Pythonデータ分析/機械学習のための基本コーディング！ pandasライブラリ活用入門（インプレス） [電子書籍]

Pythonデータ分析/機械学習のための基本コーディング！ pandasライブラリ活用入門（インプレス） の 商品概要

• Pythonデータ分析＋機械学習への第一歩！ 本格学習の前に、基礎を固め、全容を把握。― データの取り込み・整備・集約から、可視化、モデル化、正規化、高速化など、一連の基本作法を学べます。付録では、Python環境のインストール、Pythonの文法などを確認できます。使用するライブラリは、pandasを中心に、matplotlib、seaborn、numpy、statsmodels、sklearnなど。本書は『Pandas for Everyone: Python Data Analysis』の翻訳書です。
  

• 目次

  表紙
  商標など
  口絵
  序文
  まえがき
  本書の構成
  本書の読み方
  データの入手方法など
  謝辞
  第1部　基本的な使い方の基本
  第1章　DataFrameの基礎／1.1　はじめに
  1.2　最初のデータセットをロードする
  1.3　列、行、セルを見る
  1.4　グループ化と集約
  1.5　基本的なグラフ
  1.6　まとめ
  第2章　pandasのデータ構造／2.1　はじめに
  2.2　データを自作する
  2.3　Seriesについて
  2.4　DataFrameについて
  2.5　SeriesとDataFrameの書き換え
  2.6　データのエクスポートとインポート
  2.7　まとめ
  第3章　プロットによるグラフ描画／3.1　はじめに
  3.2　matplotlib
  3.3　matplotlibによる統計的グラフィックス
  3.4　seaborn
  3.5　pandasのオブジェクト
  3.6　seabornのテーマとスタイル
  3.7　まとめ
  第2部　データ操作によるクリーニング
  第4章　データを組み立てる／4.1　はじめに
  4.2　"整然データ"／4.3　連結
  4.4　複数のデータセットをマージする
  4.5　まとめ
  第5章　欠損データへの対応／5.1　はじめに
  5.2　NaNとは何か
  5.3　欠損値はどこから来るのか
  5.4　欠損データの扱い
  5.5　まとめ
  第6章　"整然データ"を作る／6.1　はじめに
  6.2　複数列に（変数ではなく）値が入っているとき
  6.3　複数の変数を含む列がある場合
  6.4　行と列の両方に変数があるとき
  6.5　1個の表に観察単位が複数あるとき（正規化）
  6.6　同じ観察単位が複数の表にまたがっているとき
  6.7　まとめ
  第3部　データの準備―変換／整形／結合など
  第7章　データ型の概要と変換／7.1　はじめに
  7.2　データ型／7.3　型変換
  7.4　カテゴリ型データ
  7.5　まとめ
  第8章　テキスト文字列の操作／8.1　はじめに
  8.2　文字列
  8.3　文字列メソッド
  8.4　その他の文字列メソッド
  8.5　文字列のフォーマッティング
  8.6　正規表現
  8.7　regexライブラリ／8.8　まとめ
  第9章　applyによる関数の適用／9.1　はじめに
  9.2　関数
  9.3　applyの基本
  9.4　applyの応用
  9.5　関数のベクトル化
  9.6　ラムダ関数
  9.7　まとめ
  第10章　groupby演算による分割-適用-結合／10.1　はじめに
  10.2　集約
  10.3　変換（transform）
  10.4　フィルタリング
  10.5　DataFrameGroupByオブジェクト
  10.6　マルチインデックスを使う
  10.7　まとめ
  第11章　日付／時刻データの操作／11.1　はじめに
  11.2　Pythonのdatetimeオブジェクト／11.3　datetimeへの変換
  11.4　日付を含むデータをロードする
  11.5　日付のコンポーネントを抽出する
  11.6　日付の計算とtimedelta
  11.7　datetimeのメソッド
  11.8　株価データを取得する
  11.9　日付によるデータの絞り込み
  11.10　日付の範囲
  11.11　値をシフトする
  11.12　リサンプリング
  11.13　時間帯
  11.14　まとめ
  第4部　モデルをデータに適合させる
  第12章　線形モデル／12.1　はじめに／12.2　単純な線形回帰
  12.3　重回帰
  12.4　sklearnでインデックスラベルを残す
  12.5　まとめ
  第13章　一般化線形モデル／13.1　はじめに／13.2　ロジスティック回帰
  13.3　ポアソン回帰
  13.4　その他の一般化線形モデル／13.5　生存分析
  13.6　まとめ
  第14章　モデルを診断する／14.1　はじめに／14.2　残差
  14.3　複数のモデルを比較する
  14.4　k分割交差検証
  14.5　まとめ
  第15章　正則化で過学習に対処する／15.1　はじめに／15.2　なぜ正則化するのか
  15.3　LASSO回帰
  15.4　リッジ回帰
  15.5　ElasticNet
  15.6　交差検証
  15.7　まとめ
  第16章　クラスタリング／16.1　はじめに／16.2　k平均法
  16.3　階層的クラスタリング
  16.4　まとめ
  第5部　締めくくり―次のステップへ
  第17章　pandas周辺の強力な機能／17.1　Pythonの科学計算スタック
  17.2　コードの性能
  17.3　大きなデータをより速く処理する
  第18章　さらなる学びのための情報源／18.1　1人歩きは危険だ！／18.2　地元でのミートアップ
  18.3　カンファレンス
  18.4　インターネット／18.5　ポッドキャスト
  18.6　まとめ
  第6部　付録
  付録A　インストール
  付録B　コマンドライン
  付録C　プロジェクトのテンプレート
  付録D　Pythonの使い方
  付録E　ワーキングディレクトリ
  付録F　環境
  付録G　パッケージのインストール
  付録H　ライブラリのインポート
  付録I　リスト
  付録J　タプル
  付録K　辞書
  付録L　値のスライス
  付録M　ループ
  付録N　内包表記（comprehension）
  付録O　関数
  付録P　範囲とジェネレータ
  付録Q　複数代入
  付録R　numpyのndarray
  付録S　クラス
  付録T　Odo（TheShapeshifter）
  参考文献
  索引
  著者プロフィールなど
  奥付
  

Pythonデータ分析/機械学習のための基本コーディング！ pandasライブラリ活用入門（インプレス） の商品スペック