HOME > 상세정보

상세정보

(데이터 분석을 위한) 판다스 입문 : 7일 완성 (57회 대출)

자료유형
단행본
개인저자
Chen, Daniel Y. 김영하, 역
서명 / 저자사항
(데이터 분석을 위한) 판다스 입문 : 7일 완성 / Chen, Daniel Y. 지음 ; 김영하 옮김
발행사항
서울 :   이지스퍼블리싱,   2018   (2020 3쇄)  
형태사항
276 p. : 삽화, 도표 ; 26 cm
총서사항
(세상의 속도를 따라잡고 싶다면) do it!
원표제
Pandas for everyone : Python data analytics
기타표제
판권기표제: Do it! 데이터 분석을 위한 판다스 입문
ISBN
9791163030287
일반주기
테슬라 주식·우버 택시·빌보드 차트·에볼라 바이러스 데이터 등 현실 데이터 기반의 86개 예제로 판다스 실무 기본기 완성!  
색인수록  
일반주제명
Data mining Python (Computer program language)
000 00000nam c2200205 c 4500
001 000045956827
005 20210927141523
007 ta
008 181008s2018 ulkad 001c kor
020 ▼a 9791163030287 ▼g 13000
040 ▼a 211009 ▼c 211009 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 006.3/12 ▼2 23
085 ▼a 006.312 ▼2 DDCK
090 ▼a 006.312 ▼b 2018z7
100 1 ▼a Chen, Daniel Y.
245 2 0 ▼a (데이터 분석을 위한) 판다스 입문 : ▼b 7일 완성 / ▼d Chen, Daniel Y. 지음 ; ▼e 김영하 옮김
246 1 ▼i 판권기표제: ▼a Do it! 데이터 분석을 위한 판다스 입문
246 1 1 ▼a Do it! Pandas for data analysis
246 1 9 ▼a Pandas for everyone : ▼b Python data analytics
246 3 1 ▼a Pandas for data analysis
260 ▼a 서울 : ▼b 이지스퍼블리싱, ▼c 2018 ▼g (2020 3쇄)
300 ▼a 276 p. : ▼b 삽화, 도표 ; ▼c 26 cm
440 1 0 ▼a (세상의 속도를 따라잡고 싶다면) do it!
500 ▼a 테슬라 주식·우버 택시·빌보드 차트·에볼라 바이러스 데이터 등 현실 데이터 기반의 86개 예제로 판다스 실무 기본기 완성!
500 ▼a 색인수록
650 0 ▼a Data mining
650 0 ▼a Python (Computer program language)
700 1 ▼a 김영하, ▼e
900 1 0 ▼a 첸, 다니엘, ▼e
945 ▼a KLPA

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2018z7 등록번호 121246134 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2018z7 등록번호 121246446 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 3 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 006.312 2018z7 등록번호 121247951 도서상태 대출가능 반납예정일 예약 서비스 B M

컨텐츠정보

책소개

테슬라 주식, 우버 택시 등 86개의 예제로 판다스의 기본을 빠르게 익혀본다. 복잡한 코드는 나누고 어려운 내용은 최대한 풀어 친절하게 설명했다. 저자의 친절한 설명을 따라 작성한 코드는 무엇이고, 어떤 데이터 분석 효과를 기대할 수 있는지 알아본다. 복잡한 코드 속에서 방황하는 시간 없이 판다스 기본기에 집중할 수 있을 것이다.

파이썬 기초 문법만 알아도 OK!
테슬라 주식, 우버 택시 등 86개의 예제로 판다스의 기본을 빠르게 익혀보자!


전 세계 최대 규모의 파이썬 과학 콘퍼런스 사이파이(SciPy)에서 '판다스 튜토리얼 강의'를 진행하고 있는 저자의 손을 잡고 데이터 분석과 판다스에 빠르게 입문하세요. 파이썬 기초 문법만 알아도 괜찮습니다. 저자의 강의 노하우가 담긴 86개의 예제로 직접 키보드 잡고 배워 보세요. 테슬라 주식, 우버 택시, 빌보드 차트 등의 현실 데이터를 직접 분석하다 보면 쉽고 빠르게 판다스의 기본기가 완성됩니다.

친절한 저자의 설명으로
복잡한 코드 속에서 방황하는 시간을 줄여보세요!

데이터 분석이라고 먼저 겁먹지 마세요. 훌륭한 길잡이와 함께라면 아무리 어려운 길이라도 갈 수 있습니다. 복잡한 코드는 나누고 어려운 내용은 최대한 풀어 친절하게 설명했습니다. 저자의 친절한 설명을 따라 여러분이 작성한 코드는 무엇이고, 어떤 데이터 분석 효과를 기대할 수 있는지 음미해 보세요. 복잡한 코드 속에서 방황하는 시간 없이 판다스 기본기에 집중할 수 있을 것입니다.

파이썬 기초 공부를 겨우 마친 초보자도 7일이면 판다스에 입문할 수 있습니다!
이 책은 파이썬이 아니라 판다스를 통해 데이터를 분석하는 과정에 집중합니다. 그래서 높은 수준의 파이썬 지식을 요구하지 않습니다. 그래서 파이썬 초보자라도 일주일 정도면 판다스에 입문할 수 있죠. 파이썬에 익숙한 독자라면 3일 만에 판다스의 기본기를 익힐 수 있습니다. 《Do it! 데이터 분석을 위한 판다스 입문》에서 제공하는 학습 계획표에 공부한 날짜를 기록하며 공부해 보세요.

내 손으로 데이터를 직접 만져야 내 것이 된다!
86개의 실습 예제를 입력하고 실행하며 판다스에 쉽고 빠르게 입문하자!

판다스는 파이썬으로 만든 데이터 분석 패키지입니다. 데이터 정제부터 분석, 통계, 그래프 시각화까지 데이터를 분석하는 데 필요한 모든 기능을 갖추고 있죠. 하지만 아무리 훌륭한 도구라 해도 사용하지 않으면 의미가 없겠죠? 그래서 이 책은 여러분이 판다스를 활용하여 데이터 분석의 주요 과정을 경험할 수 있도록 86개의 실습 예제를 제공합니다. 실습 예제를 따라 직접 데이터를 만져보고 결과를 확인하다 보면 어느새 판다스와 데이터 분석의 기본기를 갖춘 여러분을 발견할 수 있을 것입니다.

우버 택시, 테슬라 주식, 빌보드 차트, 에볼라 바이러스 데이터 등
현실 기반의 데이터를 분석하는 데이터 분석가가 되어보자!

만약 여러분이 이 책에서 사용하게 될 데이터가 '1, 2, 3'이나 'A, B, C'와 같은 의미 없는 데이터라면 어떨까요? 데이터의 분석 결과도 의미가 없을 것입니다. 그래서 이 책에서 사용하는 대부분의 데이터는 우버 택시, 테슬라 주식, 빌보드 차트, 에볼라 바이러스 등의 현실 기반의 데이터를 사용합니다. 다양한 데이터를 직접 만지고 분석하며 데이터 분석가가 된 기분으로 공부해 보세요.

책을 통해 스스로 성장하는 지적인 독자들을 만나보세요! ― Do it! 스터디룸 카페 안내
혼자 계획을 세우고 공부하다 보면 금방 지치기 마련이죠? Do it! 스터디룸 카페(cafe.naver.com/doitstudyroom)에서 나와 비슷한 고민을 하고 있는 독자를 만나 어려운 내용을 공유해보는 것은 어떨까요? 내가 열심히 공부한 내용으로 다른 사람을 도와준다면 더 큰 뿌듯함을 느낄 수 있지 않을까요? Do it! 스터디룸 카페에 방문해 보세요.


정보제공 : Aladin

저자소개

다니엘 첸(지은이)

데이터 분석 분야에서 활동 중인 저자는 2016년부터 매년 사이파이(SciPy)라는 국제적인 파이썬 커뮤니티에서 판다스 관련 강의를 맡아 진행하고 있다. 현재는 소프트웨어 카펜트리(Software Carpentry)에서 데이터 분석 언어인 R을 강의하고 있다. 한마디로 말하면 데이터 분석 언어인 판다스와 R을 모두 사랑하는 데이터 분석가이다. 현실 세계의 수많은 데이터를 분석하기 위해 반드시 알아야 하는 판다스 라이브러리를 초보자도 쉽게 이해할 수 있도록 그 동안의 강의 경험을 모두 녹여 이 책에 담았다. 86개의 실습 예제를 통해 현실 데이터를 직접 분석하며 판다스의 실무 기본기를 탄탄하게 익혀보자.

김영하(옮긴이)

새로운 기술에 관심이 많은 개발자이자 번역가. 삼성SDS, 미래에셋증권, GS홈쇼핑 등 기업에서 다양한 프로젝트에 참여해 실무 경력을 쌓았다. 현재는 디플러스에서 데이터 분석 연구원으로 일하며, 주로 인공지능과 데이터 분석 분야 강사로 활동한다. 새 기술과 최신 정보를 공유하고자 『안전한 인공지능 시스템을 위한 심층 신경망 강화』(한빛미디어, 2020), 『Do it! 데이터 분석을 위한 판다스 입문』(이지스퍼블리싱, 2018), 『파이썬 웹 스크래핑』(2017), 『Splunk 앱 제작과 대시보드 개발』(2016, 이상 에이콘출판사), 『뷰티풀 자바스크립트』(2016), 『누구나 쉽게 배우는 스몰베이직』(2016, 이상 비제이퍼블릭) 등을 번역했으며, EBS 이숲에서 데이터 분석 컨텐츠를 제작한다.

정보제공 : Aladin

목차

01장 판다스 실습 환경 준비하기 
01-1 아나콘다 설치 
아나콘다가 잘 설치되었는지 확인하기 
01-2 판다스 실습 준비 
실습 프로젝트 준비하고 프로젝트 폴더 살펴보기 
01-3 안녕? 주피터 노트북! 
01-4 파이썬 패키지 관리자 ㅡ pip 

02장 판다스 시작하기 
02-1 데이터 집합 불러오기 
데이터 분석의 시작은 데이터 불러오기부터 
시리즈와 데이터프레임 
판다스와 파이썬 자료형 비교 
02-2 데이터 추출하기 
열 단위 데이터 추출하기 
행 단위 데이터 추출하기 
인덱스와 행 번호 개념 알아보기 
loc, iloc 속성 자유자재로 사용하기 
02-3 기초적인 통계 계산하기 
02-4 그래프 그리기 

03장 판다스 데이터프레임과 시리즈 
03-1 나만의 데이터 만들기 
03-2 시리즈 다루기 ― 기초 
시리즈 속성과 메서드 사용하기 ㅡ index, values, keys 
시리즈의 기초 통계 메서드 사용하기 
03-3 시리즈 다루기 ― 응용 
시리즈와 불린 추출 
시리즈와 브로드캐스팅 
03-4 데이터프레임 다루기 
03-5 시리즈와 데이터프레임의 데이터 처리하기 
03-6 데이터 저장하고 불러오기 

04장 그래프 그리기 
04-1 데이터 시각화가 필요한 이유 
앤스콤 4분할 그래프 살펴보기 
앤스콤 데이터 집합 모두 사용해 그래프 만들기 
04-2 matplotlib 라이브러리 자유자재로 사용하기 
기초 그래프 그리기 
다변량 그래프 그리기 
04-3 seaborn 라이브러리 자유자재로 사용하기 
04-4 데이터프레임과 시리즈로 그래프 그리기 
04-5 seaborn 라이브러리로 그래프 스타일 설정하기 

05장 데이터 연결하기 
05-1 분석하기 좋은 데이터 
분석하기 좋은 데이터란? 
05-2 데이터 연결 기초 
행이 1개라도 반드시 데이터프레임에 담아 연결해야 합니다 
다양한 방법으로 데이터 연결하기 
05-3 데이터 연결 마무리 

06장 누락값 처리하기 
06-1 누락값이란? 
누락값과 누락값 확인하기 
누락값이 생기는 이유 
누락값의 개수 
누락값 처리하기 
누락값이 포함된 데이터 계산하기 

07장 깔끔한 데이터 
07-1 열과 피벗 
넓은 데이터 
07-2 열 이름 관리하기 
하나의 열이 여러 의미를 가지고 있는 경우 
split 메서드로 열 이름 분리하기 
07-3 여러 열을 하나로 정리하기 
07-4 중복 데이터 처리하기 
07-5 대용량 데이터 처리하기 
여러 개로 나누어진 데이터 불러오기 

08장 판다스 자료형 
08-1 자료형 다루기 
자료형 변환하기 
잘못 입력한 데이터 처리하기 
08-2 카테고리 자료형 

09장 문자열 처리하기 
09-1 문자열 다루기 
파이썬과 문자열 
인덱스로 문자열 추출하기 
전체 문자열 추출하기 
09-2 문자열 메서드 
09-3 문자열 포매팅 
문자열 포매팅하기 
숫자 데이터 포매팅하기 
% 연산자로 포매팅하기 
09-4 정규식으로 문자열 처리에 날개 달기 
정규식이란? 

10장 apply 메서드 활용 
10-1 간단한 함수 만들기 
10-2 apply 메서드 사용하기 ㅡ 기초 
10-3 apply 메서드 사용하기 ㅡ 고급 

11장 그룹 연산 
11-1 데이터 집계 
데이터 집계하기 ㅡ groupby 메서드 
분할-반영-결합 과정 살펴보기 ㅡ groupby 메서드 
groupby 메서드와 함께 사용하는 집계 메서드 
agg 메서드로 사용자 함수와 groupby 메서드 조합하기 
여러 개의 집계 메서드 한 번에 사용하기 
11-2 데이터 변환 
표준점수 계산하기 
누락값을 평균값으로 처리하기 
11-3 데이터 필터링 
11-4 그룹 오브젝트 
그룹 오브젝트 살펴보기 
한 번에 그룹 오브젝트 계산하기 
그룹 오브젝트 활용하기 
여러 열을 사용해 그룹 오브젝트 만들고 계산하기 

12장 시계열 데이터 
12-1 datetime 오브젝트 
datetime 오브젝트로 변환하기 ㅡ to_datetime 메서드 
시간 형식 지정자 
datetime 오브젝트로 변환하기 ㅡ read_csv 메서드 
datetime 오브젝트에서 날짜 정보 추출하기 
dt 접근자 사용하기 
12-2 사례별 시계열 데이터 계산하기 
datetime 오브젝트와 인덱스 ㅡ DatetimeIndex 
시간 간격과 인덱스 ㅡ TimedeltaIndex 
시간 범위와 인덱스 
시간 범위 수정하고 데이터 밀어내기 ㅡ shift 메서드

관련분야 신착자료

Deisenroth, Marc Peter (2020)