基于Joyful Pandas教程编写的纸质版书籍将于七月中旬在各大网络平台上线，欢迎选购（玩命了买！）。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。
在写作期间，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！
| 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 | / |
http://joyfulpandas.datawhale.club/
- 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
-
Python for Data Analysis Wes McKinney著
-
Pandas Cookbook Theodore Petrou著
-
User Guide Pandas开发团队编写
关注Datawhale公众号，回复关键词“熊猫”获得二维码
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
