Joyful-Pandas

Important

本项目地址已由原先的 joyfulpandas.datawhale.club 更换至 https://inter.joyfulpandas.datawhale.club

Note

智海平台：https://aiplusx.momodel.cn/classroom/class/658d379f891ad518e0274bc2?activeKey=intro

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。

购买链接：

• 当当
• 京东

在写作期间，本书作者积极参与pandas的开发工作和社区建设，点击此处查看开源贡献。同时，Joyful Pandas也被pandas官方增选为社区推荐教程，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！

纸质版

• 数据集：下载（提取码：9e8r）
• 参考答案：链接
• 勘误修订：链接
• 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 二、计算卡方统计量 * 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 * 二、汇总某课程的学生总评分数 三、实现指数加权窗口
第三章 索引	6	* 一、实现sample()函数 二、公司员工数据的索引操作 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 * 二、某海洋物种在三大海域的分布研究 三、实现transform()函数
第五章 变形	9	* 一、某连锁店的库存统计 * 二、整理某地区的化石燃料数据 三、特殊的wide_to_long()方法
第六章 连接	5	一、合并员工信息表 二、实现join()函数 * 三、条件连接
第七章 缺失数据	6	* 一、缺失数据筛选 二、K近邻填充 * 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 * 二、巴洛克作曲家的年龄统计 * 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 二、钻石数据的类别构造 * 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 二、水果销量分析 * 三、使用Prophet进行时序预测
第十一章 数据观测	15	* 一、图片绘制 * 二、数据观测实战 * 三、基于PyOD库的异常检测
第十二章 特征工程	12	* 一、卡方分箱 * 二、基于标签的特征构造 * 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 * 二、捕捉电信号的激活态区间 * 三、药物靶点的关联性分析 * 四、物质浓度的指标检测 * 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://inter.joyfulpandas.datawhale.club/

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 Wes McKinney著

• Pandas Cookbook Theodore Petrou著

• 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

LICENSE

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可