目 录__eol__第１章 NumPy数值计算基础 001__eol__1.1 为何还需NumPy 002__eol__1.2 如何安装和导入NumPy 002__eol__1.3 N维数组的本质 003__eol__1.3.1 NumPy数组的两种视图 004__eol__1.3.2 数组的常用属性 004__eol__1.4 如何生成NumPy数组 008__eol__1.4.1 利用序列生成 008__eol__1.4.2 利用特定方法生成 009__eol__1.4.3 利用其他常用方法 011__eol__1.5 NumPy中的随机数生成 014__eol__1.6 NumPy数组中的运算 016__eol__1.6.1 向量运算 016__eol__1.6.2 NumPy中的通用函数 017__eol__1.6.3 逐元素运算与点乘运算 019__eol__1.6.4 向量的内积与矩阵乘法 020__eol__1.7 NumPy中的广播机制 022__eol__1.7.1 广播的本质 022__eol__1.7.2 “低维有1”情况下的广播 023__eol__1.7.3 “后缘相符”情况下的广播 023__eol__1.7.4 “后缘不符但低维有1”情况下的广播 024__eol__1.8 NumPy中的轴 026__eol__1.8.1 认识轴的概念 026__eol__1.8.2 基于轴的约减操作 027__eol__1.8.3 基于轴的各种运算 028__eol__1.9 操作数组元素 031__eol__1.9.1 通过索引访问数组元素 031__eol__1.9.2 NumPy中的切片访问 033__eol__1.9.3 二维数组的转置与展平 035__eol__1.10 实战：张量思维的养成——利用NumPy计算π 038__eol__1.11 本章小结 042__eol__1.12 思考与提高 042__eol__第2章 NumPy数值计算进阶 044__eol__2.1 NumPy数组的高级索引 045__eol__2.1.1 花式索引 045__eol__2.1.2 好用的布尔索引 050__eol__2.2 张量的堆叠操作与分割 051__eol__2.2.1 水平方向堆叠hstack 052__eol__2.2.2 垂直方向堆叠vstack 053__eol__2.2.3 深度方向堆叠dstack 054__eol__2.2.4 张量的分割操作 056__eol__2.3 NumPy张量的升维与降维 062__eol__2.4 数据的去重与铺叠 064__eol__2.4.1 用unique去重 065__eol__2.4.2 用tile铺叠数据 068__eol__2.5 张量的排序 071__eol__2.5.1 数值排序 071__eol__2.5.2 按列名（order）排序 073__eol__2.5.3 多序列排序（lexsort） 076__eol__2.5.4 索引排序（argsort） 078__eol__2.5.5 索引最大值（argmax）与最小值（argmin） 080__eol__2.6 常用的统计方法 081__eol__2.6.1 最大值、最小值与极值区间 082__eol__2.6.2 均值、中位数、百分数与方差 083__eol__2.6.3 众数与堆统计 084__eol__2.7 NumPy文件的读与写 086__eol__2.7.1 二进制文件的读与写 087__eol__2.7.2 文本文件的读与写 090__eol__2.7.3 CSV文件的读与写 091__eol__2.8 基于NumPy的综合实践 093__eol__2.8.1 鸢尾花数据集的统计分析 093__eol__2.8.2 电力负荷数据的处理 097__eol__2.9 本章小结 100__eol__2.10 思考与练习 101__eol__第3章 Pandas数据分析初步 102__eol__3.1 Pandas简介与安装 103__eol__3.2 Series类型数据 104__eol__3.2.1 Series的创建 104__eol__3.2.2 索引访问与重建索引 106__eol__3.2.3 通过字典构建Series 109__eol__3.2.4 Series中数据的选择 110__eol__3.2.5 向量化操作 112__eol__3.2.6 布尔索引 114__eol__3.2.7 切片访问 114__eol__3.2.8 数值的删除 115__eol__3.2.9 数值的添加 117__eol__3.3 DataFrame 类型数据 119__eol__3.3.1 构建DataFrame 120__eol__3.3.2 访问DataFrame中的列与行 122__eol__3.3.3 DataFrame的删除操作 128__eol__3.3.4 添加行与列 130__eol__3.4 基于Pandas的文件读取与分析 135__eol__3.4.1 读取CSV文件——以工资信息表为例 136__eol__3.4.2 DataFrame中的常用属性 137__eol__3.4.3 DataFrame中的常用方法 138__eol__3.4.4 DataFrame的条件过滤 141__eol__3.4.5 DataFrame的切片操作 143__eol__3.4.6 DataFrame的排序操作 145__eol__3.5 实战：读取Excel文件——以电力负荷数据为例 146__eol__3.5.1 数据源参数 147__eol__3.5.2 特定表单参数 147__eol__3.5.3 表头读数 150__eol__3.5.4 表头名称参数 151__eol__3.5.5 索引列参数 152__eol__3.5.6 解析列参数 152__eol__3.5.7 数据转换参数 153__eol__3.6 本章小结 153__eol__3.7 思考与练习 154__eol__第4章 Pandas数据预处理与深加工 156__eol__4.1 数据清洗 157__eol__4.1.1 缺失值标记与检测 157__eol__4.1.2 检测形式各异的缺失值 159__eol__4.1.3 缺失值的删除 161__eol__4.1.4 缺失值的填充 163__eol__4.2 数据的标准化 168__eol__4.2.1 MAX-MIN归一化 168__eol__4.2.2 零均值标准化 171__eol__4.3 数据变换与数据离散化 172__eol__4.3.1 类别型数据的哑变量处理 172__eol__4.3.2 连续型变量的离散化 174__eol__4.4 函数的映射与应用 178__eol__4.4.1 map函数的使用 178__eol__4.4.2 apply函数的使用 183__eol__4.4.3 applymap函数的使用 188__eol__4.5 索引的高阶应用 189__eol__4.5.1 重建索引 189__eol__4.5.2 设置索引 190__eol__4.5.3 重置索引 193__eol__4.5.4 分层索引 195__eol__4.5.5 实战：《指环王》台词数量分析 201__eol__4.6 数据的融合与堆叠 205__eol__4.6.1 merge按键数据融合 205__eol__4.6.2 concat按轴堆叠数据 210__eol__4.6.3 append数据项追加 214__eol__4.7 数据的聚合和分组操作 215__eol__4.7.1 聚合操作 216__eol__4.7.2 分组与聚合 217__eol__4.7.3 分组与转换 220__eol__4.8 数据重塑与透视 224__eol__4.8.1 数据重塑 224__eol__4.8.2 数据透视 228__eol__4.8.3 实战：《指环王》中的透视表 230__eol__4.9 实战：泰坦尼克幸存者数据预处理分析 234__eol__4.9.1 数据简介 234__eol__4.9.2 数据探索 236__eol__4.9.3 缺失值处理 238__eol__4.10 本章小结 241__eol__4.11 思考与练习 242__eol__第5章 Matplotlib可视化分析 244__eol__5.1 可视化与Matplot 245__eol__5.2 Matplot绘制简单图形 246__eol__5.3 pyplot的常用方法 249__eol__5.3.1 添加图例与注释 249__eol__5.3.2 设置（中文）标题及坐标轴 251__eol__5.3.3 添加网格线 256__eol__5.3.4 绘制多个子图 257__eol__5.3.5 Axes与subplot的区别 259__eol__5.3.6 图形的填充 265__eol__5.4 折线图 268__eol__5.5 散点图 270__eol__5.6 条形图与直方图 271