Pandas数据分析快速上手500招 微课视频版

问题描述+解决方案+真实源码+效果截图+视频教学，精选500案例，附赠36个可视化案例，提供完整源码，边看边做边学。优化数据分析，提高工作效率；告别重复劳动，蜕变职场精英

本书采用“问题描述+解决方案”模式，通过500个案例介绍了使用Pandas进行数据分析和数据处理的技术亮点。全书共分为8章，主要案例包括：读写CSV、Excel、JSON、HTML等格式的数据；根据行标签、列名和行列数字索引筛选和修改数据，使用各种函数根据数据大小、日期范围、正则表达式、lambda表达式、文本类型等多种条件筛选数据；统计NaN（缺失值）的数量、占比，根据规则填充和删除NaN；在DataFrame中增、删、查、改行列数据，计算各种行差、列差、极差以及直接对两个DataFrame进行加、减、乘、除运算和比较差异；将宽表和长表相互转换，创建交叉表和各种透视表；对数据分组结果进行求和、累加、求平均值、求极差、求占比、排序、筛选、重采样等多种形式的分析，将分组数据导出为Excel文件。本书还附赠36个数据可视化案例，如根据指定的条件设置行列数据的颜色和样式，根据行列数据绘制条形图、柱形图、饼图、折线图、散点图、六边形图、箱形图、面积图等。  本书适于作为数据分析师、物流分析师、金融分析师、数据产品开发人员、人工智能开发人员、市场营销人员、办公管理人员、Python程序员等各行各业人员的案头参考书，无论对于初学者还是专业人士，本书都极具参考和收藏价值。

第1章DataFrame1
001使用随机数创建一个DataFrame1
002使用字母设置DataFrame的行标签2
003使用日期设置DataFrame的行标签3
004使用月份设置DataFrame的行标签4
005使用月初日期设置DataFrame的行标签5
006使用星期日设置DataFrame的行标签6
007使用日期范围设置DataFrame的行标签7
008使用等差日期设置DataFrame的行标签8
009使用时间差设置DataFrame的行标签9
010根据工作日移动DataFrame的行标签10
011使用shift()移动DataFrame的行标签11
012根据日期差修改DataFrame的行标签11
013在日期行标签中禁止使用法定节假日12
014在日期行标签中排除自定义的节假日13
015在日期行标签中增加或减少分钟数14
016指定DataFrame的列数据为行标签15
017在DataFrame中移除现有的行标签16
018使用列表设置DataFrame的行标签17
019使用字典修改DataFrame的行标签17
020使用lambda修改DataFrame的行标签18
021在多层索引的DataFrame中设置行标签19
022使用字典修改DataFrame的多层行索引20
023根据DataFrame创建笛卡儿积多层索引20
024使用rename()修改DataFrame的列名22
025使用strip()修改DataFrame的列名22
026使用set_axis()修改DataFrame的列名23
027使用字典修改DataFrame的列名24
028为DataFrame的列名添加前缀或后缀24
029根据DataFrame的列名获取列索引数字25
第2章读取数据27
030从CSV格式的字符串中读取数据27
031从CSV格式的文本文件中读取数据28
032从星号分隔的文本文件中读取数据28
033从制表符分隔的文本文件中读取数据29
034从空格分隔的文本文件中读取数据29
035读取文本文件的数据并自定义列名30
036读取文本文件的数据并重命名列名31
037根据列名读取文本文件的部分数据31
038从文本文件中读取lambda筛选的列32
039读取文本文件的数据并设置列名前缀33
040读取文本文件的数据并设置列类型33
041读取文本文件并使用lambda修改列34
042读取文本文件并使用自定义函数修改列35
043读取文本文件并设置True和False36
044读取文本文件的数据并跳过指定行37
045读取文本文件的数据并跳过奇数行37
046读取文本文件的数据并跳过倒数n行38
047读取文本文件并将列类型转为日期类型39
048读取文本文件的数据并解析日期列数据40
049读取文本文件的数据并合并日期列数据41
050从压缩格式的文本文件中读取数据42
051把DataFrame的数据保存为文本文件43
052从Excel文件中读取单个工作表的数据44
053从Excel文件中读取多个工作表的数据45
054从Excel文件中读取工作表的前n行数据46
055从首行跳过n行读取Excel工作表的数据47
056从末尾跳过n行读取Excel工作表的数据48
057跳过指定行读取Excel工作表的部分数据49
058从Excel文件中读取工作表的偶数行数据50
059从Excel文件中读取工作表的偶数列数据51
060根据列号读取Excel文件的工作表数据52
061读取Excel工作表的数据且取消默认列名53
062读取Excel工作表的数据且自定义列名53
063读取Excel工作表的数据并指定行标签54
064在读取Excel工作表数据时解析千分位符55
065把DataFrame的数据保存为Excel文件56
066在保存Excel文件时不保留默认的行标签57
067使用read_json()函数读取JSON数据58
068将DataFrame的数据保存为JSON文件59
069从指定的网页中读取多个表格的数据60
070将DataFrame的所有数据转换为网页代码62
071将DataFrame的部分数据转换为网页代码63
072根据当前剪贴板的数据创建DataFrame64
073将DataFrame的所有数据保存到剪贴板65
074将DataFrame的部分数据保存到剪贴板66
第3章筛选数据67
075根据指定的列名筛选整列数据67
076使用eq()在指定列中筛选数据68
077使用ne()在指定列中筛选数据68
078使用lt()在指定列中筛选数据69
079在指定列中根据平均值筛选数据70
080使用le()在指定列中筛选数据70
081使用gt()在指定列中筛选数据71
082使用ge()在指定列中筛选数据72
083根据行标签的大小筛选数据73
084根据行标签的范围筛选数据73
085根据行标签步长筛选偶数行数据74
086根据指定的日期切片筛选数据75
087根据指定的日期范围筛选数据76
088根据指定的月份范围筛选数据76
089在日期类型的列中按日筛选数据77
090根据日期列的差值筛选数据78
091使用loc筛选并修改单个数据79
092使用loc筛选并修改多个数据79
093使用loc筛选并修改多行单列数据80
094使用loc筛选并修改单行多列数据81
095使用loc筛选并修改多行多列数据82
096使用loc根据切片筛选并修改数据83
097使用loc筛选并修改单行数据84
098使用loc筛选并修改多行数据84
099使用loc筛选并修改单列数据85
100使用loc筛选并修改多列数据86
101使用loc筛选并修改多层数据87
102使用loc筛选并输出DataFrame87
103使用loc根据大小筛选数据88
104使用loc根据字符串长度筛选数据89
105使用loc根据数值范围筛选数据90
106在loc中使用all()筛选多列数据90
107在loc中使用any()筛选多列数据91
108使用loc筛选数据且指定输出列92
109使用loc筛选IndexSlice结果92
110使用loc根据最后一行筛选列93
111在loc中使用lambda筛选列94
112使用loc根据负数步长倒序筛选列94
113使用loc根据负数步长倒序筛选行95
114使用iloc筛选并修改单个数据96
115使用iloc筛选并修改多个数据96
116使用iloc筛选并修改多行单列数据97
117使用iloc筛选并修改单行多列数据98
118使用iloc筛选并修改多行多列数据99
119使用iloc根据列表筛选并修改数据99
120使用iloc筛选并修改单列数据100
121使用iloc筛选并修改多列数据100
122使用iloc筛选并修改单行数据101
123使用iloc筛选并修改多行数据102
124使用iloc筛选并输出DataFrame103
125使用iloc根据指定的步长筛选数据103
126使用iloc筛选不连续的多行数据104
127在iloc中使用numpy筛选多行数据105
128在iloc中使用numpy筛选多列数据106
129在iloc中使用lambda筛选偶数行数据106
130使用at筛选并修改单个数据107
131使用iat筛选并修改单个数据108
132使用last()筛选最后几天的数据108
133使用truncate()根据行标签筛选数据109
134使用truncate()根据日期范围筛选数据110
135使用between()根据日期范围筛选数据110
136使用between()根据数值范围筛选数据111
137使用between_time()根据时间筛选数据112
138使用contains()在指定列中筛选文本113
139使用contains()不区分大小写筛选文本114
140在contains()中使用或运算符筛选文本115
141在contains()中使用正则表达式筛选文本115
142使用endswith()根据结束字符筛选文本116
143使用startswith()根据开始字符筛选文本117
144使用match()根据多个开始字符筛选数据118
145使用isnumeric()筛选全部为数字的数据119
146使用isin()筛选在指定列表中的数据120
147使用isin()筛选未在指定列表中的数据120
148使用isin()筛选指定列最大的前n行数据121
149使用isin()筛选指定列最小的前n行数据122
150在apply()中调用自定义函数筛选数据122
151在链式语句中调用自定义函数筛选数据123
152在apply()中使用lambda筛选数据124
153在链式语句中调用lambda筛选数据125
154在applymap()中使用lambda筛选数据126
155使用apply()筛选指定列首次出现的数据126
156使用apply()根据日期范围筛选数据127
157使用apply()根据数值范围筛选数据128
158使用select_dtypes()根据类型筛选列129
159使用select_dtypes()根据类型反向筛选列129
160使用filter()根据指定的列名筛选列130
161使用filter()根据指定的条件筛选列131
162使用filter()根据正则表达式筛选列131
163使用filter()根据指定的行标签筛选行132
164使用filter()根据正则表达式筛选行133
165在query()中使用比较运算符筛选数据134
166在query()中使用多个运算符筛选数据134
167使用query()根据平均值筛选数据135
168使用query()根据两列差值筛选数据136
169使用query()根据多列数值大小筛选数据136
170使用query()筛选多列均存在的数据137
171使用query()根据指定列表筛选数据138
172使用query()根据外部变量筛选数据139
173使用query()根据日期范围筛选数据139
174使用query()筛选包含指定字符的数据140
175使用query()根据行标签筛选数据141
176使用query()组合多个条件筛选数据142
177使用query()以链式风格筛选数据142
178使用eval()组合多个条件筛选数据143
179使用rolling()根据样本筛选数据144
180使用sample()根据占比筛选随机子集145
181使用apply()根据指定条件筛选数据146
182在DataFrame中筛选所有数据146
183根据在列表中指定的多个列名筛选列147
184根据在集合中指定的多个列名筛选列148
第4章清洗数据150
185统计DataFrame每列的NaN数量150
186统计DataFrame每行的NaN数量151
187统计DataFrame每行的非NaN数量151
188统计DataFrame每列的NaN数量占比152
189统计DataFrame每行的NaN数量占比153
190统计DataFrame每行的非NaN数量占比154
191使用isna()在列中筛选包含NaN的行155
192使用notna()在列中筛选不包含NaN的行155
193使用isnull()在列中筛选包含NaN的行156
194使用isnull()在列中筛选不包含NaN的行156
195在DataFrame中筛选包含NaN的列157
196在DataFrame中筛选包含NaN的行158
197在DataFrame中筛选不包含NaN的列158
198在DataFrame中筛选不包含NaN的行159
199在DataFrame中删除包含NaN的行160
200在DataFrame中删除包含NaN的列160
201在DataFrame中删除全部是NaN的行161
202在DataFrame中删除全部是NaN的列162
203在DataFrame中根据NaN占比删除列162
204在指定的列中删除包含NaN的行163
205在指定的行中删除包含NaN的列164
206使用fillna()根据指定值填充NaN164
207使用fillna()在指定列中填充NaN165
208使用fillna()根据列平均值填充NaN166
209使用fillna()填充指定列的首个NaN167
210使用fillna()实现自动向下填充NaN168
211使用fillna()实现自动向上填充NaN169
212使用applymap()填充DataFrame的NaN169
213使用mask()填充DataFrame的NaN170
214根据分组已存在的数据填充分组的NaN171
215使用transform()根据分组平均值填充NaN171
216将小数点前后有空格的数据修改为NaN172
217在format()中使用指定字符标注NaN173
218使用指定的颜色高亮显示所有的NaN174
219自定义函数设置NaN的颜色174
220自定义函数设置NaN的背景颜色175
221自定义函数设置非NaN的颜色176
222自定义函数设置非NaN的背景颜色177
223在DataFrame中强制NaN排在首位177
224读取Excel文件并设置NaN的对应值178
225读取Excel文件并按列设置NaN的对应值179
226读取文本文件并设置NaN的对应值180
227读取文本文件并按列设置NaN的对应值181
第5章整理数据183
228使用apply()转换指定列的数据类型183
229使用apply()转换所有列的数据类型184
230使用to_numeric()转换列的数据类型184
231使用astype()转换指定列的数据类型185
232使用astype()将百分数转换为浮点数186
233使用astype()转换千分位符的数字186
234使用astype()将其他时间转为北京时间187
235根据日期类型列的日期解析星期188
236根据日期类型列的日期解析季度188
237使用lower()将指定列的字母变为小写189
238使用rjust()在指定列左端补充字符190
239使用ljust()在指定列右端补充字符191
240使用center()在指定列两端补充字符191
241使用lstrip()删除指定列左端字符192
242使用rstrip()删除指定列右端字符193
243使用strip()删除指定列左右两端字符193
244使用get()提取指定列指定位置的字符194
245使用slice()提取指定列的多个字符195
246使用count()统计指定列的字符个数195
247使用repeat()在指定列中重复字符196
248使用replace()在指定列中替换文本197
249使用replace()在指定列中替换字母197
250在replace()中使用正则表达式替换198
251在replace()中使用lambda替换199
252使用slice_replace()替换指定切片199
253在apply()中调用自定义函数修改数据200
254在apply()中调用lambda修改数据201
255使用apply()删除%符号并转换数据202
256使用mask()根据指定条件修改数据202
257使用where()根据指定条件修改数据203
258使用replace()在指定列中替换数据204
259使用replace()在指定行中替换数据205
260在map()中使用字典修改数据205
261在map()中使用lambda修改数据206
262使用map()格式化指定列的数据207
263使用map()将浮点数转换为百分数207
264使用map()根据时间差计算天数208
265在DataFrame的末尾增加新行209
266在DataFrame的中间插入新行209
267根据行标签在DataFrame中删除行210
268根据条件在DataFrame中删除行211
269在多层索引的DataFrame中删除行211
270使用duplicated()筛选重复行212
271使用drop_duplicates()删除重复行213
272在指定列中使用drop_duplicates()214
273根据表达式初始化DataFrame的新增列215
274使用map()初始化DataFrame的新增列215
275计算DataFrame的单列数据并新增列216
276计算DataFrame的多列数据并新增列217
277使用assign()在DataFrame中新增列218
278使用assign()根据lambda表达式新增列218
279使用列表初始化DataFrame的新增列219
280使用apply()根据列表成员增加新列220
281使用apply()计算多列数据增加新列220
282使用apply()把列表成员扩展成多列221
283使用partition()将一列拆分成两列222
284使用split()将一列拆分成多列223
285使用extract()将一列拆分成两列224
286使用extract()将一列拆分成多列224
287在extract()中根据正则表达式拆分列225
288使用cat()以拼接字符串方式合并列226
289根据字符串日期列拆分年月日列227
290根据日期类型的列拆分年月日列227
291使用加号运算符拼接年月日列228
292使用to_datetime()拼接年月日列229
293根据索引在DataFrame中插入列230
294根据列名在DataFrame中删除列230
295根据条件在DataFrame中删除列231
296使用concat()按行拼接DataFrame232
297使用append()按行拼接DataFrame233
298使用concat()分组拼接DataFrame234
299使用concat()按列拼接DataFrame235
300使用concat()提取两个DataFrame的交集236
301使用merge()根据同名列合并DataFrame237
302使用merge()根据指定列合并DataFrame238
303使用merge()以指定方式合并DataFrame239
304使用join()根据索引列按列合并DataFrame240
305使用combine_first()合并DataFrame241
306使用combine()根据参数合并DataFrame242
307使用Pandas的merge()合并DataFrame243
308使用merge_ordered()合并DataFrame244
309使用merge_asof()合并DataFrame245
310使用compare()比较两个DataFrame246
311使用align()补齐两个DataFrame的列247
312在DataFrame中垂直移动指定的行数248
313在DataFrame中水平移动指定的列数248
314使用round()设置DataFrame的小数位数249
315使用update()更新DataFrame的数据250
316使用clip()修剪DataFrame的数据251
317使用clip()根据列表按列修剪数据251
318使用replace()在DataFrame中替换数据252
319使用replace()执行多值对应替换253
320使用replace()替换所有行列的字母253
321在replace()中使用正则表达式替换254
322在replace()中使用多个正则表达式255
323使用apply()修改DataFrame的数据256
324使用applymap()修改DataFrame256
325使用transform()修改DataFrame257
326使用transform()按行修改DataFrame258
327在DataFrame中按列相加指定的列表258
328在DataFrame中按行相加指定的列表259
329在DataFrame中按列相减指定的列表260
330在DataFrame中按行相减指定的列表261
331在DataFrame中按列相乘指定的列表261
332在DataFrame中按行相乘指定的列表262
333在DataFrame中实现各行数据连乘263
334在DataFrame中按列除以指定的列表263
335在DataFrame中按行除以指定的列表264
336使用add()实现两个DataFrame相加265
337使用sub()实现两个DataFrame相减265
338使用mul()实现两个DataFrame相乘266
339使用div()实现两个DataFrame相除267
340使用sum()在DataFrame中按列求和267
341使用sum()在DataFrame中按行求和268
342使用apply()在DataFrame中按列求和269
343使用apply()在DataFrame中按行求和270
344使用agg()在DataFrame中按列求和270
345使用agg()在DataFrame中按行求和271
346使用select_dtypes()实现按列求和272
347使用select_dtypes()实现按行求和272
348使用expanding()累加前n个数据273
349使用apply()按行累加各列的数据274
350使用apply()按列累加各行的数据275
351使用apply()计算每列数据的平均值275
352使用apply()计算每行数据的平均值276
353使用apply()计算每行最大值的比值276
354使用apply()计算每列最大值的比值277
355使用apply()计算每列数据的极差278
356使用apply()计算每行数据的极差278
357使用diff()计算DataFrame的行差279
358使用diff()计算DataFrame的列差280
359使用diff()计算指定列的差值281
360使用diff()计算差值并筛选数据281
361使用shift()按行计算移动平均值282
362使用shift()按列计算移动平均值283
363使用rolling()按行计算移动平均值284
364使用rolling()居中计算移动平均值284
365使用rolling()计算移动极差285
366在rolling()中设置最小观测期286
367使用pct_change()计算增减百分比287
368使用apply()获取每列数据的最大值288
369使用apply()获取每列数据的中位数288
370使用describe()获取指定列的最大值289
371使用agg()获取所有列的最大值290
372使用tolist()获取DataFrame的数据291
373根据行标签顺序排列DataFrame292
374根据行标签大小排列DataFrame292
375倒序排列DataFrame并重置行标签293
376在DataFrame中根据单个列名排序294
377在DataFrame中根据多个列名排序294
378在DataFrame中根据文本长度排序295
379在DataFrame中降序排列所有的列296
380在DataFrame中倒序排列所有的列297
381在DataFrame中自定义所有列顺序297
382在DataFrame中根据列表调整列顺序298
383使用rank()根据大小生成排名序号299
384使用value_counts()统计列成员数量300
385使用value_counts()统计列成员占比300
第6章透视数据302
386使用melt()将宽表转换为长表302
387使用pivot()将长表转换为宽表303
388使用stack()将宽表转换为长表304
389使用unstack()将长表转换为宽表304
390使用stack()将多行数据转换成一行305
391使用crosstab()根据行列创建交叉表306
392使用crosstab()创建交叉表并计算合计307
393使用explode()将列表成员扩展为多行307
394使用explode()筛选互为好友的数据308
395使用explode()在组内容之前插入组名309
396使用pivot_table()根据指定列进行分组310
397使用pivot_table()获取分组平均值311
398使用pivot_table()获取多级分组平均值312
399使用pivot_table()实现多级分组并求和313
400使用pivot_table()对不同列执行不同函数314
401使用transpose()实现行列数据交换315
第7章分组聚合316
402使用groupby()根据单列数据分组求和316
403使用groupby()根据多列数据分组求和317
404使用groupby()分组并对指定列数据求和317
405在groupby()中设置分组键为非索引列318
406重命名在使用groupby()分组之后的列名319
407自定义在使用groupby()分组之后的列名320
408使用groupby()分组并统计各组的个数321
409使用groupby()分组并获取各组的明细321
410使用groupby()分组并获取多级分组明细322
411使用groupby()分组并遍历各组的明细323
412使用groupby()分组并计算各组移动平均值324
413使用groupby()分组并计算各组累加值325
414使用groupby()分组并获取各组最大值326
415使用groupby()分组并获取各组第二大值327
416使用groupby()分组并添加各组合计328
417使用groupby()分组并添加分组占比329
418使用groupby()分组求和并禁止排序330
419使用groupby()根据lambda进行分组331
420使用groupby()根据行标签进行分组332
421使用groupby()根据索引年份进行分组333
422使用groupby()根据年份月份进行分组334
423使用groupby()根据星期进行分组335
424使用groupby()根据日期进行分组336
425使用groupby()根据列名进行分组336
426使用groupby()根据字典进行分组337
427使用groupby()根据字典类型进行分组338
428使用groupby()根据自定义函数进行分组339
429使用groupby()根据指定字符进行分组340
430使用groupby()根据返回值进行分组341
431使用groupby()根据Grouper进行分组341
432在分组指定列中查找互为相反数的数据342
433使用resample()实现日期重采样分组343
434使用resample()实现先分组再重采样344
435使用cut()根据连续型数据进行分组346
436使用cut()进行分组并设置分组的标签347
437使用cut()进行分组并计算各组平均值348
438使用qcut()根据指定的个数进行分组348
439根据索引层对多层索引的DataFrame分组349
440使用agg()获取分组指定列的最大值351
441使用agg()获取分组某几列的最大值351
442使用agg()自定义分组之后的新列名352
443使用agg()根据字典自定义分组新列名353
444使用agg()转换分组之后的合计数据354
445使用agg()转换分组之后的列数据类型355
446使用agg()通过lambda计算分组极差356
447使用agg()通过自定义函数计算分组极差357
448在agg()中调用带多个参数的自定义函数358
449使用pipe()计算各个分组指定列的极差359
450使用filter()筛选分组指定列的合计359
451使用filter()筛选分组指定列的最大值360
452使用filter()筛选分组指定列的平均值361
453使用filter()筛选分组指定列的所有值362
454使用filter()筛选分组指定列的某个值363
455使用filter()筛选分组成员的个数364
456使用filter()筛选分组大于某值的数据365
457使用apply()获取分组某列的最大值366
458使用apply()获取分组数值列的最大值366
459在apply()中使用lambda计算分组列差367
460在apply()中使用lambda计算分组差值368
461在apply()中使用DataFrame返回分组差值369
462在apply()中调用自定义函数统计分组指标370
463使用apply()将分组数据导出为Excel文件371
464使用unstack()以宽表风格输出多级分组372
465使用quantile()计算各个分组的分位数373
466使用rank()获取各个成员在分组中的序号374
467使用transform()计算平均值并筛选分组375
468使用drop_duplicates()删除分组重复数据376
第8章可视化数据377
469使用format()自定义列的数据格式377
470使用format()将浮点数转为百分数377
471在format()中使用lambda重置列378
472使用指定的颜色设置所有列的背景颜色379
473使用自定义函数设置指定列的背景颜色379
474使用自定义函数设置指定行的背景颜色380
475使用自定义函数设置交错的行背景颜色381
476使用自定义函数设置列切片的背景颜色382
477使用applymap()根据条件设置背景颜色383
478使用指定的颜色设置所有列的数据颜色383
479使用自定义函数设置指定列的数据颜色384
480使用自定义函数设置指定行的数据颜色385
481使用自定义函数设置交错的行数据颜色386
482使用自定义函数设置列切片的数据颜色387
483在所有列中根据值的大小设置背景颜色387
484在指定列中根据值的大小设置背景颜色388
485在所有列中根据值的大小设置数据颜色389
486在指定列中根据值的大小设置数据颜色390
487使用指定颜色高亮显示分位包含的数据390
488使用指定颜色高亮显示所有列的最大值391
489使用指定颜色高亮显示指定列的最大值392
490使用指定颜色高亮显示所有列的最小值393
491使用指定颜色高亮显示指定列的最小值393
492使用自定义函数设置每列的最大值颜色394
493使用自定义函数设置每列的最小值颜色395
494使用指定颜色高亮显示所有行的最大值396
495使用指定颜色高亮显示指定行的最大值396
496使用指定颜色高亮显示所有行的最小值397
497使用指定颜色高亮显示指定行的最小值398
498根据大小使用渐变色按列设置数据颜色398
499根据大小使用渐变色按行设置数据颜色399
500根据大小使用渐变色按列设置背景颜色400