Spaces:

cosco
/

chat_with_langchain

Sleeping

App Files Files Community

chat_with_langchain / database /readme_db /joyful-pandas /README.md

cosco

Upload 304 files

184a47b verified 9 months ago

preview code

raw

history blame contribute delete

6.48 kB

	# Joyful-Pandas

	基于Joyful Pandas教程编写的纸质版书籍已在各大网络平台上线，欢迎选购。本书使用新版的1.4.0，对网页版教程（基于1.2.0）内容作了大量修订，包括内容增改以及习题更新，同时增加了数据可视化、特征工程和性能优化三个章节的内容。本书设计练一练共计121题，章后习题共计41题，各章节分布与目录见后文。有关本书籍和pandas的任何问题可以在本仓库提issue，或者加最后的二维码进讨论群提问。

	<img src="source/_static/pandas封面.jpg" width="38%"/>

	购买链接：

	* [当当](http://product.dangdang.com/29434656.html)
	* [京东](https://item.jd.com/13268767.html)

	在写作期间，本书作者积极参与pandas的开发工作和社区建设，点击[此处](https://github.com/pandas-dev/pandas/pulls?q=is%3Apr+author%3AGYHHAHA+is%3Aclosed)查看开源贡献。同时，Joyful Pandas也被pandas官方增选为[社区推荐教程](https://pandas.pydata.org/docs/dev/getting_started/tutorials.html#joyful-pandas)，在此对pandas核心开发组多年来的长期维护和社区建设表示感谢！

	<img src="source/_static/社区推荐.png" width="70%"/>

	### 纸质版

	- 数据集：[下载](https://pan.baidu.com/s/16fgy9qYXo0JOsz3GIXQeKA)（提取码：9e8r）
	- 参考答案：[链接](https://gyhhaha.github.io/pd-book/)
	- 勘误修订：[链接](http://joyfulpandas.datawhale.club/pandas%E6%95%B0%E6%8D%AE%E5%A4%84%E7%90%86%E4%B8%8E%E5%88%86%E6%9E%90.html#id3)
	- 练一练与习题

	\| 章节 \| 练一练（题数） \| 习题（\*为纸质版新增） \|
	\| ---- \| ---- \| ---- \|
	\| 第一章预备知识 \| 15 \| 一、利用列表推导式实现矩阵乘法<br>二、计算卡方统计量<br>\* 三、统计某商店的月度销量情况 \|
	\| 第二章 pandas基础 \| 8 \| \* 一、整理某服装店的商品情况<br>\* 二、汇总某课程的学生总评分数<br>三、实现指数加权窗口 \|
	\| 第三章索引 \| 6 \| \* 一、实现sample()函数<br>二、公司员工数据的索引操作<br>三、巧克力评价数据的索引操作 \|
	\| 第四章分组 \| 10 \| 一、汽车数据的分组分析<br>\* 二、某海洋物种在三大海域的分布研究<br>三、实现transform()函数 \|
	\| 第五章变形 \| 9 \| \* 一、某连锁店的库存统计<br>\* 二、整理某地区的化石燃料数据<br>三、特殊的wide_to_long()方法 \|
	\| 第六章连接 \| 5 \| 一、合并员工信息表<br>二、实现join()函数<br>\* 三、条件连接 \|
	\| 第七章缺失数据 \| 6 \| \* 一、缺失数据筛选<br>二、K近邻填充<br>\* 三、条件近邻插值 \|
	\| 第八章文本数据 \| 3 \| 一、房屋数据的文本提取<br>\* 二、巴洛克作曲家的年龄统计<br>\* 三、汇总显卡测试的结果 \|
	\| 第九章分类数据 \| 2 \| 一、统计未出现的类别<br>二、钻石数据的类别构造<br>\* 三、有序类别下的逻辑斯蒂回归 \|
	\| 第十章时间序列数据 \| 10 \| 一、太阳辐射数据的时序分析<br>二、水果销量分析<br>\* 三、使用Prophet进行时序预测 \|
	\| 第十一章数据观测 \| 15 \| \* 一、图片绘制<br>\* 二、数据观测实战<br>\* 三、基于PyOD库的异常检测 \|
	\| 第十二章特征工程 \| 12 \| \* 一、卡方分箱<br>\* 二、基于标签的特征构造<br>\* 三、信用卡诈骗数据的特征工程 \|
	\| 第十三章性能优化 \| 20 \| \* 一、DNA链的碱基序列处理<br>\* 二、捕捉电信号的激活态区间<br>\* 三、药物靶点的关联性分析<br>\* 四、物质浓度的指标检测<br>\* 五、设计滑窗类 \|

	- 新增的三个章节目录

	\| \| \| \|
	\| ---- \| ---- \| ---- \|
	\| 第十一章数据观测 \| 11.1 可视化方法 \| 11.1.1 基本绘图 \|
	\| \| \| 11.1.2 元素控制 \|
	\| \| \| 11.1.3 子图控制 \|
	\| \| 11.2 数据观测方法 \| 11.2.1 数据类型 \|
	\| \| \| 11.2.2 数据统计量 \|
	\| \| \| 11.2.3 数据分布 \|
	\| \| \| 11.2.4 基于数据报告的观测 \|
	\| \| 11.3 习题 \| / \|
	\| 第十二章特征工程 \| 12.1 单特征构造 \| 12.1.1 特征变换 \|
	\| \| \| 12.1.2 文本数据特征 \|
	\| \| \| 12.1.3 时间序列数据特征 \|
	\| \| \| 12.1.4 单特征构造的一般方法 \|
	\| \| 12.2 多特征构造 \| 12.2.1 分组技术 \|
	\| \| \| 12.2.2 特征降维 \|
	\| \| 12.3 特征选择 \| 12.3.1 基于统计量的选择 \|
	\| \| \| 12.3.2 基于模型的选择 \|
	\| \| 12.4 习题 \| / \|
	\| 第十三章性能优化 \| 13.1 pandasic代码要义 \| / \|
	\| \| 13.2 多进程加速 \| 13.2.1 多进程和多线程 \|
	\| \| \| 13.2.2 多进程的陷阱 \|
	\| \| \| 13.2.3 异步进程 \|
	\| \| \| 13.2.4 进程中的数据共享 \|
	\| \| \| 13.2.5 在pandas中使用多进程 \|
	\| \| 13.3 利用Cython加速 \| 13.3.1 初识Cython \|
	\| \| \| 13.3.2 优化策略 \|
	\| \| \| 13.3.3 多线程加速 \|
	\| \| \| 13.3.4 Cython类及其应用 \|
	\| \| \| 13.3.5 模块构建 \|
	\| \| 13.4 利用Numba加速 \| 13.4.1 noPython模式 \|
	\| \| \| 13.4.2 ufunc与向量化 \|
	\| \| \| 13.4.3 jitclass及其应用\|
	\| \| 13.5 习题 \| / \|

	### 网页版

	http://joyfulpandas.datawhale.club/

	<img src="source/_static/catelog.png" width="80%"/>

	### 文件内容

	* data：网页版教程数据集
	* ebook：网页版教程电子版
	* notebook：网页版教程notebook

	### 参考资料

	* [Python for Data Analysis](<https://www.amazon.com/Python-Data-Analysis-Wrangling-IPython/dp/1491957662/ref=sr_1_2?keywords=wes+mckinney&qid=1656348228&sprefix=wes+mc%2Caps%2C107&sr=8-2>) Wes McKinney著

	* [Pandas Cookbook](<https://www.amazon.com/Pandas-1-x-Cookbook-scientific-exploratory/dp/1839213108/ref=sr_1_1_sspa?crid=9V843I0IED24&keywords=pandas+cookbook&qid=1656348206&sprefix=pandas+cookbook%2Caps%2C153&sr=8-1-spons&psc=1&spLa=ZW5jcnlwdGVkUXVhbGlmaWVyPUEyVDZUTUUxQ0RFUVRZJmVuY3J5cHRlZElkPUEwNjkzMDczMjdXSFNaM0YzQ1NKRyZlbmNyeXB0ZWRBZElkPUEwNjczNDI3MVFZSTA0M0xWSzZKWiZ3aWRnZXROYW1lPXNwX2F0ZiZhY3Rpb249Y2xpY2tSZWRpcmVjdCZkb05vdExvZ0NsaWNrPXRydWU=>) Theodore Petrou著

	* [User Guide](<https://pandas.pydata.org/docs/user_guide/index.html#user-guide>) Pandas开发团队编写

	### 交流群

	关注Datawhale公众号，回复关键词“熊猫”获得二维码

	<img src="source/_static/qrcode.jpeg" width="30%"/>

	### LICENSE

	<img alt="知识共享许可协议" style="border-width:0" src="https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png" /></a><br />本作品采用<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议</a>进行许可

	# Joyful-Pandas

	基于Joyful Pandas教程编写的纸质版书籍已在各大网络平台上线，欢迎选购。本书使用新版的1.4.0，对网页版教程（基于1.2.0）内容作了大量修订，包括内容增改以及习题更新，同时增加了数据可视化、特征工程和性能优化三个章节的内容。本书设计练一练共计121题，章后习题共计41题，各章节分布与目录见后文。有关本书籍和pandas的任何问题可以在本仓库提issue，或者加最后的二维码进讨论群提问。

	<img src="source/_static/pandas封面.jpg" width="38%"/>

	购买链接：

	* [当当](http://product.dangdang.com/29434656.html)
	* [京东](https://item.jd.com/13268767.html)

	在写作期间，本书作者积极参与pandas的开发工作和社区建设，点击[此处](https://github.com/pandas-dev/pandas/pulls?q=is%3Apr+author%3AGYHHAHA+is%3Aclosed)查看开源贡献。同时，Joyful Pandas也被pandas官方增选为[社区推荐教程](https://pandas.pydata.org/docs/dev/getting_started/tutorials.html#joyful-pandas)，在此对pandas核心开发组多年来的长期维护和社区建设表示感谢！

	<img src="source/_static/社区推荐.png" width="70%"/>

	### 纸质版

	- 数据集：[下载](https://pan.baidu.com/s/16fgy9qYXo0JOsz3GIXQeKA)（提取码：9e8r）
	- 参考答案：[链接](https://gyhhaha.github.io/pd-book/)
	- 勘误修订：[链接](http://joyfulpandas.datawhale.club/pandas%E6%95%B0%E6%8D%AE%E5%A4%84%E7%90%86%E4%B8%8E%E5%88%86%E6%9E%90.html#id3)
	- 练一练与习题

	\| 章节 \| 练一练（题数） \| 习题（\*为纸质版新增） \|
	\| ---- \| ---- \| ---- \|
	\| 第一章预备知识 \| 15 \| 一、利用列表推导式实现矩阵乘法<br>二、计算卡方统计量<br>\* 三、统计某商店的月度销量情况 \|
	\| 第二章 pandas基础 \| 8 \| \* 一、整理某服装店的商品情况<br>\* 二、汇总某课程的学生总评分数<br>三、实现指数加权窗口 \|
	\| 第三章索引 \| 6 \| \* 一、实现sample()函数<br>二、公司员工数据的索引操作<br>三、巧克力评价数据的索引操作 \|
	\| 第四章分组 \| 10 \| 一、汽车数据的分组分析<br>\* 二、某海洋物种在三大海域的分布研究<br>三、实现transform()函数 \|
	\| 第五章变形 \| 9 \| \* 一、某连锁店的库存统计<br>\* 二、整理某地区的化石燃料数据<br>三、特殊的wide_to_long()方法 \|
	\| 第六章连接 \| 5 \| 一、合并员工信息表<br>二、实现join()函数<br>\* 三、条件连接 \|
	\| 第七章缺失数据 \| 6 \| \* 一、缺失数据筛选<br>二、K近邻填充<br>\* 三、条件近邻插值 \|
	\| 第八章文本数据 \| 3 \| 一、房屋数据的文本提取<br>\* 二、巴洛克作曲家的年龄统计<br>\* 三、汇总显卡测试的结果 \|
	\| 第九章分类数据 \| 2 \| 一、统计未出现的类别<br>二、钻石数据的类别构造<br>\* 三、有序类别下的逻辑斯蒂回归 \|
	\| 第十章时间序列数据 \| 10 \| 一、太阳辐射数据的时序分析<br>二、水果销量分析<br>\* 三、使用Prophet进行时序预测 \|
	\| 第十一章数据观测 \| 15 \| \* 一、图片绘制<br>\* 二、数据观测实战<br>\* 三、基于PyOD库的异常检测 \|
	\| 第十二章特征工程 \| 12 \| \* 一、卡方分箱<br>\* 二、基于标签的特征构造<br>\* 三、信用卡诈骗数据的特征工程 \|
	\| 第十三章性能优化 \| 20 \| \* 一、DNA链的碱基序列处理<br>\* 二、捕捉电信号的激活态区间<br>\* 三、药物靶点的关联性分析<br>\* 四、物质浓度的指标检测<br>\* 五、设计滑窗类 \|

	- 新增的三个章节目录

	\| \| \| \|
	\| ---- \| ---- \| ---- \|
	\| 第十一章数据观测 \| 11.1 可视化方法 \| 11.1.1 基本绘图 \|
	\| \| \| 11.1.2 元素控制 \|
	\| \| \| 11.1.3 子图控制 \|
	\| \| 11.2 数据观测方法 \| 11.2.1 数据类型 \|
	\| \| \| 11.2.2 数据统计量 \|
	\| \| \| 11.2.3 数据分布 \|
	\| \| \| 11.2.4 基于数据报告的观测 \|
	\| \| 11.3 习题 \| / \|
	\| 第十二章特征工程 \| 12.1 单特征构造 \| 12.1.1 特征变换 \|
	\| \| \| 12.1.2 文本数据特征 \|
	\| \| \| 12.1.3 时间序列数据特征 \|
	\| \| \| 12.1.4 单特征构造的一般方法 \|
	\| \| 12.2 多特征构造 \| 12.2.1 分组技术 \|
	\| \| \| 12.2.2 特征降维 \|
	\| \| 12.3 特征选择 \| 12.3.1 基于统计量的选择 \|
	\| \| \| 12.3.2 基于模型的选择 \|
	\| \| 12.4 习题 \| / \|
	\| 第十三章性能优化 \| 13.1 pandasic代码要义 \| / \|
	\| \| 13.2 多进程加速 \| 13.2.1 多进程和多线程 \|
	\| \| \| 13.2.2 多进程的陷阱 \|
	\| \| \| 13.2.3 异步进程 \|
	\| \| \| 13.2.4 进程中的数据共享 \|
	\| \| \| 13.2.5 在pandas中使用多进程 \|
	\| \| 13.3 利用Cython加速 \| 13.3.1 初识Cython \|
	\| \| \| 13.3.2 优化策略 \|
	\| \| \| 13.3.3 多线程加速 \|
	\| \| \| 13.3.4 Cython类及其应用 \|
	\| \| \| 13.3.5 模块构建 \|
	\| \| 13.4 利用Numba加速 \| 13.4.1 noPython模式 \|
	\| \| \| 13.4.2 ufunc与向量化 \|
	\| \| \| 13.4.3 jitclass及其应用\|
	\| \| 13.5 习题 \| / \|

	### 网页版

	http://joyfulpandas.datawhale.club/

	<img src="source/_static/catelog.png" width="80%"/>

	### 文件内容

	* data：网页版教程数据集
	* ebook：网页版教程电子版
	* notebook：网页版教程notebook

	### 参考资料

	* [Python for Data Analysis](<https://www.amazon.com/Python-Data-Analysis-Wrangling-IPython/dp/1491957662/ref=sr_1_2?keywords=wes+mckinney&qid=1656348228&sprefix=wes+mc%2Caps%2C107&sr=8-2>) Wes McKinney著

	* [Pandas Cookbook](<https://www.amazon.com/Pandas-1-x-Cookbook-scientific-exploratory/dp/1839213108/ref=sr_1_1_sspa?crid=9V843I0IED24&keywords=pandas+cookbook&qid=1656348206&sprefix=pandas+cookbook%2Caps%2C153&sr=8-1-spons&psc=1&spLa=ZW5jcnlwdGVkUXVhbGlmaWVyPUEyVDZUTUUxQ0RFUVRZJmVuY3J5cHRlZElkPUEwNjkzMDczMjdXSFNaM0YzQ1NKRyZlbmNyeXB0ZWRBZElkPUEwNjczNDI3MVFZSTA0M0xWSzZKWiZ3aWRnZXROYW1lPXNwX2F0ZiZhY3Rpb249Y2xpY2tSZWRpcmVjdCZkb05vdExvZ0NsaWNrPXRydWU=>) Theodore Petrou著

	* [User Guide](<https://pandas.pydata.org/docs/user_guide/index.html#user-guide>) Pandas开发团队编写

	### 交流群

	关注Datawhale公众号，回复关键词“熊猫”获得二维码

	<img src="source/_static/qrcode.jpeg" width="30%"/>

	### LICENSE

	<img alt="知识共享许可协议" style="border-width:0" src="https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png" /></a><br />本作品采用<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议</a>进行许可