HOME > Detail View

Detail View

Pandas로 하는 데이터 과학 : 파이썬 통계 분석 라이브러리

Pandas로 하는 데이터 과학 : 파이썬 통계 분석 라이브러리 (Loan 16 times)

Material type
단행본
Personal Author
Heydt, Michael 이태상, 역
Title Statement
Pandas로 하는 데이터 과학 : 파이썬 통계 분석 라이브러리 / 마이클 헤이트 지음 ; 이태상 옮김
Publication, Distribution, etc
서울 :   에이콘,   2018  
Physical Medium
470 p. : 삽화 ; 24 cm
Series Statement
acorn+PACKT technical book 시리즈
Varied Title
Learning pandas : high-performance data manipulation and analysis in Python] (2nd ed.)
ISBN
9791161752136 9788960772106(Set)
General Note
색인수록  
Subject Added Entry-Topical Term
Python (Computer program language)
000 00000cam c2200205 c 4500
001 000045962650
005 20181126162806
007 ta
008 181126s2018 ulka 001c kor
020 ▼a 9791161752136 ▼g 94000
020 ▼a 9788960772106(Set)
035 ▼a (KERIS)BIB000014943175
040 ▼a 211023 ▼c 211023 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 005.133 ▼2 23
085 ▼a 005.133 ▼2 DDCK
090 ▼a 005.133 ▼b P999 2018z21
100 1 ▼a Heydt, Michael
245 1 0 ▼a Pandas로 하는 데이터 과학 : ▼b 파이썬 통계 분석 라이브러리 / ▼d 마이클 헤이트 지음 ; ▼e 이태상 옮김
246 1 9 ▼a Learning pandas : ▼b high-performance data manipulation and analysis in Python] ▼g (2nd ed.)
260 ▼a 서울 : ▼b 에이콘, ▼c 2018
300 ▼a 470 p. : ▼b 삽화 ; ▼c 24 cm
440 0 0 ▼a acorn+PACKT technical book 시리즈
500 ▼a 색인수록
650 0 ▼a Python (Computer program language)
700 1 ▼a 이태상, ▼e
900 1 0 ▼a 헤이트, 마이클, ▼e
945 ▼a KLPA

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 005.133 P999 2018z21 Accession No. 121246772 Availability Available Due Date Make a Reservation Service B M
No. 2 Location Sejong Academic Information Center/Science & Technology/ Call Number 005.133 P999 2018z21 Accession No. 151343881 Availability Available Due Date Make a Reservation Service
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Science & Engineering Library/Sci-Info(Stacks1)/ Call Number 005.133 P999 2018z21 Accession No. 121246772 Availability Available Due Date Make a Reservation Service B M
No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Sejong Academic Information Center/Science & Technology/ Call Number 005.133 P999 2018z21 Accession No. 151343881 Availability Available Due Date Make a Reservation Service

Contents information

Book Introduction

파이썬 기반의 통계 패키지인 Pandas는 고성능의 데이터 구조를 제공함으로써 데이터 탐색과 분석을 매우 용이하게 해주는, 데이터 분석가의 효율적인 도구다. 이 책은 Pandas 라이브러리의 완전한 기능을 배움으로써 효율적인 데이터 조작과 분석의 길로 안내한다.

데이터 분석과 반복 프로세스에 대한 기초부터 데이터 모델링, 원격 데이터 접근, 수치 해석과 통계 분석, 데이터 인덱싱과 집계 분석, 그리고 통계 데이터의 시각화와 금융 분석까지 수행하는 과정을 통해 데이터 과학의 핵심 단계를 설명한다.

★ 이 책에서 다루는 내용 ★

■ 데이터 분석가와 과학자가 데이터를 수집하고 파악하는 방식의 이해
■ 데이터 분석의 처음부터 끝까지 지원하는 Pandas의 활용
■ 시리즈와 데이터 프레임을 사용한 단변량과 다변량 데이터 표현
■ 데이터의 분할과 분리, 여러 출처의 데이터 조합, 그룹화, 집계 방법
■ 파일, 데이터베이스, 웹 서비스 등의 외부 데이터 접근
■ 시계열 데이터의 표현, 조작, 다양한 의미 파악
■ 통계 정보의 시각화
■ Pandas를 이용한 다양한 금융 데이터 표현과 분석

★ 이 책의 대상 독자 ★

Pandas를 이용한 데이터 분석에 빠져보고 싶은 데이터 과학자, 데이터 분석가, 파이썬 프로그래머 또는 데이터 분석에 관심이 있는 누구에게나 적합하다. 통계와 프로그래밍에 대한 약간의 지식이 있다면 더욱 도움이 되겠지만, 반드시 필요한 조건은 아니다. Pandas에 대한 경험 역시 필요하지 않다.

★ 이 책의 구성 ★

1장, 'Pandas와 데이터 분석'에서는 Pandas의 주요 특징을 소개한다. 1장의 목적은 통계와 데이터 과학의 맥락에서 Pandas의 역할을 제시하는 것이다. 즉, 데이터 과학과 관련한 여러 개념을 알아보고 이를 Pandas가 어떻게 지원하는지 설명한다. 이로써 데이터 과학과 데이터 과학 프로세스와 관련한 이후의 각 장을 공부할 준비를 갖춘다.
2장, 'Pandas의 설치와 가동'에서는 Pandas를 다운로드해 설치하는 방법과 몇 가지 기본 개념을 알아본다. 또한 iPython과 주피터 노트북(Jupyter Notebook)을 사용해 실습을 진행하는 모습을 보여준다.
3장, 'Series로 단변량 데이터 표현'에서는 인덱스를 갖는 1차원의 데이터 표현 방법인 Pandas의 Series로 작업을 시작한다. Series 객체를 만드는 방법과 그 안의 데이터를 조작하는 방법을 공부할 것이며, 추가로 인덱싱, 데이터 정렬, 슬라이싱 등에 대해 알아본다.
4장, 'DataFrame으로 다변량 데이터 표현'에서는 인덱스를 갖는 2차원의 데이터 표현 방법인 Pandas의 DataFrame에 대해 알아본다. DataFrame 객체를 만드는 방법과 정적 데이터셋의 사용 방법, 특정 칼럼이나 로우를 선택하는 방법 등을 배운다.
5장, 'DataFrame 구조 다루기'에서는 4장에서 한 걸음 더 나아가 DataFrame으로 좀 복잡한 작업을 수행해본다. 구체적으로는 칼럼이나 로우를 추가, 교체, 삭제해보며, DataFrame 안의 데이터를 조작해본다.
6장, '데이터 인덱싱'에서는 Pandas의 인덱스 활용 방법을 자세히 알아본다. 특히 각 인덱스의 유형과 설정, 계층형 인덱스를 다루는 방법을 배운다.
7장, '범주형 데이터'에서는 Categorical을 사용해 Pandas의 범주를 다루는 방법을 알아본다.
8장, '수치 해석과 통계 기법'에서는 기본적인 산술 연산은 물론 기술 통계, 이산화, 롤링 윈도우, 무작위 표집 등 다양한 통계 작업을 수행해본다.
9장, '데이터 접근'에서는 외부로부터 데이터를 로딩해 Series나 DataFrame으로 저장하는 방법을 배운다. 또한 파일, HTTP 서버, 데이터베이스, 웹 서비스 등 다양한 장소의 데이터에 접근하는 방법을 알아본다. CSV, HTML, JSON, HDF5 형식의 데이터를 처리하는 방법도 배운다.
10장, '데이터 정돈'에서는 Pandas가 제공하는 다양한 도구를 사용해 지저분하거나 누락된 데이터를 분석에 유용한 형태로 관리하는 방법을 공부한다.
11장, '데이터의 조합, 연관, 재형성'에서는 복수의 Pandas 객체로부터 데이터를 접합하거나 병합하는 다양한 기법을 배운다.
12장, '데이터 집계'에서는 데이터의 그룹화와 집계 분석에 대해 알아본다. Pandas에서는 이를 분할-적용-재조합 패턴이라고 하는데, 이 패턴을 사용해 여러 방법으로 데이터 그룹화를 수행해보고 집계 함수를 적용해 데이터를 처리해본다.
13장, '시계열 모델링'에서는 시계열 데이터에 관해 알아본다. Pandas가 제공하는 방대한 기능을 사용해 시계열 데이터를 다루고 분석하는 방법을 공부한다.
14장, '시각화'에서는 matplotlib을 중심으로 Pandas 데이터를 시각화하는 방법을 알아본다. 막대그래프, 히스토그램, 박스-수염 그래프, 영역 그래프, 산점도, 커널 밀도 추정 차트, 히트맵 등 일반적인 여러 차트를 통해 금융 데이터를 표현하는 방법을 알아본다.
15장, '과거 주가 분석'에서는 기본적인 금융 분석 기법을 알아본다. 구글 파이낸스(Google Finance)로부터 데이터를 가져와 수익률, 이동 평균, 변동성 등 여러 주제를 다루며, 그런 금융 개념에 시각화를 적용하는 방법도 알아본다.


Information Provided By: : Aladin

Author Introduction

마이클 헤이트(지은이)

십수 년의 전문 소프트웨어 개발과 금융 및 상품 거래 경험을 갖춘 기술자이자 사업가이며 교육자다. 오랫동안 월스트리트에서 행위자 기반의 병행 및 분산 시스템이자 고성능과 고가용성을 갖춘 금융 거래 시스템 개발 업무를 했다. 또한 금융 및 상품 거래를 위한 클라우드 방식의 마이크로서비스 기반 소프트웨어 솔루션 제작을 주로 하는 마이크로 트레이딩 서비스(Micro Trading Services)라는 기업의 창업자다. 드렉셀대학교에서 수학 및 컴퓨터 과학 석사 학위를 취득하고 펜실베니아대학교 와튼 스쿨에서 기술 경영 석사 학위를 취득했다.

이태상(옮긴이)

자바와 웹 전문가로서 주로 교육과 컨설팅을 진행했으며, 오랫동안 전자금융 업무를 담당했다. 현재 한 금융기관의 전사 시스템 재구축을 위한 연구를 진행 중이다. 『톰캣 최종분석』(에이콘, 2005)부터 『리액트 웹앱 제작 총론 2/e』(에이콘, 2019)까지 다수의 IT 서적을 번역했다.

Information Provided By: : Aladin

Table of Contents

1장. pandas와 데이터 분석 
__pandas 소개 
__데이터 조작, 분석, 과학과 pandas 
____데이터 조작 
____데이터 분석 
____데이터 과학 
____pandas의 적정 영역 
__데이터 분석 프로세스 
____프로세스 
__이 책에서 각 단계의 관련 위치 
__pandas 여행을 위한 데이터와 분석의 개념 
____데이터 유형 
____변수 
____시계열 데이터 
____분석과 통계의 기초 개념 
__기타 유용한 파이썬 라이브러리 
____수학과 과학: NumPy와 SciPy 
____통계 분석: StatsModels 
____머신 러닝: scikit-learn 
____스토캐스틱 베이지안 모델링: PyMC 
____데이터 시각화: matplotlib과 seaborn 
__정리 

2장. pandas의 설치와 가동 
__아나콘다 설치 
__아이파이썬과 주피터 노트북 
____아이파이썬 
____주피터 노트북 
__pandas Series와 데이터 프레임 소개 
____pandas의 임포트 
____pandas Series 
____pandas DataFrame 
____데이터 프레임으로 파일 데이터 로딩 
__시각화 
__정리 

3장. Series로 단변량 데이터 표현 
__pandas 설정 
__Series 생성 
____파이썬 리스트와 딕셔너리를 사용한 생성 
____NumPy 함수를 사용한 생성 
____스칼라 값을 사용한 생성 
__.index와 .values 속성 
__Series의 크기와 형태 
__생성 시 인덱스 지정 
__head, tail, take 
__레이블과 포지션으로 값 가져오기 
____[] 연산자와 .ix[] 속성을 사용하는 레이블 검색 
____.iloc[]을 사용하는 명시적 포지션 검색 
____.loc[]을 사용하는 명시적 레이블 검색 
__서브셋으로 Series 슬라이싱 
__인덱스 레이블을 통한 정렬 
__불리언 선택 
__리인덱싱 
__시리즈 즉석 변경 
__정리 

4장. DataFrame으로 단변량 데이터 표현 
__pandas 설정 
__데이터 프레임 객체 생성 
____NumPy 함수로 데이터 프레임 만들기 
____파이썬 딕셔너리와 pandas Series로 DataFrame 만들기 
____CSV로 DataFrame 만들기 
__DataFrame 안의 데이터 접근 
____DataFrame의 칼럼 선택 
____데이터 프레임의 로우 선택 
____.at[]이나 .iat[]을 사용해 레이블이나 위치로 스칼라 검색 
____[] 연산자를 사용한 슬라이싱 
__불리언 선택을 통한 로우 선택 
__로우와 칼럼의 동시 선택 
__정리 

5장. DataFrame 구조 다루기 
__pandas 설정 
__칼럼명 변경 
__[]와 .insert()를 사용한 칼럼 추가 
__확장을 통한 칼럼 추가 
__접합을 통한 칼럼 추가 
__칼럼 재배열 
__칼럼의 콘텐츠 교체 
__칼럼 삭제 
__새 로우 추가 
__로우 접합 
__확장을 통한 로우 추가 및 교체 
__을 .drop() 사용한 로우 삭제 
__불리언 선택을 통한 로우 삭제 
__슬라이싱을 통한 로우 삭제 
__정리 

6장. 데이터 인덱싱 
__pandas 설정 
__인덱스의 중요성 
__인덱스 유형 
____기본 유형: Index 
____정수 유형: Int64Index와 RangeIndex 
____부동소수점 유형: Float64Index 
____이산 간격 유형: IntervalIndex 
____범주형: CategoricalIndex 
____날짜 및 시간 유형: DatetimeIndex 
____기간 유형: PeriodIndex 
__인덱스로 작업 
____시리즈와 데이터 프레임에서의 인덱스 생성과 사용 
____인덱스로 값 선택 
____인덱스 사이의 데이터 이동 
____pandas 객체의 리인덱싱 
__계층형 인덱스 
__정리 

7장. 범주형 데이터 
__pandas 설정 
__Categorical 생성 
__범주 이름 변경 
__새 범주 추가 
__범주 삭제 
__미사용 범주 삭제 
__범주 설정 
__Categorical의 기술 통계 정보 
__성적 데이터 가공 
__정리 


8장. 수치 해석과 통계 기법 
__pandas 설정 
__수치 계산법 
____DataFrame과 Series의 산술 연산 
____값의 개수 세기 
____고윳값과 그 개수 
____최솟값과 최댓값 찾기 
____n개 최솟값과 n개 최댓값 찾기 
____누적 값 계산 
__pandas 객체의 통계 처리 
____약식 기술 통계 
____중심 경향성 측정: 평균, 중위수, 최빈수 
____분산과 표준 편차 계산 
____공분산과 상관관계 
____이산화와 분위수 
____값 순위 계산 
____각 표본의 변동률 계산 
____롤링 윈도우 작업 
____무작위 표집 
__정리 

9장. 데이터 접근 
__pandas 설정 
__CSV, 텍스트, 테이블 형식의 데이터 
____CSV 데이터셋 예제 확인 
____CSV를 데이터 프레임으로 로딩 
____CSV 로딩 시 인덱스 칼럼 지정 
____데이터 타입의 추론과 지정 
____칼럼명 지정 
____특정 칼럼의 로딩 
____데이터 프레임을 CSV 파일로 저장 
____필드 구분 데이터로 작업 
____필드 구분 데이터의 다양한 형식 다루기 
__엑셀 데이터의 읽기와 쓰기 
__JSON 파일의 읽기와 쓰기 
__HTML 데이터 읽기 
__HDF5 파일의 읽기와 쓰기 
__웹을 통한 CSV 데이터 접근 
__데이터베이스의 읽기와 쓰기 
__원격 데이터 서비스로부터 데이터 읽기 
____야후!와 구글로부터 주식 데이터 읽기 
____구글 파이낸스의 옵션 데이터 가져오기 
____세인트루이스 연방준비은행의 FRED 데이터 가져오기 
____케네스 프렌치 데이터에 접근 
____세계은행의 데이터 읽기 
__정리 

10장. 데이터 정돈 
__pandas 설정 
__데이터 정돈이란? 
__결측 데이터 다루기 
____NaN 값 찾기 
____결측 데이터의 판별과 삭제 
____수학 연산에서의 NaN 처리 방식 
____결측 데이터 보강 
____결측 값 채우기 
____인덱스 레이블을 사용한 채우기 
____보간법을 사용한 결측 값 채우기 
__중복 데이터 다루기 
__데이터 변형 
____데이터를 다른 인덱스에 매핑 
____데이터 대체 
____데이터 변형을 위한 함수 적용 
__정리 

11장. 데이터의 조합, 연관, 재형성 
-- pandas 설정 
-- 복수 객체의 데이터 접합 
-- 접합의 기본 의미 
-- 정렬 기준 축의 전환 
-- 조인 유형 지정 
-- 데이터 덧붙이기 
-- 인덱스 레이블의 무시 

-- 데이터 병합과 조인 
-- 여러 pandas 객체로부터의 데이터 병합 
-- 병합의 조인 유형 지정 

-- 데이터 피버팅 

-- 스태킹과 언스태킹 
-- 비계층형 인덱스에서의 스태킹 
-- 계층형 인덱스에서의 언스태킹 
-- 데이터 멜팅 

-- 스택 데이터의 성능상 이점 

--정리 

12장 데이터 집계 
-- pandas 설정 

-- 분할-적용-조합(SAC) 패턴 

-- 예제 데이터 준비 

-- 데이터 분할 
-- 단일 칼럼의 그룹화 
-- 그룹화된 결과 접근 
-- 복수 칼럼의 그룹화 
-- 인덱스 레벨을 이용한 그룹화 

-- 집계 함수 적용, 변형, 필터링 
-- 집계 함수의 적용 

-- 데이터 그룹의 변형 
-- 데이터 변형의 일반적인 과정 
-- 그룹의 평균으로 결측 값 채우기 
-- 정규 표준 점수의 계산 
--그룹 필터링 

--정리 

13장 시계열 모델링 
-- Pandas 설정 

-- 날짜, 시간, 인터벌의 표현 
-- datetime, date, time 객체 
-- Timestamp로 특정 시점 나타내기 
-- Timedelta로 인터벌 표현 

-- 시계열 데이터 
-- Datetimelndex를 사용한 인덱싱 
-- 특정 빈도의 시계열 생성 

-- 오프셋을 사용한 날짜 계산 
-- 시간 오프셋으로 인터벌 표현 
-- 고정 오프셋 

-- Period로 기간 표현 
-- Period로 시간 인터벌 모델링 
-- PeriodIndex를 사용한 인덱싱 

-- 캘린더를 사용한 휴일 다루기 

-- 시간대를 사용한 타임스탬프 정규화 

-- 시계열 데이터 조작 
-- 시프팅과 래깅 
-- 시계열 데이터의 빈도 변환 
-- 업샘플링과 다운샘플링 

-- 시계열 데이터의 롤링 윈도우 

-- 정리 

14장 시각화 
-- pandas 설정 

-- 플로팅의 기본 

-- 시계열 차트 만들기 
-- 시계열 차트의 스타일링과 꾸미기 
-- 제목의 추가와 축 레이블 변경 
-- 범례의 내용과 위치 지정 
-- 라인 색상, 스타일, 두께, 마커 지정 
-- 틱 마크 위치와 틱 레이블 지정 
-- 틱의 날짜 레이블 포맷팅 

-- 통계 분석에서 흔히 사용되는 차트 
-- 막대그래프를 통한 상대 비교 
-- 히스토그램으로 데이터 분포 표현 
-- 박스-수염 그래프로 범주형 데이터의 분포 표현 
-- 영역 그래프로 누계 표현 
-- 산점도 행렬로 다중 변수의 상관관계 나타내기 
-- 히트맵으로 다중 변수의 관계 강도 나타내기 

-- 수작업으로 한 번에 여러 차트 그리기 

-- 정리 

15장 과거 주가 분석 
-- pandas 설정 
-- 주식 데이터 취득과 조직화 
-- 시계열 주가 플로팅 
-- 거래량 데이터 플로팅 
-- 종가의 단순 일별 변동률 
-- 단순 일별 누적 수익률 
-- 일별에서 월별로 수익률 재표집 
-- 수익률 분포의 분석 
-- 이동 평균 계산 
-- 주식의 일별 수익률 비교 
-- 일별 주가 변동률에 기초한 상관관계 
-- 주가 변동성 계산 
-- 위험 대비 수익률 나타내기 
-- 정리 

찾아보기

New Arrivals Books in Related Fields

유원석 (2021)
해람북스. 기획팀 (2021)
해람북스. 기획팀 (2021)