問題，像是操作、轉換及清理資料，視覺化不同形式的資料，建立統計學或機器學習模型等。
藉由本書，你將可以學習到：
‧IPython和Jupyter：提供資料科學家使用的Python計算環境
‧NumPy：在Python中進行高效儲存及操作密集資料陣列的ndarrys
‧Pandas：在Python中進行對於標籤式/欄位式的資料高效率儲存與操作
‧Matplotlib：在Python中進行彈性範圍的資料視覺化功能
‧Scikit-Learn：提供機器學習演算法以及簡潔的Python實作
作者介紹
Jake VanderPlas 是Google Research的軟體工程師，致力於開發支援資料密集型研究的工具。 他創建並開發了用於資料密集型科學的Python工具，包括Scikit-Learn、SciPy、AstroPy、Altair、JAX等。
目錄
第一章 IPython：更好用的Python
Shell還是Notebook
IPython 的求助與說明文件
在IPython Shell中的快捷鍵
IPython的Magic命令
輸入和輸出的歷程
IPython和Shell命令
和Shell相關的Magic命令
錯誤以及除錯
剖析和測定程式碼的時間
第二章 NumPy介紹
瞭解Python的資料型態
NumPy陣列基礎
NumPy 陣列屬性
陣列索引：存取單一個陣列元素
在NumPy陣列中的計算：Universal Functions
聚合操作：Min、Max、以及兩者間的所有事
在陣列上的計算：Broadcasting
比較、遮罩以及布林邏輯
Fancy索引
排序陣列
結構化的資料：NumPy的結構化陣列
更多進階的複合型態
第三章 使用Pandas操作資料
安裝並使用Pandas
Pandas 物件的介紹
資料的索引和選擇
在Pandas中操作資料
處理缺失資料
階層式索引
資料集的合併：Concat 和Append
合併資料集：Merge 以及Join
聚合計算與分組
樞紐分析表
向量化字串操作
使用時間系列
高效率Pandas：eval() 以及query()
第四章 使用Matplotlib進行視覺化
通用的Matplotlib技巧
買一送一的介面
簡單的線條圖形
簡單的散佈圖
視覺化誤差
密度圖和等高線圖
直方圖、分箱法及密度
自訂圖表的圖例
自訂色彩條
多重子圖表
文字和註解
自訂刻度
客製化Matplotlib：系統配置和樣式表
在Matplotlib中的三維繪圖法
Basemap的地理資料
使用Seaborn進行視覺化
第五章 機器學習
什麼是機器學習？
Scikit-Learn簡介
超參數以及模型驗證
特徵工程
深究：Naive Bayes Classification
深究：線性迴歸（Linear Regression）
深究：Support Vector Machines
深究：決策樹（Decision Tree）和隨機森林（Random Forest）
深究：主成份分析（Principal Component Analysis）
深究：流形學習（Manifold Learning）
深究：k- 均集群法
深究：高斯混合模型（Gaussian Mixture Models）
深究：核密度估計（Kernel Density Estimation）
應用：臉部辨識的管線
立即查看
Python資料分析 第三版 Python for Data Analysis, 3rd Edition (1版)
類似書籍推薦給您
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
立即查看
華通書坊
