HOME > Detail View

Detail View

Pandas cookbook : 파이썬 데이터 과학 기초

Material type
단행본
Personal Author
Harrison, Matt, 1975- Petrou, Theodore, 저
Corporate Author
크라스랩, 역
Title Statement
Pandas cookbook : 파이썬 데이터 과학 기초 / 매트 해리슨, 시어도어 페트로우 지음 ; 크라스랩 옮김
Publication, Distribution, etc
서울 :   에이콘,   2021  
Physical Medium
771 p. : 삽화 ; 24 cm
Series Statement
에이콘 데이터 과학 시리즈
Varied Title
Pandas 1.x cookbook : practical recipes for scientific computing, time series and exploratory data analysis using Python (2nd ed.)
ISBN
9791161754840
General Note
색인수록  
Subject Added Entry-Topical Term
Python (Computer program language) Programming languages (Electronic computers) Data mining Science --Mathematics --Computer programs
000 00000cam c2200205 c 4500
001 000046089388
005 20210817131343
007 ta
008 210812s2021 ulka 001c kor
020 ▼a 9791161754840 ▼g 93000
035 ▼a (KERIS)BIB000015729315
040 ▼a 222001 ▼c 222001 ▼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 2021z20
100 1 ▼a Harrison, Matt, ▼d 1975-
245 1 0 ▼a Pandas cookbook : ▼b 파이썬 데이터 과학 기초 / ▼d 매트 해리슨, ▼e 시어도어 페트로우 지음 ; ▼e 크라스랩 옮김
246 1 9 ▼a Pandas 1.x cookbook : ▼b practical recipes for scientific computing, time series and exploratory data analysis using Python ▼g (2nd ed.)
260 ▼a 서울 : ▼b 에이콘, ▼c 2021
300 ▼a 771 p. : ▼b 삽화 ; ▼c 24 cm
490 1 0 ▼a 에이콘 데이터 과학 시리즈
500 ▼a 색인수록
650 0 ▼a Python (Computer program language)
650 0 ▼a Programming languages (Electronic computers)
650 0 ▼a Data mining
650 0 ▼a Science ▼x Mathematics ▼x Computer programs
700 1 ▼a Petrou, Theodore, ▼e
710 ▼a 크라스랩, ▼e
830 0 ▼a 에이콘 데이터 과학 시리즈
900 1 0 ▼a 해리슨, 매트, ▼e
900 1 0 ▼a 페트로우, 시어도어, ▼e
945 ▼a KLPA

Holdings Information

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 005.133 P999 2021z20 Accession No. 111852151 Availability Available Due Date Make a Reservation Service B M

Contents information

Book Introduction

pandas의 모든 기능을 친절한 예제와 설명, 실제 파이썬 코드를 통한 실습과 함께 설명한다. pandas의 핵심 DataFrame과 Series를 주축으로 함수, 메서드, 속성을 설명하고 장단점은 물론 메모리 사용량과 처리 시간도 비교한다.

금융 데이터에서 가장 중요한 시계열 자료를 처리하는 다양한 방법과 SQL 데이터베이스에 연결하는 방법도 알려준다. 한편 pandas 라이브러리의 그룹화 함수를 체인 기능과 집계함수를 결합해 사용할 때 pandas 라이브러리의 강력한 힘을 느낄 수 있다.

그리고 정돈된 데이터(tidy data)의 정의와 함께 데이터 정돈 방법과 절차를 자세히 알아보고 matplotlib, python plot, seaborn을 이용한 데이터 시각화와 각각의 장단점을 상세히 설명한다.

★ 이 책에서 다루는 내용 ★

■ 모든 데이터셋을 탐색할 수 있게 해주는 pandas의 기본 지식
■ 쿼리와 선택으로 데이터 중 원하는 부분만 부분집합으로 적절히 골라내는 방법
■ 데이터를 종합하거나 각 그룹으로 변환하기 전 개별 그룹으로 분할하는 방법
■ 데이터 분석과 시각화가 용이하도록 데이터를 정돈된 형식으로 재구성하기
■ 복잡한 실제 환경 데이터를 머신러닝에서 사용할 수 있도록 준비하기
■ pandas의 SQL 유사 연산 기능으로 서로 다른 소스의 데이터 병합하기
■ pandas의 독보적인 시계열 데이터 처리 능력
■ pandas의 matplitlib나 seaborn을 사용한 시각화 기능

★ 이 책의 대상 독자 ★

단순한 예제에서 고급 예제까지 거의 100가지 예제를 다룬다. 모든 예제는 간단명료하고 최신 파이썬 문법과 구문을 사용해 작성했다. '작동 원리' 절에서는 예제의 복잡한 각 단계를 상세히 설명하며, 종종 '추가 사항' 절에서 새로운 예제에 대한 정보를 얻을 수 있다.
처음 6개 장의 예제는 간단한 예제로 구성됐으며, 이후 5개 장에 비해 기본적이고 근본적인 pandas 연산에 중점을 둔다. 나머지 5개 장은 고급 연산과 프로젝트 성격이 강한 예제를 소개한다. 난이도가 광범위하므로 초보자나 숙련자 모두에게 유용하다. 내 경험에 비춰 봤을 때 pandas를 일상적으로 사용하는 사람도 pandas의 관용구에 익숙하지 않다면 마스터하지 못할 것이다. 이는 pandas가 방대한 영역을 다루기 때문이다. 대부분 동일한 연산을 수행할 수 있는 방법은 여러 가지가 있기 때문에 사용자는 원하는 결과를 얻고자 비효율적인 방법을 사용하고 있을 수도 있다. 동일한 문제를 해결하는 pandas 솔루션의 속도 차이가 수십 배 이상 다른 경우도 빈번하다.
필수 지식은 오직 파이썬뿐이다. 독자가 리스트(list), 집합(set), 딕셔너리(dictionary), 튜플(tuple) 등의 파이썬 내장 데이터 저장소에 어느 정도 익숙하다고 가정한다.

★ 이 책의 구성 ★

1장, 'pandas 기초'에서는 pandas 데이터 구조를 이루는 두 구성 요소인 Series와 DataFrame을 해부하고 용어를 정리한다. 각 열은 동일한 데이터 형식을 가져야 하고 우리는 각 데이터 형식을 알아본다. 이를 통해 Series와 DataFrame의 메서드를 호출하고 바꾸면서 두 요소의 진정한 힘을 배울 수 있다.
2장, '기본 DataFrame 연산'에서는 데이터 분석을 위해 가장 중요하고 보편적인 연산을 알아본다.
3장, 'DataFrame 생성과 유지'에서는 DataFrame을 생성하고 값을 넣는 다양한 방법을 알아본다.
4장, '데이터 분석 시작'에서는 데이터를 읽어 들인 후, 해야 할 반복 작업에 도움이 되는 내용을 다룬다.
5장, '탐색적 데이터 분석'에서는 수치와 범주 데이터를 비교하는 기본 분석 기법을 다룬다. 또한 일반적인 시각화 기법도 알아본다.
6장, '데이터의 부분집합 선택'에서는 서로 다른 부분집합 선택에서 다양하고 혼동되는 부분 등 여러 주제를 다룬다.
7장, '행 필터링'에서는 불리언 조건을 이용해 데이터의 부분집합을 선택하는 쿼리 프로세스를 다룬다.
8장, '인덱스 정렬'에서는 상당히 중요하면서도 종종 잘못 이해하고 있는 인덱스 객체를 다룬다. 인덱스를 잘못 다루면 많은 잘못된 결과를 초래한다. 예제에서 강력한 결과를 얻을 수 있는 올바른 사용법을 알아본다.
9장, '그룹화를 위한 집계, 여과, 변환'에서는 데이터 분석에 필요한 강력한 그룹화 기능을 다룬다. 따라서 목적에 맞는 그룹에 적용할 사용자 정의 함수를 구성할 수 있다.
10장, '정돈된 형식으로 데이터 재구성'에서는 정돈된 데이터를 설명하고 중요한 이유를 알아보고 서로 다른 형태의 데이터를 정돈하는 방법을 다룬다.
11장, 'pandas 객체 병합'에서는 DataFrame과 Series를 수직과 수평으로 병합하는 여러 메서드를 알아본다. 또한 웹 스크래핑으로 트럼프와 오바마 대통령의 국정 수행 평가 점수를 비교하고 웹 스크래핑과 SQL 관계형 데이터베이스 연결을 실습해본다.
12장, '시계열 분석'에서는 가능한 모든 시간 차원에 따라 분해할 수 있는 시계열의 강력한 고급 기능을 알아본다.
13장, 'matplotlib, pandas, seaborn을 이용한 시각화'에서는 pandas에서 모든 도식화의 기본이 되는 matplotlib 라이브러리를 소개한다. 그리고 pandas plot 메서드와 seaborn 라이브러리 등 pandas에서 직접 제공하지 않는 다양하고 심미적인 시각화 기능을 알아본다.
14장, 'pandas 디버깅과 테스트'에서는 DataFrame과 pandas 코드를 테스트하는 메커니즘을 살펴본다. 생산 라인에 pandas를 배포할 계획이라면 이 장을 통해 코드를 신뢰할 수 있게 돕는다.


Information Provided By: : Aladin

Author Introduction

매트 해리슨(지은이)

맷 해리슨은 파이썬과 데이터 과학을 위한 교육 및 컨설팅 회사인 MetaSnake를 운영 중이다. 2000년부터 데이터 과학, BI, 스토리지, 테스트 및 자동화, 오픈소스 스택 관리, 금융, 검색 등 다양한 도메인에서 파이썬을 활용한 경험이 많다.

시어도어 페트로우(지은이)

데이터 과학자이자 탐색적 데이터 분석에 중점을 두고 있는 교육 회사 던더 데이터(Dunder Data)의 설립자다. 밋업(meetup) 그룹인 휴스턴 데이터 과학(Houston Data Science)을 이끌고 있는데, 그룹에는 2,000여명의 멤버가 있고 같은 공간에서 데이터 과학을 학습하기 위한 공동체를 형성하는 것을 주목적으로 한다. 던더 데이터를 설립하기 전에는 대규모 정유회사인 슐룸베르거(Schlumberger)에서 데이터 과학자로 근무했는데, 데이터 분석 업무에 대부분의 시간을 보냈다. 수행한 프로젝트에는 엔지니어 텍스트에서 부품 고장의 근본 원인을 파악하는 타깃화된 감정 분석, 맞춤형 대시보드 응용, 판매 상품 가격 산정 에러를 막기 위한 실시간 웹 서비스 등이 있다. 라이스대학교(Rice University)에서 통계학으로 석사 학위를 받았고, 데이터 과학자가 되기 전에는 분석 기술을 이용해 직업 포커 게임을 하기도 했으며 수학을 가르치기도 했다. 실습을 통한 학습을 강조하며 스택 오버플로에서 pandas 관련해 자주 답변하곤 한다.

(주)크라스랩(옮긴이)

머신러닝을 기반으로 다양한 연구를 수행하고 있으며, 특히 머신러닝 기반의 금융분석과 핀테크에 중점을 두고 있다. KAIST 전산학과 계산이론 연구실 출신의 이병욱 대표가 이끌고 있으며, 이병욱 대표가 최근에 저술한 『비트코인과 블록체인, 탐욕이 삼켜버린 기술』(2018), 『블록체인 해설서』(2019)는 블록체인 분야의 베스트셀러이자 블록체인의 기술적, 경제적 관점의 교과서로 인식되고 있고, 『블록체인 해설서』는 대한민국 학술원이 2019 교육부 우수학술도서로 선정하기도 했다.

Information Provided By: : Aladin

Table of Contents

1장. pandas 기초

__pandas 임포트
__소개
__pandas DataFrame
__DataFrame 속성
__데이터 형식 이해
__열 선택
__Series 메서드 호출
__Series 연산
__Series 메서드 체인
__열 이름 변경
__열의 생성과 삭제

2장. 기본 DataFrame 연산

__소개
__여러 DataFrame 열 선택
__메서드를 사용해 열 선택
__열 이름 정렬
__DataFrame 요약
__DataFrame 메서드 체인
__DataFrame 연산
__결측치 비교
__DataFrame 연산 방향 전환
__대학 인종 다양성 지수 결정

3장. DataFrame 생성과 유지

__소개
__스크래치에서 DataFrame 생성
__CSV 작성
__대형 CSV 파일 읽기
__엑셀 파일 사용
__ZIP 파일로 작업
__데이터베이스와 작업
__JSON 파일 읽기
__HTML 테이블 읽기

4장. 데이터 분석 시작

__소개
__데이터 분석 루틴 개발
__데이터 딕셔너리
__데이터 형식 변경으로 메모리 절약
__최대 중에 최소 선택
__정렬해 각 그룹에서 가장 큰 항목 선택
__sort_values를 사용해 nlargest 복제
__추적 지정가 주문 가격 계산

5장. 탐색적 데이터 분석

__소개
__요약 통계량
__열 형식
__예제 구현
__범주형 데이터
__연속 데이터
__범주 간의 연속 값 비교
__두 개의 연속 열 비교
__범주 값과 범주 값 비교
__pandas 프로파일링 라이브러리 사용

6장. 데이터의 부분집합 선택

__소개
__Series 데이터 선택
__DataFrame 행 선택
__DataFrame 행과 열을 동시에 선택
__정수와 레이블 모두로 데이터 선택
__사전식으로 슬라이싱

7장. 행 필터링

__소개
__불리언 통계량 계산
__다중 불리언 조건 구성
__불리언 배열을 사용한 필터링
__행 필터링과 인덱스 필터링 비교
__유일하고 정렬된 인덱스를 사용한 선택
__SQL WHERE 절 해석
__쿼리 메서드를 사용한 불리언 인덱싱의 가독성 향상
__.where 메서드를 사용해 Series 크기 유지
__DataFrame 행 마스킹
__불리언, 정수 위치, 레이블을 사용해 선택

8장. 인덱스 정렬

__소개
__인덱스 객체 검사
__데카르트 곱 생성
__인덱스 폭발
__동일하지 않은 인덱스로 값 채우기
__다른 DataFrame의 열 더하기
__각 열의 최댓값 강조
__메서드 체인으로 idxmax 복제
__열에서 최대 공통 최댓값 찾기

9장. 그룹화를 위한 집계, 여과, 변환

__소개
__집계 정의
__복수 열과 함수를 사용한 그룹화와 집계
__그룹화 후 다중 인덱스 제거
__사용자 정의 집계 함수를 사용한 그룹화
__*args와 **kwargs를 사용한 집계 함수 사용자 정의
__groupby 객체 검사
__소수 인종이 과반인 주를 필터링
__체중 감량 내기를 통한 변신
__apply를 사용해 주별 가중 평균 SAT 점수 계산
__연속 변수를 기준으로 그룹화
__도시 간 총 비행 횟수 계산
__가장 긴 연속 정시 비행 찾기

10장. 정돈된 형식으로 데이터 재구성

__소개
__스택을 사용해 변수 값을 열 이름으로 정돈
__melt를 사용해 변수 값을 열 이름으로 정돈
__여러 변수의 그룹을 동시에 스택
__스택된 데이터 되돌리기
__groupby 집계 후 언스택
__groupby 집계로 pivot_table 복제
__손쉬운 재구성을 위한 축 레벨 이름 변경
__여러 변수가 열 이름으로 저장될 때의 정돈
__여러 변수가 단일 열로 저장될 때 정돈
__둘 이상의 값이 동일 셀에 저장될 때의 정돈
__변수가 열 이름과 값으로 저장됐을 때의 데이터 정돈

11장. pandas 객체 병합

__소개
__DataFrame에 새 행 추가
__여러 DataFrame을 함께 연결
__concat, join, merge의 차이점 이해
__SQL 데이터베이스에 연결

12장. 시계열 분석

__소개
__파이썬과 pandas 날짜 도구의 차이점 이해
__시계열을 지능적으로 슬라이스
__시간 데이터로 열 필터링
__DatetimeIndex에서만 작동하는 메서드 사용
__주간 범죄 수 계산
__주간 범죄와 교통사고를 별도로 집계
__주별, 연도별 범죄 측정
__timeIndex를 사용해 익명 함수로 그룹화
__Timestamp와 다른 열을 기준으로 그룹화

13장. matplotlib, pandas, seaborn을 이용한 시각화

__소개
__matplotlib로 시작
__matplotlib에 대한 객체지향 가이드
__matplotlib로 데이터 시각화
__pandas를 사용한 기본 도식화
__flights 데이터셋 시각화
__새로운 경향을 발견하기 위한 누적 영역 차트
__seaborn과 pandas의 차이점
__seaborn 그리드를 사용한 다변량 분석
__seaborn으로 diamonds 데이터셋의 심슨 역설 발견

14장. pandas 디버깅과 테스트

__데이터를 변환하는 코드
__Apply 성능
__Dask, Pandarell, Swifter 등으로 apply 성능 향상
__코드 검사
__Jupyter에서의 디버깅
__Great Expectations를 이용한 데이터 무결성 관리
__pandas와 함께 pytest 사용
__Hypothesis를 사용해 테스트 생성

New Arrivals Books in Related Fields

Ramamurthy, Bina (2021)