参考url:https://jakevdp.github.io/PythonDataScienceHandbook/00.00-preface.html
描述:笔记
目录
1、pandas对象简介
1.1 Pandas的Series对象
1.2 Pandas的DataFrame对象
1.3 Pandas的Index对象
2、数据取值与选择
2.1 Series数据选择方法
2.2 DataFrame数据选择方法
3、Pandas数值运算方法
3.1 通用函数：保留索引
3.2 通用函数：索引对其
3.3 通用函数：DataFrame与Series的运算
4、处理缺失值
4.1 选择处理缺失值的方法
4.2 Pandas的缺失值
4.3 处理缺失值
5、层级索引
5.1 多级索引Series
5.2 多级索引的创建方法
5.3 多级索引的取值与切片
5.4 多级索引行列转换
5.5 多级索引的数据累计方法
6、合并数据集：Concat与Append操作
6.1 知识回顾：Numpy数组的合并
6.2 通过pd.concat实现简易合并
7、合并数据集：合并与连接
7.1 关系代数
7.2 数据连接的类型
7.3 设置数据合并的键
7.4 设置数据连接的集合操作规则
7.5 重复列名：suffixes参数
8、累计与分组
8.1 行星数据
8.2 Pandas的简单累计功能
8.3 GroupBy:分隔、应用和组合
9、数据透视表
9.1 演示数据透视表
9.2 手工制作数据透视表
9.10 数据透视表语法
10、向量化字符串操作
10.1 Pandas字符串操作简介
10.2 Pandas字符串方法列表
11、处理时间序列
11.1 Python的日期与时间工具
11.2 Pandas时间序列：用时间做索引
11.3 Pandas时间序列数据结构
11.4 时间频率与偏移量
11.5 重新取样、迁移和窗口
12、高性能Pandas:eval()与query()
12.1 query()与eval()的设计动机：复合代数式
12.2 用pandas.eval()实现高性能运算
12.3 用DataFrame.eval()实现列间运算
12.4 DateFrame.query()方法
12.5 性能决定使用时机
1、pandas对象简介
1.1 Pandas的Series对象
1.2 Pandas的DataFrame对象
1.3 Pandas的Index对象
2、数据取值与选择
2.1 Series数据选择方法
2.2 DataFrame数据选择方法
3、Pandas数值运算方法
3.1 通用函数：保留索引
3.2 通用函数：索引对其
3.3 通用函数：DataFrame与Series的运算
4、处理缺失值
4.1 选择处理缺失值的方法
4.2 Pandas的缺失值
4.3 处理缺失值
5、层级索引
5.1 多级索引Series
5.2 多级索引的创建方法
5.3 多级索引的取值与切片
5.4 多级索引行列转换
5.5 多级索引的数据累计方法
6、合并数据集：Concat与Append操作
6.1 知识回顾：Numpy数组的合并
6.2 通过pd.concat实现简易合并
7、合并数据集：合并与连接
7.1 关系代数
7.2 数据连接的类型
7.3 设置数据合并的键
7.4 设置数据连接的集合操作规则
7.5 重复列名：suffixes参数
8、累计与分组
8.1 行星数据
8.2 Pandas的简单累计功能
8.3 GroupBy:分隔、应用和组合
9、数据透视表
9.1 演示数据透视表
9.2 手工制作数据透视表
9.10 数据透视表语法
10、向量化字符串操作
10.1 Pandas字符串操作简介
10.2 Pandas字符串方法列表
11、处理时间序列
11.1 Python的日期与时间工具
11.2 Pandas时间序列：用时间做索引
11.3 Pandas时间序列数据结构
11.4 时间频率与偏移量
11.5 重新取样、迁移和窗口
12、高性能Pandas:eval()与query()
12.1 query()与eval()的设计动机：复合代数式
12.2 用pandas.eval()实现高性能运算
12.3 用DataFrame.eval()实现列间运算
12.4 DateFrame.query()方法
12.5 性能决定使用时机
来源：https://www.cnblogs.com/nuochengze/p/12491573.html