추가 적립 안내

빅데이터 분석에 관한 가장 완벽한 교재!

이 책은 NumPy, pandas, matplotlib, IPython, Jupyter 등 다양한 파이썬 라이브러리를 사용해서 효과적으로 데이터를 분석하는 방법을 알려준다. pandas의 새로운 기능뿐만 아니라 메모리 사용량을 줄이고 성능을 개선하는 고급 사용법까지 다룬다. 또한 모델링 도구인 statsmodels와 scikit-learn 라이브러리도 소개한다. 연대별 이름 통계 자료, 미 대선 데이터베이스 자료 등 실사례로 따라 하다 보면 어느덧 여러분도 데이터에 알맞게 접근하고 효과적으로 분석하는 전문가가 될 것이다.

★ 『파이썬 라이브러리를 활용한 데이터 분석』 드디어 개정!
이 책의 초판이 출간된 2012년은 pandas 개발 초기로, 파이썬용 오픈소스 데이터 분석 라이브러리가 흔하지 않았습니다. 이번에 pandas의 새로운 기능과 5년여간의 세월이 흐르는 동안 낡았거나 사용법이 바뀐 내용을 모두 반영하여 책 전반을 다시 다듬었습니다. 또한 당시에는 존재하지 않았거나 책에 싣기에는 불안했던 갓 나온 도구들을 새로 소개하는 내용을 추가했습니다. 2판의 주요 변경 사항은 다음과 같습니다.

● 모든 코드를 파이썬 3.6 기반으로 수정
● 아나콘다 파이썬 배포판과 몇몇 필수 파이썬 패키지로 설치
● 최신 pandas 라이브러리 사용
● pandas 고급 사용법과 사용팁 추가
● statsmodels와 scikit-learn 라이브러리 소개

★ 이 책에서 다루는 내용
이 책은 파이썬으로 데이터를 다루는 다양하고 기본적인 방법을 소개합니다. 그러기 위해 파이썬 프로그래밍 언어의 일부와 데이터 분석 문제를 효율적으로 해결하는 데 도움이 되는 몇 가지 라이브러리를 다룹니다. ‘데이터 분석’이 이 책의 제목이긴 하지만 데이터 분석 방법론이 아니라 파이썬 프로그래밍, 라이브러리, 도구에 집중합니다. 주요 내용은 다음과 같습니다.

● IPython 셸, 주피터 노트북 사용하기
● NumPy 기본 및 고급 기능 알아보기
● pandas로 데이터 분석 입문하기
● 유연한 도구를 사용해 데이터 로딩, 정제, 조인, 병합, 변형하기
● matplotlib으로 유용한 시각화 만들기
● pandas groupby 기능을 적용해 데이터를 나누고 요약하기
● 시계열 데이터 분석 및 조작하기

“이미 필독서가 된 이 책이 업그레이드되었다. 2판에는 파이썬 3.6부터 pandas 최신 기능에 이르기까지 이 책의 가치를 더 향상시킬 내용이 담겼다. 왜 파이썬 라이브러리인지, 이 도구들을 어떻게 다뤄야 하는지 설명해 독자가 새롭고 창의적인 방식으로 효율적인 사용법을 익히도록 도와준다.”
[(Fernando P?rez)_ IPython 창시자, UC 버클리 통계학과 조교수]

CHAPTER 1 시작하기 전에
__1.1 이 책에서 다루는 내용
__1.2 왜 데이터 분석에 파이썬을 사용하나
__1.3 필수 파이썬 라이브러리
__1.4 설치 및 설정
__1.5 커뮤니티와 컨퍼런스
__1.6 이 책을 살펴보는 방법

CHAPTER 2 파이썬 언어의 기본, IPython, 주피터 노트북
__2.1 파이썬 인터프리터
__2.2 IPython 기초
__2.3 파이썬 기초

CHAPTER 3 내장 자료구조, 함수, 파일
__3.1 자료구조와 순차 자료형
__3.2 함수
__3.3 파일과 운영체제
__3.4 마치며

CHAPTER 4 NumPy 기본: 배열과 벡터 연산
__4.1 NumPy ndarray: 다차원 배열 객체
__4.2 유니버설 함수: 배열의 각 원소를 빠르게 처리하는 함수
__4.3 배열을 이용한 배열지향 프로그래밍
__4.4 배열 데이터의 파일 입출력
__4.5 선형대수
__4.6 난수 생성
__4.7 계단 오르내리기 예제
__4.8 마치며

CHAPTER 5 pandas 시작하기
__5.1 pandas 자료구조 소개
__5.2 핵심 기능
__5.3 기술 통계 계산과 요약
__5.4 마치며

CHAPTER 6 데이터 로딩과 저장, 파일 형식
__6.1 텍스트 파일에서 데이터를 읽고 쓰는 법
__6.2 이진 데이터 형식
__6.3 웹 API와 함께 사용하기
__6.4 데이터베이스와 함께 사용하기
__6.5 마치며

CHAPTER 7 데이터 정제 및 준비
__7.1 누락된 데이터 처리하기
__7.2 데이터 변형
__7.3 문자열 다루기
__7.4 마치며

CHAPTER 8 데이터 준비하기: 조인, 병합, 변형
__8.1 계층적 색인
__8.2 데이터 합치기
__8.3 재형성과 피벗
__8.4 마치며

CHAPTER 9 그래프와 시각화
__9.1 matplotlib API 간략하게 살펴보기
__9.2 pandas에서 seaborn으로 그래프 그리기
__9.3 다른 파이썬 시각화 도구
__9.4 마치며

CHAPTER 10 데이터 집계와 그룹 연산
__10.1 GroupBy 메카닉
__10.2 데이터 집계
__10.3 Apply: 일반적인 분리-적용-병합
__10.4 피벗테이블과 교차일람표
__10.5 마치며

CHAPTER 11 시계열
__11.1 날짜, 시간 자료형, 도구
__11.2 시계열 기초
__11.3 날짜 범위, 빈도, 이동
__11.4 시간대 다루기
__11.5 기간과 기간 연산
__11.6 리샘플링과 빈도 변환
__11.7 이동창 함수
__11.8 마치며

CHAPTER 12 고급 pandas
__12.1 Categorical 데이터
__12.2 고급 GroupBy 사용
__12.3 메서드 연결 기법
__12.4 마치며

CHAPTER 13 파이썬 모델링 라이브러리
__13.1 pandas와 모델 코드의 인터페이스
__13.2 Patsy를 이용해서 모델 생성하기
__13.3 statsmodels 소개
__13.4 scikit-learn 소개
__13.5 더 공부하기

CHAPTER 14 데이터 분석 예제
__14.1 Bit.ly의 1.USA.gov 데이터
__14.2 MovieLens의 영화 평점 데이터
__14.3 신생아 이름
__14.4 미국농무부 영양소 정보
__14.5 2012년 연방선거관리위원회 데이터베이스
__14.6 마치며

APPENDIX A 고급 NumPy
__A.1 ndarray 객체 구조
__A.2 고급 배열 조작 기법
__A.3 브로드캐스팅
__A.4 고급 ufunc 사용법 .
__A.5 구조화된 배열과 레코드 배열
__A.6 정렬에 관하여
__A.7 umba를 이용하여 빠른 NumPy 함수 작성하기
__A.8 고급 배열 입출력
__A.9 성능 팁

APPENDIX B IPython 시스템 더 알아보기
__B.1 명령어 히스토리 사용하기
__B.2 운영체제와 함께 사용하기
__B.3 소프트웨어 개발 도구
__B.4 IPython을 이용한 생산적인 코드 개발에 관한 팁
__B.5 IPython 고급 기능
__B.6 마치며