pandasクックブック―Pythonによるデータ処理のレシピ [単行本]

pandasクックブック―Pythonによるデータ処理のレシピ の 商品概要

• 要旨（「BOOK」データベースより）

  ｐａｎｄａｓのデータ構造の基本から実践的なデータ整理・抽出法、ｍａｔｐｌｏｔｌｉｂ／ｓｅａｂｏｒｎを使った可視化までデータ分析、科学計算に活かせる９８のレシピ。

• 目次

  1　Pandas基礎
  レシピ1　DataFrameの解剖学
  レシピ2　DataFrame主要素へのアクセス
  レシピ3　データ型の理解
  レシピ4　データのカラムをSeriesとして選択
  レシピ5　Seriesのメソッド呼び出し
  レシピ6　Seriesの演算子の働き
  レシピ7　Seriesのメソッドチェイニング
  レシピ8　分かりやすいインデックスに置き換え
  レシピ9　行とカラムの名前変更
  レシピ10　カラムの作成と削除
  2　DataFrameの必須演算
  レシピ11　DataFrameのカラムを複数選択
  レシピ12　カラムをメソッドで選択
  レシピ13　カラムを意味が分かるように順序付け
  レシピ14　DataFrame全体の操作
  レシピ15　DataFrameのメソッドチェイニング
  レシピ16　DataFrameの演算子の働き
  レシピ17　欠損値の比較
  レシピ18　DataFrame演算の方向を転置
  レシピ19　大学のキャンパスのダイバーシティ指標の計算
  3　データ分析開始
  レシピ20　データ分析ルーチンの開発
  レシピ21　データ型を変更してメモリ削減
  レシピ22　最大の中の最小を選択
  レシピ23　ソートして各グループでの最大を選択
  レシピ24　sort_valuesでnlargestの代用
  レシピ25　トレール注文の価格計算
  4　データから部分抽出
  レシピ26　Seriesデータの選択
  レシピ27　DataFrameの行の選択
  レシピ28　DataFrameの行とカラムの同時選択
  レシピ29　整数とラベルの両方でデータ選択
  レシピ30　スカラー選択の高速化
  レシピ31　行の手軽なスライシング
  レシピ32　文字順にスライシング
  5　booleanインデックス法
  レシピ33　boolean統計量の計算
  レシピ34　複数のboolean条件の構築
  レシピ35　booleanインデックス法によるフィルタリング
  レシピ36　インデックス選択によるbooleanインデックス法の代用
  レシピ37　重複のないインデックスとソートしたインデックスによる選択
  レシピ38　株価見通しの計算
  レシピ39　SQLのWHERE節の翻訳
  レシピ40　株式収益率の正規度判定
  レシピ41　queryメソッドによるbooleanインデックス法の読みやすさ改善
  レシピ42　whereメソッドによるSeriesの保持
  レシピ43　DataFrameの行のマスキング
  レシピ44　boolean，整数位置，ラベルによる選択
  6　インデックスアラインメント
  レシピ45　インデックスオブジェクトの検査
  レシピ46　デカルト積の作成
  レシピ47　インデックス爆発
  レシピ48　等しくないインデックスの値を埋める
  レシピ49　別のDataFrameからカラムを追加
  レシピ50　各カラムの最大値をハイライトする
  レシピ51　メソッドチェイニングでidxmaxの代用
  レシピ52　最多の最大値を求める
  7　集約，フィルタ，変換のためのグループ分け
  レシピ53　集約の定義
  レシピ54　複数のカラムと関数のグループ分けと集約
  レシピ55　グループ分けの後でMultiIndex解消
  レシピ56　集約関数のカスタマイズ
  レシピ57　集約関数の*argsと**kwargsをカスタマイズ
  レシピ58　groupbyオブジェクトの検討
  レシピ59　マイノリティが多数派の(米国の)州をフィルタリング
  レシピ60　減量の勝負でtransform
  レシピ61　SATの加重平均点を州ごとにapplyで計算
  レシピ62　連続変数でグループ分け
  レシピ63　都市間の航空便の総数
  レシピ64　定時離着陸の最長ストリーク
  8　整然形式にデータを再構成
  レシピ65　変数値カラム名をstackで整然化
  レシピ66　変数値カラム名をmeltで整然化
  レシピ67　複数の変数グループを同時にスタック
  レシピ68　スタックしたデータを元に戻す
  レシピ69　groupby集約の後でunstack
  レシピ70　groupby集約でpivot_tableの代用
  レシピ71　変形を容易にするレベル軸の名前変更
  レシピ72　複数の変数がカラム名になっている場合の整然化
  レシピ73　複数の変数がカラム値の場合の整然化
  レシピ74　複数の値が同じセルにある場合の整然化
  レシピ75　変数がカラム名とカラム値になっている場合の整然化
  レシピ76　複数の観察が同じテーブルにある場合の整然化
  9　pandasオブジェクトの結合
  レシピ77　DataFrameに新たな行を追加
  レシピ78　複数のDataFrameを接合
  レシピ79　トランプとオバマの大統領としての信認レベル比較
  レシピ80　concat, join, mergeの相違点を理解
  レシピ81　SQLデータベースへの接続
  10　時系列分析
  レシピ82　Pythonとpandasの日付ツールの違いの理解
  レシピ83　時系列を賢くスライシング
  レシピ84　DatetimeIndexでだけ働くメソッドを使う
  レシピ85　週ごとの犯罪件数
  レシピ86　週ごとの犯罪と交通事故を別々に集約
  レシピ87　曜日と年での犯罪件数の測定
  レシピ88　DatetimeIndexで無名関数を使いグループ分け
  レシピ89　Timestampと別のカラムでグループ分け
  レシピ90　merge_asofで犯罪率が20％低かったのは最近ではいつかを見つける
  11　matplotlib, pandas, seabornによる可視化
  レシピ91　matplotlib入門
  レシピ92　matplotlibでデータの可視化
  レシピ93　pandasのプロットの基本
  レシピ94　flightsデータセットの可視化
  レシピ95　層グラフで今後の傾向を発見する
  レシピ96　seabornとpandasの違いを理解
  レシピ97　seabornグリッドで多変量解析
  レシピ98　diamondsデータセットのSimpsonパラドックスをseabornで明らかにする

• 出版社からのコメント

  科学計算，分析，可視化などPythonでのデータ処理の基本を約100のレシピを通して具体的に学ぶ

• 内容紹介

  GitHubに詳細なサポートデータ（Jupyter Notebook）有。すぐに試せる
  ・Pandas Cookbook: Recipes for Scientific Computing, Time Series Analysis and Data Visualization using Python, 2017Oct, Packt の翻訳。
  ・pandas（Pythonによるデータ処理に必須のライブラリ）の活用例（レシピ）を約100紹介。
  
  ・扱うデータ構造や使い方、可視化などを広く取り上げる。
  ・各レシピは内容、手順、解説（補足、参照、注意など）という定形になっており読みやすい。
  
  Pythonによるデータ解析を支援する機能を提供する必須のライブラリ pandas の使い方を解説する「レシピ本」。
  ビッグデータを扱うデータサイエンスや科学計算に重要なツール、Pandasの実践的な使用方法＝”レシピ”を約100例紹介。分析の目的から探せるレシピ本として、特定の分野に依存せずデータサイエンスのツールにpythonを選んだすべての方が読者対象。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  Petrou,Theodore(PETROU,THEODORE／Petrou,Theodore)
  探索的データ分析を得意とする教育関係企業Ｄｕｎｄｅｒ　Ｄａｔａの創始者であるデータサイエンティスト。地域のデータ専門家が一室に集ってデータサイエンスの研鑽をはかるヒューストンデータサイエンスという２０００人以上からなるミートアップグループの代表者でもある。Ｄｕｎｄｅｒ　Ｄａｔａの創業以前は、石油関連サービス大手Ｓｃｈｌｕｍｂｅｒｇｅｒ社のデータサイエンティストとしてデータ探索に従事していた。プロジェクトには、エンジニアの記述文から部分
  
  黒川 利明(クロカワ トシアキ)
  １９４８年大阪府に生まれる。１９７２年東京大学教養学部基礎科学科卒業。東芝（株）、新世代コンピュータ技術開発機構、日本ＩＢＭ、（株）ＣＳＫ（現ＳＣＳＫ（株））、金沢工業大学を経て、現在、デザイン思考教育研究所主宰。ＩＥＥＥ　ＳＯＦＴＷＡＲＥ　Ａｄｖｉｓｏｒｙ　Ｂｏａｒｄメンバー

• 著者について

  Theodore Petrou (セオドア ペトロウ)
  著者略歴
  Petrou Theodore
  数学教師，企業でデータサイエンティスト
  （データ探索，リアルタイムWebサービス，アプリケーションの開発など）
  としての勤務などを経て
  データ解析の専門的な教育会社Dunder Dataを創設。
  
  黒川 利明 (クロカワ トシアキ)
  黒川 利明
  1972年、東京大学教養学部基礎科学科卒。東芝(株)、新世代コンピュータ技術開発機構、日本IBM、(株)CSK(現SCSK(株))、金沢工業大学を経て、2013年よりデザイン思考教育研究所主宰。過去に文部科学省科学技術政策研究所客員研究官として、ICT人材育成やビッグデータ、クラウド・コンピューティングに関わり、現在情報規格調査会SC22 C#、CLI、スクリプト系言語SG主査として、C#、CLI、ECMAScript、JSONなどのJIS作成、標準化に携わっている。他に、日本規格協会標準化アドバイザー、日本マネジメント総合研究所LLC客員研究員。ICES創立メンバー、画像電子学会国際標準化教育研究会委員長としてデータサイエンティスト教育、デザイン思考教育、地域活動などに関わる。

pandasクックブック―Pythonによるデータ処理のレシピ の商品スペック