Python数据处理 PDF_Python教程

资源名称：Python数据处理 PDF 

内容简介：

本书采用基于项目的方法，介绍用Python完成数据获取、数据清洗、数据探索、数据呈现、数据规模化和自动化的过程。主要内容包括：Python基础知识，如何从CSV、Excel、XML、JSON和PDF文件中提取数据，如何获取与存储数据，各种数据清洗与分析技术，数据可视化方法，如何从网站和API中提取数据。

作者简介：

Jacqueline Kazil

数据科学家，资深软件开发者。活跃于Python软件基金会、PyLadies等社区。曾参与美国总统创新伙伴项目，是美国政府技术组织18F的联合创始人。曾担任《华盛顿邮报》数据记者。

Katharine Jarmul

资深Python开发者，PyLadies联合创始人。喜欢数据分析和获取、网页抓取、教人学习Python以及Unix，期望通过教育和培训来促进Python和其他开源语言的多元化。

译者简介：

张亮（hysic）

毕业于北京大学物理学院，爱好机器学习和数据分析的核安全工程师。

吕家明

2016年毕业于哈尔滨工业大学，现就职于腾讯，从事搜索、Query分析等相关工作，熟悉大规模数据下的数据挖掘和机器学习实践。

资源目录：

前言　　xiii

第1章　Python 简介　　1

1.1　为什么选择Python　　4

1.2　开始使用Python　　4

1.2.1　Python 版本选择　　5

1.2.2　安装Python　　6

1.2.3　测试Python　　9

1.2.4　安装pip　　11

1.2.5　安装代码编辑器　　12

1.2.6　安装IPython（可选）　　13

1.3　小结　　13

第2章　Python 基础　　14

2.1　基本数据类型　　15

2.1.1　字符串　　15

2.1.2　整数和浮点数　　15

2.2　数据容器　　18

2.2.1　变量　　18

2.2.2　列表　　21

2.2.3　字典　　22

2.3　各种数据类型的用途　　23

2.3.1　字符串方法：字符串能做什么　　24

2.3.2　数值方法：数字能做什么　　25

2.3.3　列表方法：列表能做什么　　26

2.3.4　字典方法：字典能做什么　　27

2.4　有用的工具：type、dir 和help　　28

2.4.1　type　　28

2.4.2　dir　　28

2.4.3　help　　30

2.5　综合运用　　31

2.6　代码的含义　　32

2.7　小结　　33

第3章　供机器读取的数据　　34

3.1　CSV 数据　　35

3.1.1　如何导入CSV 数据　　36

3.1.2　将代码保存到文件中并在命令行中运行　　39

3.2　JSON 数据　　41

3.3　XML 数据　　44

3.4　小结　　56

第4章　处理Excel 文件　　58

4.1　安装Python 包　　58

4.2　解析Excel 文件　　59

4.3　开始解析　　60

4.4　小结　　71

第5章　处理PDF 文件，以及用Python 解决问题　　73

5.1　尽量不要用PDF　　73

5.2　解析PDF 的编程方法　　74

5.2.1　利用slate 库打开并读取PDF　　75

5.2.2　将PDF 转换成文本　　77

5.3　利用pdfminer 解析PDF　　78

5.4　学习解决问题的方法　　92

5.4.1　练习：使用表格提取，换用另一个库　　94

5.4.2　练习：手动清洗数据　　98

5.4.3　练习：试用另一种工具　　98

5.5　不常见的文件类型　　101

5.6　小结　　101

第6章　数据获取与存储　　103

6.1　并非所有数据生而平等　　103

6.2　真实性核查　　104

6.3　数据可读性、数据清洁度和数据寿命　　105

6.4　寻找数据　　105

6.4.1　打电话　　105

6.4.2　美国政府数据　　106

6.4.3　全球政府和城市开放数据　　107

6.4.4　组织数据和非政府组织数据　　109

6.4.5　教育数据和大学数据　　109

6.4.6　医学数据和科学数据　　109

6.4.7　众包数据和API　　110

6.5　案例研究：数据调查实例　　111

6.5.1　埃博拉病毒危机　　111

6.5.2　列车安全　　111

6.5.3　足球运动员的薪水　　112

6.5.4　童工　　112

6.6　数据存储　　113

6.7　数据库简介　　113

6.7.1　关系型数据库：MySQL 和PostgreSQL　　114

6.7.2　非关系型数据库：NoSQL　　116

6.7.3　用Python 创建本地数据库　　117

6.8　使用简单文件　　118

6.8.1　云存储和Python　　118

6.8.2　本地存储和Python　　119

6.9　其他数据存储方式　　119

6.10　小结　　119

第7章　数据清洗：研究、匹配与格式化　　121

7.1　为什么要清洗数据　　121

7.2　数据清洗基础知识　　122

7.2.1　找出需要清洗的数据　　123

7.2.2　数据格式化　　131

7.2.3　找出离群值和不良数据　　135

7.2.4　找出重复值　　140

7.2.5　模糊匹配　　143

7.2.6　正则表达式匹配　　146

7.2.7　如何处理重复记录　　150

7.3　小结　　151

第8章　数据清洗：标准化和脚本化　　153

8.1　数据归一化和标准化　　153

8.2　数据存储　　154

8.3　找到适合项目的数据清洗方法　　156

8.4　数据清洗脚本化　　157

8.5　用新数据测试　　170

8.6　小结　　172

第9章　数据探索和分析　　173

9.1　探索数据　　173

9.1.1　导入数据　　174

9.1.2　探索表函数　　179

9.1.3　联结多个数据集　　182

9.1.4　识别相关性　　186

9.1.5　找出离群值　　187

9.1.6　创建分组　　189

9.1.7　深入探索　　192

9.2　分析数据　　193

9.2.1　分离和聚焦数据　　194

9.2.2　你的数据在讲什么　　196

9.2.3　描述结论　　196

9.2.4　将结论写成文档　　197

9.3　小结　　197

第10章　展示数据　　199

10.1　避免讲故事陷阱　　199

10.1.1　怎样讲故事　　200

10.1.2　了解听众　　200

10.2　可视化数据　　201

10.2.1　图表　　201

10.2.2　时间相关数据　　207

10.2.3　地图　　208

10.2.4　交互式元素　　211

10.2.5　文字　　212

10.2.6　图片、视频和插画　　212

10.3　展示工具　　213

10.4　发布数据　　213

10.4.1　使用可用站点　　213

10.4.2　开源平台：创建一个新网站　　215

10.4.3　Jupyter（曾名IPython notebook）　　216

10.5　小结　　219

第11章　网页抓取：获取并存储网络数据　　221

11.1　抓取什么和如何抓取　　221

11.2　分析网页　　223

11.2.1　检视：标记结构　　224

11.2.2　网络/ 时间线：页面是如何加载的　　230

11.2.3　控制台：同Javaｓｃｒｉｐｔ 交互　　232

11.2.4　页面的深入分析　　236

11.3　得到页面：如何通过互联网发出请求　　237

11.4　使用Beautiful Soup 读取网页　　238

11.5　使用lxm