Python知識手冊-V3.3 [入門電子書/PDF]

封面; 1

前言; 3
目錄; 5
導讀; 15
    手冊內容; 15
    主要更新內容; 15
    如何閱讀和使用《手冊》; 16
    手冊版本歷史資訊; 17
Python 語言的簡單介紹; 18
    起源; 18
    為什麼名字叫 “Python”; 20
    Python的發展歷史; 20
    Python語言的特點; 21
    Python 語言的應用; 22
    Python 語言的一些缺點; 23
Python安裝; 24
    安裝方法一：; 24
    安裝方法二：（推薦）; 29
    總結; 32
第一個Python程式; 33
    輸出函數 print(); 33
    輸入函數 input(); 35
    小練習; 36
創建第一個“.py” 和 “.ipynb” 文件; 37
    創建和運行 “.py” 文件; 37
    文字編輯器; 44
    創建和運行 “.ipynb” 文件; 44
    總結; 50
VS Code 中 Python 環境配置指南; 51
    軟體準備; 51
    在終端運行程式; 52
    Python 環境配置; 53
Python資料類型-字串介紹; 65
    創建字串; 67
    訪問字串中的值; 67
    字串格式化; 68
    字串的基本運算; 71
Python資料類型-List介紹; 80
    初識 list; 80
    訪問列表中的值; 81
    清單的操作、函數及方法; 82
    list中元素的類型可以多樣; 85
    list 的切片（slices）; 86
    列表推導式(List Comprehension); 88
    小結; 91
Python資料類型-字典介紹; 92
    基本用法; 92
    字典推導式; 100
    字典合併; 101
    嵌套型字典; 103
    小結; 108
Python內置時間模組：Datetime; 109
    前言; 109
    構建時間物件實例; 110
    時間轉換; 114
    時間對象的運算; 118
Python內置時間模組\:Time; 121
    模組介紹; 121
    時間獲取; 122
    時間轉換; 122
Python內置時間模組：Calendar; 125
    獲取某年的日曆; 125
    獲取某月的日曆; 126
    其他方法; 127
Jupyter Notebook 主題設置、字體修改等; 128
    新的風格預覽; 128
    主題更換過程; 129
    我的主題設置參數; 130
Jupyter Notebook中自動補全代碼; 132
Jupyter Notebook輸出pdf並支援中文顯示; 134
    安裝順序; 134
Anaconda安裝虛擬環境到指定路徑; 140
    曾經的困擾; 140
    安裝虛擬環境; 140
    虛擬環境下安裝python庫; 143
Numpy的基本用法; 145
    Numpy陣列物件; 145
    創建ndarray陣列; 146
    Numpy的數數值型別; 148
    ndarray陣列的屬性; 149
    ndarray陣列的切片和索引; 153
    處理陣列形狀; 154
    陣列的類型轉換; 162
    numpy常用統計函數; 162
    陣列的廣播; 164
    寫在最後; 165
Numpy的random函數簡介; 166
    numpy.random.rand(); 166
    numpy.random.randn(); 167
    numpy.random.randint(); 167
    生成[0,1)之間的浮點數; 168
    numpy.random.choice(); 169
    numpy.random.seed(); 170
Numpy中Meshgrid函數介紹及2種應用場景; 171
    Meshgrid函數的基本用法; 171
    Meshgrid函數的一些應用場景; 174
Pandas：資料篩選query函數介紹; 176
    常用方法; 177
    通過數學運算式篩選; 178
    通過變數篩選; 179
    清單數據篩選; 180
    多條件篩選; 180
    列名稱有空格的情況; 181
    篩選後選取資料列; 182
    小結; 183
Pandas 的 Groupby 操作; 184
    groupby 的基礎操作; 184
    分組後選擇列進行運算; 185
    聚合方法; 186
    分組運算方法 agg(); 187
    分組運算方法 apply(); 188
    分組運算方法 transform(); 189
    將某列資料按資料值分成不同範圍段進行分組（groupby）運算; 190
Pandas數據排序; 192
    按索引排序; 192
    按數值排序; 197
Pandas中將列（column）排序的幾種方法; 206
    數據準備; 206
    幾種排序方法; 207
    實戰案例：自由排序; 210
Pandas的DataFrame如何按指定list排序; 213
    分析過程; 215
    指定list元素多的情況：; 217
    指定list元素少的情況：; 218
    總結; 219
Pandas\: 如何將一列中的文本拆分為多行？; 220
    Method-1; 221
    Method-2; 222
Pandas小冊子：根據條件創建新的列; 224
    第一種方法; 224
    第二種方法; 225
Pandas 中 apply 使用技巧！; 227
    使用apply函數拆分文本; 227
    應用有兩個參數的自訂函數; 229
Pandas日期資料處理; 232
    讀取並整理資料; 232
    按日期篩選資料; 233
    按日期顯示資料; 235
    按日期統計資料; 239
Pandas 表格樣式設置指南; 243
    環境準備; 244
    隱藏索引; 245
    隱藏列; 246
    設置資料格式; 247
    顏色高亮設置; 249
    色階顏色設置; 253
    資料條顯示; 258
    自訂函數的使用; 259
    顏色設置範圍選擇; 263
    共用樣式; 265
    匯出樣式到Excel; 268
    總結; 269
Matplotlib 圓形圖簡介; 270
    官方Demo; 270
    將實際資料應用於官方Demo; 271
    一些改善措施; 272
Matplotlib 中等高線圖（contour）的繪製; 282
    僅繪製等高線; 283
    僅填充等高區域顏色：; 283
    繪製完整的等高線圖; 284
Matplotlib視覺化最有價值的 50 個圖表; 286
    介紹; 286
    準備工作; 286
    關聯 （Correlation）; 287
    偏差 （Deviation）; 300
    排序 （Ranking）; 308
    分佈 （Distribution）; 315
    組成 （Composition）; 328
    變化 （Change）; 335
    分組 （Groups）; 352
Matplotlib 動態圖繪製; 359
    數據準備; 359
    4種類型的動態 gif 圖; 360
輕鬆用 Seaborn 進行資料視覺化; 366
    長條圖 （Distplot）; 366
    聯合分佈圖 （Jointplot）; 368
    矩陣圖 （Pairplot）; 371
    橫條圖 （Barplot）; 372
    箱形圖 （Boxplot）; 374
    LM Plot; 376
Seaborn視覺化：圖形個性化設置的幾個小技巧; 378
    概述; 378
    未個性化設置的情形; 378
    進行個性化設置; 379
Seaborn熱力圖使用進階; 382
    構造數據; 382
    Seaborn的heatmap各個參數介紹; 384
    案例應用：突出顯示某些資料; 394
Plotly\:在IDE編輯器下使用 Plotly Express; 396
    第一個示例; 396
    第二個示例; 397
Plotly Express 視覺化使用指南; 399
    環境與資料準備; 401
    線形圖（Line）; 403
    面積圖（Area）; 407
    散點圖（Scatter）; 408
    圓形圖（Pie）; 411
    柱狀圖（Bar）; 413
    箱形圖（Box）; 419
    小提琴圖（Violin）; 421
    聯合分佈圖（Marginal）; 426
    長條圖（Histogram）; 427
    漏斗圖（Funnel）; 430
    平行座標圖（Parallel）; 431
    密度圖（Density）; 433
    極座標圖（Polar）; 435
    圖片顯示（Imshow）; 439
    旭日圖（Sunburst）; 443
    甘特圖（Timeline）; 445
    樹狀圖（Treemap）; 448
    三維散點圖（Scatter 3D）; 451
    地圖（Map）; 453
    顏色（Colors）; 459
    Plotly 生態系統的一部分; 460
Plotly中如何保存jpeg等圖片?; 462
    保存靜態圖片的方法; 462
    專案案例演示; 462
Plotly中繪製三種經典的股票交易圖表（含視頻講解）; 465
    背景; 465
    資料來源; 465
    面積曲線圖; 467
    蠟燭圖; 469
    OHLC 圖; 474
Plotly 動態演示全球疫情變化趨勢; 479
    資料來源; 479
    準備工作; 479
    獲取國外的疫情資料; 480
Plotly 動態曲線圖對全球疫情進行演示; 485
    資料來源; 486
    準備工作; 487
    獲取國外和國內的疫情資料; 488
    疫情視覺化; 489
Plotly：升級版，用多條曲線動態演示全球疫情變化; 495
    資料來源; 497
    準備工作; 497
    獲取國外和國內的疫情資料; 498
    疫情視覺化; 500
    動態曲線演示疫情情況; 502
Plotly中4種文本類型設置詳解; 506
    專案環境背景; 508
    資料獲取; 508
    Plotly 中文本設置; 509
Plotly：一個牛逼的生物資訊 Python 庫 – Dash Bio; 514
    探索 3d 狀態下的小分子; 516
    分析顯微鏡圖像中的細胞; 517
    進行藥代動力學分析; 518
    視覺化FASTA數據; 519
    突出基因組相似性; 520
    視覺化微陣列結果; 521
    搜索和選擇序列; 522
    3d 分子的環境遮擋; 523
    使用 Dash Ideogram 視覺化染色體; 524
    視覺化基因突變; 525
    測量和注釋醫學圖像; 526
    構建系統發育樹和網路圖; 527
    Final; 528
Bokeh入門; 529
    常規步驟; 529
    繪製 circle(); 529
Bokeh：figure 詳細解讀; 535
    Bokeh 中繪圖的一般步驟; 535
    綜合小結; 546
Bokeh: 29種基礎視覺化圖形; 548
    Bokeh 中繪圖的一般步驟; 548
    綜合小結; 559
Bokeh中獨特的資料類型簡介： ColumnDataSource; 560
    直接提供資料; 560
    通過 ColumnDataSource 來提供資料; 561
    小結; 566
Bokeh中資料的添加、修改和篩選; 567
    添加新的資料; 567
    資料更新; 569
    篩選數據; 572
Bokeh中圖形與元件的佈局簡介; 576
    圖形的佈局; 576
    組件的佈局; 582
    圖形和元件混合佈局; 583
財經：Tushare 介紹; 585
    前言; 585
    註冊和使用; 588
    滬深股票; 589
    指數資料; 592
    使用權限; 595
財經：用Python來做一個投資計畫; 597
    表格製作過程; 598
    函數封裝; 604
    有什麼用？; 607
財經：用Python快速追蹤基金的收益情況; 609
    tushare 介紹; 610
    基金資訊獲取; 611
    小結; 619
財經：用Python快速獲取基金的持倉變化情況; 620
    akshare介紹; 621
    單檔基金; 621
    多檔基金; 631
    小結; 635
財經：用 Python 讀取巴菲特最近的持倉資料; 637
    資料表格情況; 637
    數據讀取; 638
    xml 格式內容讀取; 638
專案實戰：Python資料分析， UFO長啥樣？; 641
    資料整理與清洗; 641
    UFO長啥樣？; 644
    UFO在美國那些州（state）出現的次數比較多？; 647
    UFO在哪些年份出現的次數較多？; 648
    1997年以後的UFO事件分析; 650
專案實戰：世界盃系列; 654
    第一篇：2018世界盃：用Python分析熱門奪冠球隊; 654
    第二篇：德國是2018世界盃奪冠最大熱門？; 667
專案實戰：福布斯系列; 687
    資料分析思路; 687
    資料獲取; 687
    資料完整性檢查; 691
    補充資料收集; 695
    資料清洗-2007年資料; 699
    數據清洗-2008-2010年; 706
    數據清洗-2011-2015年; 709
    數據清洗-2016年; 713
    數據清洗-2017年; 718
學習資料: 精選文章; 725
    付費閱讀文章; 725
    免費閱讀文章; 725
    讀者投稿文章; 725
學習資料: Python 網站; 727
    官方網站; 727
    個人博客; 727
    金融量化; 727
    優質網站; 727
學習資料：Python 書籍; 729
    《笨辦法學Python3》; 729
    《Python程式設計從入門到實踐》，第2版; 734
延伸閱讀; 740
    我是誰; 740
    推薦內容; 741