NumPy 和 Pandas 数据分析实用指南 （初译） (it-ebooks) (Z-Library)

1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 Table of Contents NumPy 和 Pandas 数据分析实⽤指南 零、前⾔ ⼀、配置 Python 数据分析环境 ⼆、探索 NumPy 三、NumPy 数组上的运算 四、Pandas 很有趣！ 什么是 Pandas？ 五、Pandas 的算术，函数应⽤以及映射 六、排序，索引和绘图

NumPy 和 Pandas 数据分析实⽤指 南 原⽂：Hands-On Data Analysis with NumPy and pandas 协议：CC BY-NC-SA 4.0 欢迎任何⼈参与和完善：⼀个⼈可以⾛的很快，但是⼀群⼈却可 以⾛的更远。 在线阅读 ApacheCN ⾯试求职交流群 724187166 ApacheCN 学习资源

贡献指南 本项⽬需要校对，欢迎⼤家提交 Pull Request。 请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不 要求您做到⼗全⼗美，因此请不要担⼼因为翻译上犯错——在⼤ 部分情况下，我们的服务器已经记录所有的翻译，因此您不必担 ⼼会因为您的失误遭到⽆法挽回的破坏。（改编⾃维基百科）

联系⽅式 负责⼈ ⻜⻰: 562826179 其他 在我们的 apachecn/apachecn-ds-zh github 上提 issue. 发邮件到 Email:  apachecn@163.com . 在我们的 组织学习交流群 中联系群主/管理员即可.

赞助我们

零、前⾔ Python 是⼀种多范式编程语⾔，已成为数据科学家进⾏数据分析，可 视化和机器学习的⾸选语⾔。 您将⾸先学习如何为 Python 建⽴正确的数据分析环境。 在这⾥，您 将学习安装正确的 Python 发⾏版，以及使⽤ Jupyter 笔记本和建⽴数 据库。 之后，您将深⼊研究 Python 的 NumPy 包 -- Python 的强⼤扩展 以及⾼级数学函数。 您将学习如何创建 NumPy 数组，以及如何使⽤ 不同的数组⽅法和函数。 然后，您将探索 Python 的 pandas 扩展，在 那⾥您将学习数据的⼦集，并深⼊研究使⽤ pandas 的数据映射。 您还 将学习通过对数据集进⾏排序和排序来管理它们。 到本书结尾，您将学习对数据进⾏索引和分组以进⾏复杂的数据分析 和处理。

这本书是给谁的 如果您是 Python 开发⼈员，并且想迈出第⼀步进⼊数据分析领域，那 么这就是您⼀直在等待的书！

充分利⽤这本书 Python 3.4.x 或更⾼版本。 在 Debian 及其衍⽣产品（Ubuntu）上： python，python-dev 或 python3-dev。 在 Windows 上： www.python.org 上的官⽅ python 安装程序就⾜够了： NumPy Pandas

使⽤约定 本书中使⽤了许多⽂本约定。  CodeInText ：表⽰⽂本中的词，数据库表名称，⽂件夹名称，⽂件 名，⽂件扩展名，路径名，伪 URL，⽤户输⼊和 Twitter 句柄。 这是 ⼀个⽰例：“然后⽤这个符号与  arr1 相乘”。 任何命令⾏输⼊或输出的编写⽅式如下： conda install selenium 粗体：表⽰您在屏幕上看到的新术语，重要单词或顺序。 例如，菜单 或对话框中的单词会出现在这样的⽂本中。 这是⼀个⽰例：“在此添 加单元，然后单击再次运⾏单元”。 警告或重要提⽰如下所⽰。 提⽰和技巧如下所⽰。

⼀、配置 Python 数据分析环境 在本章中，我们将介绍以下主题： 安装 Anaconda 探索 Jupyter 笔记本 探索 Jupyter 的替代品 管理 Anaconda 包 配置数据库 在本章中，我们将讨论如何安装和管理 Anaconda。 Anaconda 是⼀个 包，我们将在本书的以下各章中使⽤。

什么是 Anaconda？ 在本节中，我们将讨论什么是 Anaconda 以及为什么使⽤它。 我们将 提供⼀个链接，以显⽰从其赞助商 Continuum Analytics 的⽹站下载 Anaconda 的位置，并讨论如何安装 Anaconda。 Anaconda 是 Python 和 R 编程语⾔的开源发⾏版。 在本书中，我们将专注于 Anaconda 专门⽤于 Python 的部分。 Anaconda 帮助我们将这些语⾔⽤于数据分析应⽤，包括⼤规模数据处 理，预测分析以及科学和统计计算。 Continuum Analytics 为 Anaconda 提供企业⽀持，包括可帮助团队协作并提⾼其系统性能的版本，并提 供⼀种部署使⽤ Anaconda 开发的模型的⽅法。 因此，Anaconda 出现 在企业环境中，有抱负的分析师应该熟悉它的⽤法。 Anaconda 附带 了本书中使⽤的许多包，包括 Jupyter，NumPy，pandas 以及其他许多 数据分析中常⽤的包。 仅此⼀项就可以解释其受欢迎程度。 Anaconda 的安装包括现成的数据分析所需的⼤部分内容。 Conda 包管 理器还可⽤于下载和安装新包。 为什么要使⽤ Anaconda？ Anaconda 专门为数据分析打包了 Python。 Anaconda 安装中包含了您项⽬中最重要的包。 除了 Anaconda 提供的 ⼀些性能提升，和 Continuum Analytics 对该包的企业⽀持之外，对于 它的流⾏也不应感到惊讶。

安装 Anaconda 您可以从 Continuum Analytics ⽹站免费下载 Anaconda。 下载主⻚⾯ 在这⾥； 否则，很容易找到。 确保选择适合您系统的安装程序。 显 然，选择适合您的操作系统的安装程序，但也要注意 Anaconda 具有 32 位和 64 位版本。 64 位版本为 64 位系统提供最佳性能。 Python 社区正处于从 Python 2.7 到 Python 3.6 的缓慢过渡中，这不是 完全向后兼容的。 如果您需要使⽤ Python 2.7，可能是由于遗留代码 或尚未更新为与 Python 3.6 兼容的包，请选择 Anaconda 的 Python 2.7 版本。 否则，我们将使⽤ Python 3.6。 以下屏幕截图来⾃ Anaconda ⽹站，分析⼈员可从该⽹站下载 Anaconda：

Anaconda website 如您所⻅，我们可以选择适⽤于操作系统（包括 Windows，macOS 和 Linux），处理器和 Python 版本的 Anaconda 安装。 导航到正确的操作 系统和处理器，然后在 Python 2.7 和 Python 3.6 之间进⾏选择。 在这⾥，我们将使⽤ Python 3.6。 在 Windows 和 macOS 上进⾏安装 最终等同于使⽤安装向导，该安装向导通常会为您的系统选择最佳选 项，尽管它确实允许某些选项根据您的⾸选项⽽有所不同。

Linux 安装必须通过命令⾏完成，但是对于那些熟悉 Linux 安装的⼈来 说，它应该不会太复杂。 最终，这相当于运⾏ Bash 脚本。 在本书 中，我们将使⽤ Windows。

探索 Jupyter 笔记本 在本节中，我们将探索 Jupyter 笔记本，这是我们将使⽤ Python 进⾏ 数据分析的主要⼯具。 我们将看到什么是 Jupyter 笔记本，还将讨论 Markdown，这是我们在 Jupyter 笔记本中⽤于创建格式化⽂本的⼯ 具。 在 Jupyter 笔记本中，有两种类型的块。 有⼀些可执⾏的 Python 代码块，然后是带格式的，⼈类可读的⽂本块。 ⽤户执⾏ Python 代码块，然后将结果直接插⼊⽂档中。 除⾮以同样 的⽅式运⾏，否则代码块可以以任何顺序重新运⾏，⽽不必影响以后 的块。 由于 Jupyter 笔记本基于 IPython，因此有⼀些附加功能，例如 魔术命令。 Anaconda 随附 Jupyter 笔记本。 Jupyter 笔记本允许纯⽂本与代码混 合。 可以使⽤称为 Markdown 的语⾔格式化纯⽂本。 它以纯⽂本格 式完成。 我们也可以插⼊段落。 以下⽰例是您在 Markdown 中看到的 ⼀些常⻅语法：

以下屏幕截图显⽰了 Jupyter 笔记本： 如您所⻅，它⽤尽了⽹络浏览器，例如 Chrome 或 Firefox，在这种情 况下为 Chrome。 当我们开始 Jupyter 笔记本时，我们在⽂件浏览器 中。 我们在⼀个新创建的⽬录  Untitled Folder 中。 在 Jupyter 笔记 本中，有⽤于创建新笔记本，⽂本⽂件和⽂件夹的选项。 如前⾯的屏 幕截图所⽰，当前没有保存笔记本。 我们将需要⼀个 Python 笔记 本，可以通过在以下屏幕快照中显⽰的“新建”下拉菜单中选择 Python 选项来创建它。 笔记本启动后，我们从⼀个代码块开始。 我们可以将此代码块更改为 Markdown 块，现在可以开始输⼊⽂本了。 例如，我们可以输⼊标题。 我们还可以输⼊纯⽂本以及粗体和斜体， 如下⾯的屏幕快照所⽰：

如您所⻅，在渲染结束时会有⼀些提⽰，但是实际上我们可以通过单 击运⾏单元按钮来查看渲染。 如果要更改此设置，可以双击同⼀单元 格。 现在我们回到纯⽂本编辑。 在这⾥我们添加单型，然后再次单击 运⾏单元，如下所⽰： 在按下  Enter 时，随后将⽴即创建⼀个新单元格。 该单元格是⼀个 Python 单元格，我们可以在其中输⼊ Python 代码。 例如，我们可以 创建⼀个变量。 我们多次打印  Hello, world! ，如以下屏幕截图所 ⽰：

要查看执⾏单元时会发⽣什么，我们只需单击运⾏单元； 同样，当我 们按  Enter 时，将创建⼀个新的单元块。 让我们将此单元格块标记为 Markdown 块。 如果要插⼊其他单元格，可以按下⾯的插⼊单元格。 在第⼀个单元格中，我们将输⼊⼀些代码，在第⼆个单元格中，我们 可以输⼊依赖于第⼀个单元格中的代码的代码。 注意当我们尝试在第 ⼀个单元格中执⾏代码之前在第⼆个单元格中执⾏代码时会发⽣什 么。 将产⽣⼀个错误，如下所⽰：

投诉变量  trigger 尚未定义。 为了使第⼆个单元正常⼯作，我们需要 运⾏第⼀个单元。 然后，当我们运⾏第⼆个单元格时，我们将获得预 期的输出。 现在假设我们要更改此单元格中的代码。 ⽐⽅说，我们 有  trigger = True ⽽不是  trigger = False 。 第⼆个单元将不知道该 更改。 如果再次运⾏此单元格，则会得到相同的输出。 因此，我们将 需要⾸先运⾏此单元格，从⽽影响更改。 然后我们可以运⾏第⼆个单 元并获得预期的输出。 后台发⽣了什么？ 发⽣的事情是有⼀个内核，它基本上是⼀个正在运 ⾏的 Python 会话，它跟踪我们所有的变量以及到⽬前为⽌发⽣的所有 事情。 如果单击内核，则可以看到重新启动内核的选项。 这将基本上 重新启动我们的 Python 会话。 我们最初警告说，通过重新启动内 核，所有变量都将丢失。