コンピュータ・IT サーバ・データベース・クラウドデータプログラミング言語 Python 機械学習・AI データ分析

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

Name: 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
Price: 3300 JPY
Availability: InStock
ISBN: 9784295017745

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

発売日: 2023/9/22 ISBN: 9784295017745 全文検索: 非対応

★★★★★ ★★★★★ 0件

●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。

目次プレビュー

表紙
本書情報および正誤表のWebページ
はじめに

表紙

本書情報および正誤表のWebページ

はじめに

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

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

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

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

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

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

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

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

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

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

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

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