Miejsko-Gminna Biblioteka Publiczna

Spis treści:

1. Przedmowa
2. 1. Wstęp
3. 1.1. O czym jest ta książka?
4. Jakie rodzaje danych?
5. 1.2. Dlaczego warto korzystać z Pythona w celu przeprowadzenia analizy danych?
6. Python jako spoiwo
7. Rozwiązywanie problemu "dwujęzyczności"
8. Dlaczego nie Python?
9. 1.3. Podstawowe biblioteki Pythona
10. NumPy
11. pandas
12. Matplotlib
13. IPython i Jupyter
14. SciPy
15. Scikit-learn
16. statsmodels
17. Inne pakiety
18. 1.4. Instalacja i konfiguracja
19. Windows
20. GNU, Linux
21. macOS
22. Instalacja niezbędnych pakietów
23. Zintegrowane środowiska programistyczne i edytory tekstowe
24. 1.5. Społeczność i konferencje
25. 1.6. Nawigacja po książce
26. Przykłady kodu
27. Przykładowe dane
28. Konwencje importowania
29. 2. Podstawy Pythona oraz obsługi narzędzi IPython i Jupyter
30. 2.1. Interpreter Pythona
31. 2.2. Podstawy interpretera IPython
32. Uruchamianie powłoki IPython
33. Uruchamianie notatnika Jupyter Notebook
34. Uzupełnianie poleceń
35. Introspekcja
36. 2.3. Podstawy Pythona
37. Semantyka języka Python
38. Skalarne typy danych
39. Przepływ sterowania
40. 2.4. Podsumowanie
41. 3. Wbudowane struktury danych, funkcje i pliki
42. 3.1. Struktury danych i sekwencje
43. Krotka
44. Lista
45. Słownik
46. Zbiór
47. Wbudowane funkcje obsługujące sekwencje
48. Lista, słownik i zbiór - składanie
49. 3.2. Funkcje
50. Przestrzenie nazw, zakres i funkcje lokalne
51. Zwracanie wielu wartości
52. Funkcje są obiektami
53. Funkcje anonimowe (lambda)
54. Generatory
55. Błędy i obsługa wyjątków
56. 3.3. Pliki i system operacyjny
57. Bajty i kodowanie Unicode w plikach
58. 3.4. Podsumowanie
59. 4. Podstawy biblioteki NumPy: obsługa tablic i wektorów
60. 4.1. NumPy ndarray - wielowymiarowy obiekt tablicowy
61. Tworzenie tablic ndarray
62. Typ danych tablic ndarray
63. Działania matematyczne z tablicami NumPy
64. Podstawy indeksowania i przechwytywania części
65. Indeksowanie i wartości logiczne
66. Indeksowanie specjalne
67. Transponowanie tablic i zamiana osi
68. 4.2. Generowanie liczb pseudolosowych
69. 4.3. Funkcje uniwersalne - szybkie funkcje wykonywane na poszczególnych elementach tablicy
70. 4.4. Programowanie z użyciem tablic
71. Logiczne operacje warunkowe jako operacje tablicowe
72. Metody matematyczne i statystyczne
73. Metody tablic logicznych
74. Sortowanie
75. Wartości unikalne i operacje logiczne
76. 4.5. Tablice i operacje na plikach
77. 4.6. Algebra liniowa
78. 4.7. Przykład: błądzenie losowe
79. Jednoczesne symulowanie wielu błądzeń losowych
80. 4.8. Podsumowanie
81. 5. Rozpoczynamy pracę z biblioteką pandas
82. 5.1. Wprowadzenie do struktur danych biblioteki pandas
83. Obiekt Series
84. Obiekt DataFrame
85. Obiekty index
86. 5.2. Podstawowe funkcjonalności
87. Uaktualnianie indeksu
88. Odrzucanie elementów osi
89. Indeksowanie, wybieranie i filtrowanie
90. Działania arytmetyczne i wyrównywanie danych
91. Funkcje apply i map
92. Sortowanie i tworzenie rankingów
93. Indeksy osi ze zduplikowanymi etykietami
94. 5.3. Podsumowywanie i generowanie statystyk opisowych
95. Współczynnik korelacji i kowariancja
96. Unikalne wartości, ich liczba i przynależność
97. 5.4. Podsumowanie
98. 6. Odczyt i zapis danych, formaty plików
99. 6.1. Odczyt i zapis danych w formacie tekstowym
100. Wczytywanie części pliku tekstowego
101. Zapis danych w formacie tekstowym
102. Praca z plikami danych rozgraniczonych
103. Dane w formacie JSON
104. XML i HTML - web scraping
105. 6.2. Formaty danych binarnych
106. Wczytywanie plików programu Microsoft Excel
107. Obsługa formatu HDF5
108. 6.3. Obsługa interfejsów sieciowych
109. 6.4. Obsługa baz danych
110. 6.5. Podsumowanie
111. 7. Czyszczenie i przygotowywanie danych
112. 7.1. Obsługa brakujących danych
113. Filtrowanie brakujących danych
114. Wypełnianie brakujących danych
115. 7.2. Przekształcanie danych
116. Usuwanie duplikatów
117. Przekształcanie danych przy użyciu funkcji lub mapowania
118. Zastępowanie wartości
119. Zmiana nazw indeksów osi
120. Dyskretyzacja i podział na koszyki
121. Wykrywanie i filtrowanie elementów odstających
122. Permutacje i próbkowanie losowe
123. Przetwarzanie wskaźników i zmiennych zastępczych
124. 7.3. Rozszerzone typy danych
125. 7.4. Operacje przeprowadzane na łańcuchach
126. Metody obiektu typu string
127. Wyrażenia regularne
128. Funkcje tekstowe w pakiecie pandas
129. 7.5. Dane kategoryczne
130. Kontekst i motywacja
131. Rozszerzony typ Categorical w bibliotece pandas
132. Obliczenia na obiektach typu Categorical
133. Metody obiektu kategorycznego
134. 7.6. Podsumowanie
135. 8. Przetwarzanie danych - operacje łączenia, wiązania i przekształcania
136. 8.1. Indeksowanie hierarchiczne
137. Zmiana kolejności i sortowanie poziomów
138. Parametry statystyki opisowej z uwzględnieniem poziomu
139. Indeksowanie z kolumnami ramki danych
140. 8.2. Łączenie zbiorów danych
141. Łączenie ramek danych w stylu łączenia elementów baz danych
142. Łączenie przy użyciu indeksu
143. Konkatenacja wzdłuż osi
144. Łączenie częściowo nakładających się danych
145. 8.3. Zmiana kształtu i operacje osiowe
146. Przekształcenia z indeksowaniem hierarchicznym
147. Przekształcanie z formatu "długiego" na "szeroki"
148. Przekształcanie z formatu "szerokiego" na "długi"
149. 8.4. Podsumowanie
150. 9. Wykresy i wizualizacja danych
151. 9.1. Podstawy obsługi interfejsu pakietu matplotlib
152. Obiekty figure i wykresy składowe
153. Kolory, oznaczenia i style linii
154. Punkty, etykiety i legendy
155. Adnotacje i rysunki
156. Zapisywanie wykresów w postaci plików
157. Konfiguracja pakietu matplotlib
158. 9.2. Generowanie wykresów za pomocą pakietów pandas i seaborn
159. Wykresy liniowe
160. Wykresy słupkowe
161. Histogramy i wykresy gęstości
162. Wykresy punktowe
163. Wykresy panelowe i dane kategoryczne
164. 9.3. Inne narzędzia przeznaczone do wizualizacji danych w Pythonie
165. 9.4. Podsumowanie
166. 10. Agregacja danych i operacje wykonywane na grupach
167. 10.1. Mechanika interfejsu groupby
168. Iteracja po grupach
169. Wybieranie kolumny lub podzbioru kolumn
170. Grupowanie przy użyciu słowników i serii
171. Grupowanie przy użyciu funkcji
172. Grupowanie przy użyciu poziomów indeksu
173. 10.2. Agregacja danych
174. Przetwarzanie kolumna po kolumnie i stosowanie wielu funkcji
175. Zwracanie zagregowanych danych bez indeksów wierszy
176. 10.3. Metoda apply - ogólne zastosowanie techniki dziel-zastosuj-połącz
177. Usuwanie kluczy grup
178. Kwantyle i analiza koszykowa
179. Przykład: wypełnianie brakujących wartości przy użyciu wartości charakterystycznych dla grupy
180. Przykład: losowe generowanie próbek i permutacja
181. Przykład: średnie ważone grup i współczynnik korelacji
182. Przykład: regresja liniowa grup
183. 10.4. Transformacje grup i "nieobudowane" operacje grupowania
184. 10.5. Tabele przestawne i krzyżowe
185. Tabele krzyżowe
186. 10.6. Podsumowanie
187. 11. Szeregi czasowe
188. 11.1. Typy danych i narzędzia przeznaczone do obsługi daty i czasu
189. Konwersja pomiędzy obiektami string i datetime
190. 11.2. Podstawy szeregów czasowych
191. Indeksowanie i wybieranie
192. Szeregi czasowe z duplikatami indeksów
193. 11.3. Zakresy dat, częstotliwości i przesunięcia
194. Generowanie zakresów dat
195. Częstotliwości i przesunięcia daty
196. Przesuwanie daty
197. 11.4. Obsługa strefy czasowej
198. Lokalizacja i konwersja stref czasowych
199. Operacje z udziałem obiektów Timestamp o wyznaczonej strefie czasowej
200. Operacje pomiędzy różnymi strefami czasowymi
201. 11.5. Okresy i przeprowadzanie na nich operacji matematycznych
202. Konwersja częstotliwości łańcuchów
203. Kwartalne częstotliwości okresów
204. Konwersja znaczników czasu na okresy (i z powrotem)
205. Tworzenie obiektów PeriodIndex na podstawie tablic
206. 11.6. Zmiana rozdzielczości i konwersja częstotliwości
207. Zmniejszanie częstotliwości
208. Zwiększanie rozdzielczości i interpolacja
209. Zmiana rozdzielczości z okresami
210. Grupowa zmiana częstotliwości
211. 11.7. Funkcje ruchomego okna
212. Funkcje ważone wykładniczo
213. Binarne funkcje ruchomego okna
214. Funkcje ruchomego okna definiowane przez użytkownika
215. 11.8. Podsumowanie
216. 12. Wprowadzenie do bibliotek modelujących
217. 12.1. Łączenie pandas z kodem modelu
218. 12.2. Tworzenie opisów modeli przy użyciu biblioteki Patsy
219. Przekształcenia danych za pomocą formuł Patsy
220. Patsy i dane kategoryczne
221. 12.3. Wprowadzenie do biblioteki statsmodels
222. Szacowanie modeli liniowych
223. Szacowanie procesów szeregów czasowych
224. 12.4. Wprowadzenie do pakietu scikit-learn
225. 12.5. Podsumowanie
226. 13. Przykłady analizy danych
227. 13.1. Dane USA.gov serwisu Bitly
228. Liczenie stref czasowych w czystym Pythonie
229. Liczenie stref czasowych przy użyciu pakietu pandas
230. 13.2. Zbiór danych MovieLens 1M
231. Wyznaczenie rozbieżności ocen
232. 13.3. Imiona nadawane dzieciom w USA w latach 1880 - 2010
233. Analiza trendów imion
234. 13.4. Baza danych USDA Food
235. 13.5. Baza danych 2012 Federal Election Commission
236. Statystyki datków z podziałem na wykonywany zawód i pracodawcę
237. Podział kwot datków na koszyki
238. Statystyki datków z podziałem na poszczególne stany
239. 13.6. Podsumowanie
240. A. Zaawansowane zagadnienia związane z biblioteką NumPy
241. A.1. Szczegóły budowy obiektu ndarray
242. Hierarchia typów danych NumPy
243. A.2. Zaawansowane operacje tablicowe
244. Zmiana wymiarów tablic
245. Kolejności charakterystyczne dla języków C i Fortran
246. Łączenie i dzielenie tablic
247. Powtarzanie elementów - funkcje tile i repeat
248. Alternatywy indeksowania specjalnego - metody take i put
249. A.3. Rozgłaszanie
250. Rozgłaszanie wzdłuż innych osi
251. Przypisywanie wartości elementom tablicy poprzez rozgłaszanie
252. A.4. Zaawansowane zastosowania funkcji uniwersalnych
253. Metody instancji funkcji uniwersalnych
254. Pisanie nowych funkcji uniwersalnych w Pythonie
255. A.5. Tablice o złożonej strukturze
256. Zagnieżdżone typy danych i pola wielowymiarowe
257. Do czego przydają się tablice o złożonej strukturze?
258. A.6. Jeszcze coś o sortowaniu
259. Sortowanie pośrednie - metody argsort i lexsort
260. Alternatywne algorytmy sortowania
261. Częściowe sortowanie tablic
262. Wyszukiwanie elementów w posortowanej tablicy za pomocą metody numpy.searchsorted
263. A.7. Pisanie szybkich funkcji NumPy za pomocą pakietu Numba
264. Tworzenie obiektów numpy.ufunc za pomocą pakietu Numba
265. A.8. Zaawansowane tablicowe operacje wejścia i wyjścia
266. Pliki mapowane w pamięci
267. HDF5 i inne możliwości zapisu tablic
268. A.9. Jak zachować wysoką wydajność?
269. Dlaczego warto korzystać z sąsiadujących ze sobą obszarów pamięci?
270. B. Dodatkowe informacje dotyczące systemu IPython
271. B.1. Skróty klawiaturowe
272. B.2. Magiczne polecenia
273. Polecenie %run
274. Uruchamianie kodu zapisanego w schowku
275. B.3. Korzystanie z historii poleceń
276. Przeszukiwanie i korzystanie z historii poleceń
277. Zmienne wejściowe i wyjściowe
278. B.4. Interakcja z systemem operacyjnym
279. Polecenia powłoki systemowej i aliasy
280. System tworzenia skrótów do katalogów
281. B.5. Narzędzia programistyczne
282. Interaktywny debuger
283. Pomiar czasu - funkcje %time i %timeit
284. Podstawowe profilowanie - funkcje %prun i %run-p
285. Profilowanie funkcji linia po linii
286. B.6. Wskazówki dotyczące produktywnego tworzenia kodu w środowisku IPython
287. Przeładowywanie modułów
288. Wskazówki dotyczące projektowania kodu
289. B.7. Zaawansowane funkcje środowiska IPython
290. Profile i konfiguracja
291. B.8. Podsumowanie

Zobacz spis treści

---