第1章Python程序库入门

1.1安装Python 3

1.1.1安装数据分析程序库

1.1.2 Linux平台或Mac OS X平台

1.1.3 Windows平台

1.2将IPython用作shell

1.3学习手册页

1.4 Jupyter Notebook

1.5 NumPy数组

1.6一个简单的应用

1.7从何处寻求帮助和参考资料

1.8查看Pyton库中包含的模块

1.9通过Matplotlib实现数据的可视化

1.10小结

第2章NumPy数组

2.1 NumPy数组对象

2.2创建多维数组

2.3选择NumPy数组元素

2.4 NumPy的数值类型

2.4.1数据类型对象

2.4.2字符码

2.4.3 dtype构造函数

2.4.4 dtype属性

2.5一维数组的切片与索引

2.6处理数组形状

2.6.1堆叠数组

2.6.2拆分NumPy数组

2.6.3 NumPy数组的属性

2.6.4数组的转换

2.7创建数组的视图和拷贝

2.8花式索引

2.9基于位置列表的索引方法

2.10用布尔型变量索引 NumPy数组

2.11 NumPy数组的广播

2.12小结

2.13参考资料

第3章Pandas入门

3.1 Pandas的安装与概览

3.2 Pandas数据结构之DataFrame

3.3 Pandas数据结构之Series

3.4利用Pandas查询数据

3.5利用Pandas的DataFrame进行统计计算

3.6利用Pandas的DataFrame实现数据聚合

3.7 DataFrame的串联与附加操作

3.8连接DataFrames

3.9处理缺失数据问题

3.10处理日期数据

3.11数据透视表

3.12小结

3.13参考资料

第4章 统计学与线性代数

4.1用NumPy进行简单的描述性统计计算

4.2用NumPy进行线性代数运算

4.2.1用NumPy求矩阵的逆

4.2.2用NumPy解线性方程组

4.3用NumPy计算特征值和特征向量

4.4 NumPy随机数

4.4.1用二项式分布进行博弈

4.4.2正态分布采样

4.4.3用Scipy进行正态检验

4.5创建掩码式NumPy数组

4.6忽略负值和极值

4.7小结

第5章 数据的检索、加工与存储

5.1利用NumPy和pandas对CSV文件进行写操作

5.2二进制npy与pickle格式

5.3使用PyTables存储数据

5.4 Pandas DataFrame与HDF5仓库之间的读写操作

5.5使用Pandas读写Excel文件

5.6使用REST Web服务和JSON

5.7使用Pandas读写JSON

5.8解析RSS和Atom订阅

5.9使用Beautiful Soup解析HTML

5.10小结

5.11参考资料

第6章 数据可视化

6.1 Matplotlib的子库

6.2 Matplotlib绘图入门

6.3对数图

6.4散点图

6.5图例和注解

6.6三维图

6.7 Pandas绘图

6.8时滞图

6.9自相关图

6.10 Plot.ly

6.11小结

第7章 信号处理与时间序列

7.1 statsmodels模块

7.2移动平均值

7.3窗口函数

7.4协整的定义

7.5自相关

7.6自回归模型

7.7 ARMA模型

7.8生成周期信号

7.9傅里叶分析

7.10谱分析

7.11滤波

7.12小结

第8章 应用数据库

8.1基于sqlite3的轻量级访问

8.2通过Pandas访问数据库

8.3 SQLAlchemy

8.3.1 SQLAlchemy的安装和配置

8.3.2通过SQLAlchemy填充数据库

8.3.3通过SQLAlchemy查询数据库

8.4 Pony ORM

8.5 Dataset：懒人数据库

8.6 PyMongo与MongoDB

8.7利用Redis存储数据

8.8利用memcache存储数据

8.9 Apache Cassandra

8.10小结

第9章 分析文本数据和社交媒体

9.1安装NLTK

9.2 NLTK简介

9.3滤除停用字、姓名和数字

9.4词袋模型

9.5词频分析

9.6朴素贝叶斯分类

9.7情感分析

9.8创建词云

9.9社交网络分析

9.10小结

第10章 预测性分析与机器学习

10.1预处理

10.2基于逻辑回归的分类

10.3基于支持向量机的分类

10.4基于ElasticNetCV的回归分析

10.5支持向量回归

10.6基于相似性传播算法的聚类分析

10.7均值漂移算法

10.8遗传算法

10.9神经网络

10.10决策树

10.11小结

第11章 Python生态系统的外部环境和云计算

11.1与MATLAB/Octave交换信息

11.2安装rpy2

11.3连接R

11.4为Java传递NumPy数组

11.5集成SWIG和NumPy

11.6集成Boost和Python

11.7通过f2py使用For ran代码

11.8 PythonAnywhere云

11.9小结

第12章 性能优化、性能分析与并发性

12.1代码的性能分析

12.2安装Cython

12.3调用C代码

12.4利用multiprocessing创建进程池

12.5通过Joblib提高for循环的并发性

12.6比较Bottleneck函数与NumPy函数

12.7通过Jug实现MapReduce

12.8安装MPI for Python

12.9 IPython Parallel

12.10小结

附录A重要概念

附录B常用函数