セール中カテゴリ一覧著者一覧

コンピュータ・IT Python

Pythonデータ分析実践ハンドブック　実務で使えるデータ加工のテクニック

0件

3,300円（税込）

獲得ポイント: 33pt 内訳

通常:

33pt

(EPUBリーダー起動)

カート追加

ギフト購入

Pythonデータ分析実践ハンドブック　実務で使えるデータ加工のテクニック

発売日: 2023/9/22

インプレス寺田学 (著) 神沢雄大 (著) @driller (著) 辻真吾 (著)

EPUBリフロー

ISBN: 9784295017745

全文検索: 非対応

●データの加工や分析の実践スキルを身につけよう
本書は、Pythonやpandasの基礎を身につけた方が、データ分析を行ううえで知っておきたい「データ分析の実務で使うノウハウ」をまとめた書籍です。

さまざまな種類のデータの読み込みから加工、可視化、データの評価、pandasやNumPyの活用方法など、Pythonを使ってデータを加工し分析する方法を詳しく学べます。データ加工のレシピやデータ分析に必要な数学の知識についても学べます。

【本書で学べること】
・データ加工の基礎知識
・データの種類と読み込み
・表形式データの加工
・NumPyと数値データ
・データの評価
・時系列データの処理
・テキスト情報の処理
・画像データの処理
・グラフデータの処理
・地理空間データの処理
・データ分析に必要な線形代数

【本書で学べること】
「Pythonのデータ活用や加工をより詳しく理解したい」「実務でデータ分析をしたい」「幅広いデータ形式の知識を持ちたい」「普段からPythonでデータ分析をしているが、データハンドリングの知識を学びたい／ツールの使い方を調べたい」といった方におすすめの一冊です。

目次

表紙

本書情報および正誤表のWebページ

はじめに

本書を読む前に──対象読者と本書の概要

対象読者

Pythonデータ分析実践試験について

各章の概要

サンプルコードについて

目次

第1章　データ加工概論

1-1　データ加工の目的

1-1-1　データ加工とは

1-1-2　データ加工の必要性

1-1-3　データ加工の実情

1-2　データ分析エンジニアの役割

1-2-1　データ分析エンジニアとは

1-2-2　データサイエンティストとは

1-3　データの種類

1-3-1　データ形式

1-3-2　データ構造

1-4　ライブラリの種類

1-4-1　ライブラリが提供する機能

1-4-2　主なライブラリ

COLUMN　整然データと観測と変数

第2章　データの種類と読み込み

2-1　CSV形式

2-1-1　CSV形式のデータ

2-1-2　データサンプル

2-1-3　open()関数で読み込み

2-1-4　pandasでCSV読み込み

2-1-5　csvモジュールで読み込み

2-2　Excel形式

2-2-1　Excelファイルの扱い

2-2-2　データサンプル

2-2-3　pandasでExcelファイルの読み込み

2-2-4　pandasでExcelファイルの書き込み

2-2-5　Pythonオブジェクトで読み書き

2-3　JSON形式

2-3-1　JSON形式の特徴

2-3-2　データサンプル

2-3-3　JSON形式の処理

2-3-4　jsonライブラリ

2-3-5　pandasのDataFrameに変換

2-3-6　pandasで直接読み込み

2-3-7　json_normalize()関数

2-4　HTML形式

2-4-1　Webスクレイピング

2-4-2　データサンプル

2-4-3　データの取得方法

2-4-4　pandasでtableタグを取得

NOTE　lxmlとmacOS

2-5　XML形式

2-5-1　データサンプル

2-5-2　XML形式のデータ

2-5-3　pandasのオブジェクトに変換

NOTE　RSS

2-6　文書データ

2-6-1　青空文庫のデータをDataFrame化

2-7　画像データ

2-7-1　Pillowで画像の読み込み

2-8　音声データ

2-9　RDBデータ

2-9-1　SQLite3

2-9-2　データサンプル

2-9-3　sqlite3モジュール

NOTE　複数行のSQL

2-9-4　pandasでRDBデータの読み込み

2-10　pickle形式

2-10-1　pickleの注意点

2-10-2　DataFrameをpickle化

2-11　parquet形式

2-11-1　pickle形式との違い

2-11-2　pandasでの利用

2-11-3　pandas DataFrameとの違い

第3章　表形式データの加工

3-1　データの連結／結合

3-1-1　データの連結／結合方法と関数／メソッド

3-1-2　concat()関数によるDataFrameの連結

3-1-3　concat()関数によるDataFrameの結合

3-1-4　join()メソッドによるDataFrameの結合

3-1-5　merge()関数によるDataFrameの結合

NOTE　list-like

NOTE　merge()関数の注意点

COLUMN　DataFrame結合時の関数／メソッドの選び方

3-2　データの変形

3-2-1　ピボットとアンピボット

3-2-2　スタックとアンスタック

3-2-3　ダミー変数

3-2-4　要素の展開

3-3　カテゴリーデータの処理

3-3-1　尺度水準

3-3-2　カテゴリーデータの生成

3-3-3　カテゴリーデータへの型変換

3-3-4　カテゴリーデータの順序付け

3-3-5　データの離散化によるカテゴリーデータの生成

3-3-6　.catアクセサ

3-3-7　CategoricalIndex

3-3-8　カテゴリーデータの結合

3-4　データのグループ化

3-4-1　GroupByオブジェクト

3-4-2　データの集約

3-4-3　GroupByオブジェクトのフィルタリング

3-4-4　GroupByオブジェクトのデータの可視化

3-5　階層型インデックス（MultiIndex）

3-5-1　MultiIndexの生成

3-5-2　MultiIndexを持つオブジェクトへのアクセス

3-5-3　MultiIndexのグループ化とアライメント

3-5-4　MultiIndexの階層の変更

3-5-5　MultiIndexのソート

COLUMN　多次元データとXarray

第4章　NumPyと数値データ

4-1　配列の構造とブロードキャスト

4-1-1　配列の形状を変える

4-1-2　ブロードキャスト

4-2　数値データの型

4-2-1　NumPyの数値データ型

4-2-2　数値の演算と型の変換

第5章　データの評価

5-1　使用するデータの紹介と読み込み

5-1-1　ペンギンデータの概要

5-1-2　データ読み込み

5-1-3　読み込み結果の簡単なチェック

5-1-4　読み込んだデータの保存

5-2　定量的評価（統計量）

5-2-1　要約統計量の確認

5-3　定性的評価（可視化）

NOTE　カラーユニバーサルデザイン

5-3-1　データ可視化のためのライブラリ

5-3-2　グラフの種類

5-4　データの分布の確認

5-4-1　統計的な確認

5-4-2　ヒストグラムによる分布の確認

5-4-3　散布図による分布の確認

5-5　外れ値、異常値

5-5-1　外れ値の確認

5-5-2　外れ値への対処方法

5-6　欠損値

5-6-1　欠損値の基礎知識

5-6-2　欠損値の発生パターン（メカニズム）と対処方法

5-7　値の重複

5-7-1　重複の有無の確認方法

5-7-2　重複の発生パターンと対処方法

第6章　時系列データの処理

6-1　時系列データを扱うpandasのデータ型

6-1-1　Timestampクラス

6-1-2　Periodクラス

6-1-3　Timedeltaクラス

6-1-4　DateOffsetクラス

6-2　時系列データのインデックス

6-2-1　DatetimeIndexクラス

6-2-2　date_range()関数

6-2-3　DatetimeIndexへのアクセス

6-2-4　PeriodIndexクラス

6-2-5　period_range()関数

6-3　リサンプリング

6-3-1　resample()メソッド

6-4　.dtアクセサ

6-5　タイムゾーン情報を含むdatetime型の操作

6-5-1　タイムゾーン情報の付与と変換

第7章　テキスト情報の処理

7-1　Pythonを使った文字列処理

7-1-1　正規表現による処理

7-1-2　複数行のテキストデータの処理

7-1-3　DataFrame化

7-2　pandasによるテキストデータの処理

7-2-1　テキストデータで扱うデータ型

7-2-2　.strアクセサ

第8章　画像データの処理

8-1　Pillowを使った画像の加工

8-1-1　サムネイル化

8-1-2　クロップ（切り取り）

8-1-3　グレースケール（モノクロ）化

8-1-4　複数の画像をまとめて処理する方法

8-2　NumPyを使った画像データ処理

8-2-1　画像とNumPy配列の間の変換

8-2-2　拡大／縮小

8-2-3　切り取り／貼り付け

8-2-4　分割（n等分）

8-2-5　90度単位での回転

8-2-6　反転

8-2-7　複製／貼り合わせ

8-2-8　次元の操作

8-2-9　HWCとCHWとの変換

8-2-10　色（チャネル）の積み重ね／変換

第9章　グラフデータの処理

9-1　グラフとNetworkX

9-1-1　グラフ構造の例

9-1-2　グラフの基本

9-1-3　NetworkX入門

9-1-4　NetworkXを使ったグラフの解析

9-1-5　pyvisを使ったグラフの描画

9-1-6　グラフのためのファイル形式

9-2　実践的なグラフデータの解析

9-2-1　データの準備

9-2-2　グラフの構築

9-2-3　ノードの特徴を定量化する

COLUMN　数学を学ぶタイミング

第10章　地理空間データの処理

10-1　地理空間データの概要

10-1-1　地理空間データとは

10-1-2　GIS（地理情報システム）

10-1-3　CRS（座標参照系）

10-1-4　データ形式

10-1-5　GISで利用する主なライブラリ

10-2　地理空間データのファイル形式と読み込み

10-2-1　GeoJSON

10-2-2　シェープファイル

10-2-3　GeoTIFF

10-3　地理空間データの操作

10-3-1　Geometricオブジェクト

10-3-2　Geometricオブジェクトの属性

10-3-3　距離の算出

10-4　GeoPandas

10-4-1　GeoDataFrame

10-4-2　.cxインデクサ

10-4-3　GeoSeriesの処理

10-5　地理空間データの可視化

10-5-1　ポイントの可視化

10-5-2　ラインの可視化

10-5-3　ポリゴンの可視化

COLUMN　ジオコーディング

第11章　データ加工のための線形代数

11-1　線形代数の基本

11-1-1　ベクトルと内積

11-1-2　行列

11-1-3　転置行列とその性質

11-1-4　行列とベクトル

11-1-5　行列のランク

11-1-6　ベクトルの射影

11-1-7　固有値と固有ベクトル

11-1-8　行列の種類のまとめ

11-2　行列の特異値分解

11-2-1　2次元を1次元にする

11-2-2　行列を特異値分解する

11-2-3　特異値分解の詳細

11-2-4　特異値分解と主成分分析

11-2-5　行列の近似

11-2-6　特異値分解と固有値／固有ベクトル

COLUMN　数学とデータ分析

付録A　Pythonのインストール

A-1　WindowsにPythonをインストールする

A-2　macOSにPythonをインストールする

A-3　コマンドラインでPythonを起動する

Windowsの場合

macOSの場合

A-4　仮想環境のススメ

Windowsでvenvを使う

macOSでvenvを使う

付録B　パッケージのインストール

B-1　pipコマンド

B-2　本書で利用するサードパーティ製パッケージ

基本パッケージ

用途別サードパーティ製パッケージ

付録C　pandasとMatplotlibによる可視化

C-1　使用データ

C-2　散布図

C-3　折れ線グラフ

C-4　棒グラフ

C-5　ヒストグラム

C-6　箱ひげ図

C-7　文字化けへの対処

著者プロフィール

奥付

ユーザーレビュー

まだレビューが投稿されていません