Detail View

데이터 분석을 다룬 많은 책 중 나에게 맞는 책을 찾는 건 매우 어렵다. 이론 위주의 책을 선택하면 이해하기 어렵고, 응용 위주의 책을 선택하면 기본 개념이 부족하다. 이 책은 이론을 쉽게 설명하고 예제로 응용해 보도록 구성하여 자연스럽게 데이터 분석 과정을 익힐 수 있다.

파이썬 데이터 분석에 필수로 사용되는 라이브러리를 단계적으로 다루어 데이터를 전처리하고 분석하는 능력을 갖춘다. 이 과정에서 넘파이, 판다스, 맷플롯립은 물론 연관 라이브러리까지 상세히 소개한다. 그리고 소개한 라이브러리를 종합하여 활용할 수 있는 세 가지 실전 예제를 담았다.

탄탄한 개념과 실전 예제를 한 권에 담았다!

-데이터 분석의 이론과 응용을 모두 다룹니다.
데이터 분석을 다룬 많은 책 중 나에게 맞는 책을 찾는 건 매우 어렵습니다. 이론 위주의 책을 선택하면 이해하기 어렵고, 응용 위주의 책을 선택하면 기본 개념이 부족합니다. 이 책은 이론을 쉽게 설명하고 예제로 응용해 보도록 구성하여 자연스럽게 데이터 분석 과정을 익힐 수 있습니다.
-필수 라이브러리를 상세히 소개합니다.
바쁜 독자들을 위해 여러 책을 뒤적이지 않아도 되도록 기술하였습니다. 라이브러리별로 나누어 장을 구성하였고, 속성과 함수, 기능을 상세히 수록하여 필요한 내용을 사전처럼 찾아 쓸 수 있습니다. 데이터 분석의 입문자에게는 다양한 사용법을 습득할 수 있는 지침서가, 실무자에게는 새로운 응용을 위한 참고서가 될 것입니다.
-2,000여 개의 기초 예제와 3가지 실전 예제를 실습합니다.
학습자가 데이터 분석을 숙달할 수 있도록 다양한 예제를 담았습니다. 예제 코드와 결과를 바로바로 확인하여 쉽고 빠르게 이해할 수 있습니다. 또한 범죄율, 주식, 축구 경기 결과 데이터를 담은 실습 파일을 불러와 분석해 봄으로써 고도의 응용력을 키우게 됩니다.

이 책은 다음과 같이 구성되었습니다.

1장. 개발 환경 구축
앞으로 실습에 이용할 도구를 준비하는 과정을 소개합니다. 아나콘다(Anaconda)와 주피터 노트북(Jupyter Notebook)을 설치하고 주요 기능을 살펴봅니다.

2장. 파이썬 빅데이터 프로그래밍
파이썬이라는 언어의 특징을 소개하고 객체 지향 언어의 원리를 알아봅니다. 또한 주피터 노트북과 IPython 프롬프트에서 IPython의 기능과 주요 명령어를 살펴봅니다.

3장. 넘파이
데이터 배열 수식을 빠르고 수월하게 처리할 수 있는 넘파이에 대해 알아봅니다. 넘파이 배열의 기본 구조를 설명하고 넘파이 배열과 기능을 다루는 방법을 학습합니다.

4장. 판다스
빅데이터 분석과 데이터 전처리에 가장 많이 사용하는 판다스를 학습합니다. 판다스의 데이터 구조인 시리즈와 데이터프레임 가공을 연습하고 다양한 형태의 데이터를 입출력하는 방법을 알아봅니다.

5장. 판다스 고급
판다스로 불러온 데이터를 가공하고 재형성하는 기법을 다룹니다. 또한 경제적 코딩을 위한 정규 표현식과 데이터의 그룹 연산을 설명하여 데이터 활용이라는 궁극적 목적에 도달하도록 합니다.

6장. 맷플롯립
pyplot, seaborn을 이용하여 다양한 그래프를 그리고 설정해보며 데이터의 의미를 손쉽게 파악할 수 있도록 시각화하는 방법을 학습합니다.

7장. 시계열
날짜 및 시간 관련 객체와 시계열 데이터를 인덱싱하고 가공하는 방법을 알아봅니다.
판다스를 이용해 시계열 데이터를 분석하는 방법도 설명합니다.
더불어 다양한 산업 분야에서 계획을 세우고 통찰하는 방법을 학습합니다.

8장. 빅데이터 분석
1장부터 7장까지 학습한 내용을 종합해 데이터 분석을 실습합니다.
실제 데이터를 불러와서 분석하고 결과를 그래프로 표현합니다.
이를 바탕으로 산업 데이터를 분석할 능력을 갖추고, 데이터 분석에 대한 고도의 응용력을 키웁니다.

이런 분에게 이 책을 추천합니다.
-실습 위주의 책을 원하는 데이터 분석의 입문자
-참고 자료가 필요한 데이터 분석 실무자
-파이썬으로 빅데이터나 인공지능을 다루고 싶은 학습자

Information Provided By: :

01장 개발 환경 구축
_1.1 아나콘다 설치
___환경 변수 설정
___파이썬 가상 환경 설정
___conda와 pip 명령어
_1.2 주피터 노트북
__1.2.1 주피터 노트북의 주요 기능
___주피터 노트북 애플리케이션
__1.2.2 주피터 노트북 설치
__1.2.3 주피터 노트북 사용
__1.2.4 노트북 생성
__1.2.5 노트북을 이용한 프로그래밍

02장 파이썬 빅데이터 프로그래밍
_2.1 파이썬과 R
__2.1.1 파이썬과 R의 특징 및 성능 비교
__2.1.2 파이썬과 R의 글로벌 선호도
_2.2 파이썬 언어의 기본 개념
__2.2.1 객체 지향 언어
__2.2.2 파이썬 빅데이터 분석
___빅데이터 분석을 위한 파이썬 라이브러리
___넘파이와 사이파이
___객체와 클래스
___인스턴싱
___모듈
___함수와 메소드
_2.3 대화형 컴퓨팅 IPython
__2.3.1 IPython의 기능
__2.3.2 IPyhon 설치
___노트북
__2.3.3 IPython의 주요 명령어
___도움 및 찾기 명령어
___탭 자동 완성
___객체 탐색
___셸 커맨드
___매직 함수
___실행 및 편집
___디버깅
__2.3.4 IPython QtConsole

03장 넘파이
_3.1 넘파이 배열
__3.1.1 넘파이 모듈 임포트
__3.1.2 넘파이 배열 생성
___파이썬 유사 배열 객체를 넘파이 배열로 변환
___넘파이 배열 생성 함수
___배열 생성 함수 numpy.arange( )
___디스크에서 읽어서 배열 생성
__3.1.2 넘파이 ndarray 클래스
___ndarray 객체 구조
__3.1.3 넘파이 배열의 데이터 타입
___numpy.dtype 적용
_3.2 구조화된 배열
__3.2.1 구조화된 데이터 타입
___구조화된 데이터 타입 생성
___구조화된 데이터 타입 조작 및 표시
___자동 바이트 오프셋 및 정렬
___필드 제목
__3.2.2 구조화된 배열 인덱싱 및 할당
___파이썬 고유 타입인 튜플로 할당
___스칼라 값으로 할당
___다른 구조화된 배열로 할당
__3.2.2 인덱싱과 슬라이싱
___기본 인덱싱 구문
___배열 객체 요소 선택
___기본 인덱싱과 슬라이싱
___고급 인덱싱
___불리언 배열로 인덱싱
___슬라이싱과 인덱스 배열 처리
___인덱스를 반환하는 numpy.nonzero( ), numpy.transpose( ) 함수
___다차원 배열 전치
__3.2.4 유니버설 함수
___class numpy.ufunc
___유용한 유니버설 함수
_3.3 배열 객체 관리와 연산
__3.3.1 뷰와 복사
___뷰
___복사
__3.3.2 브로드캐스팅
___브로드캐스팅 규칙
___numpy.newaxis 적용
___broadcast 클래스
___브로드캐스팅 연산
___수능 성적 분석 예시
__3.3.3 배열 조작과 정렬
___C 우선 배치와 F 우선 배치
___배열을 이어 붙이고 스택으로 배치
___배열 순서 정렬
___히스토그램 함수
__3.3.4 배열 연산
___다차원 배열 연산
___배열 반복
___임의의 수 생성
___선형 대수
_3.4 넘파이 적용
__3.4.1 데이터 파일 입력과 출력
___넘파이 이진 파일
___텍스트 파일
___원시 이진 파일
___메모리 맵 파일
__3.4.2 이미지 처리
___넘파이와 matplotlib 활용
___사이파이 모듈 적용

04장 판다스
_4.1 판다스 데이터 구조
__4.1.1 시리즈
___시리즈 객체 생성 방법
___ndarray와의 유사성
___딕셔너리와의 유사성
___넘파이와의 유사성
___시리즈 이름 설정과 변경
__4.1.2 데이터프레임
___딕셔너리에서 데이터프레임 객체 생성
___ndarrays나 리스트의 딕셔너리에서 데이터프레임 객체 생성
___구조화된 배열 또는 레코드 배열에서 데이터프레임 객체 생성
___딕셔너리의 리스트에서 데이터프레임 객체 생성
___튜플의 딕셔너리에서 데이터프레임 객체 생성
___데이터프레임 생성자
__4.1.3 행과 열의 기본 처리
___행 또는 열 선택, 추가, 삭제
___인덱싱과 선택
___pandas.DataFrame.loc와 pandas.DataFrame.iloc
___데이터 정렬 및 산술 연산
___전치
___넘파이 함수들과 데이터프레임 연동
__4.1.4 인덱스 관련 객체
___pandas.Index 클래스
___pandas.RangeIndex 클래스
___Int64Index, Uint64Index, Float64Index 클래스
___pandas.CategoricalIndex 클래스
___pandas.Categorical 클래스
___pandas.MultiIndex 클래스
_4.2 판다스의 주요 기능
__4.2.1 판다스 객체 이진 연산
__4.2.2 요약과 통계 연산
__4.2.3 함수 적용
___테이블 형태의 함수 적용
___행 또는 열 단위의 함수 적용
__4.2.4 Aggregation API 함수 적용
___요소 단위로 함수들을 적용
_4.3 데이터 처리
__4.3.1 데이터 선택
___라벨로 데이터 선택
___위치로 데이터 선택
___호출 함수로 데이터 선택
__4.3.2 데이터 설정과 검색
___데이터 확장 및 변경
___불리언 벡터로 데이터 필터링
___take( ) 메소드로 검색
__4.3.3 손실 데이터 처리
___손실 데이터 계산
___손실 데이터 채우기
__4.3.4 멀티인덱스
___멀티인덱스 객체 생성
___멀티인덱스 인덱싱
___멀티인덱스 순서 정렬
_4.4 데이터 타입과 입출력
__4.4.1 텍스트 파일
___CSV 파일
___JSON 파일
___HTML 파일
___클립보드
__4.4.2 이진 데이터
___엑셀 파일
___HDF5 파일
__4.4.3 SQL 데이터베이스
___SQLAlchemy의 엔진 구성
___판다스 SQL 관련 함수 적용
___sqlite3
__4.4.4 기상청 대용량 데이터 세트의 처리

05장 판다스 고급
_5.1 데이터 가공
__5.1.1 데이터 이어 붙이기
___축의 로직 설정과 append를 사용하는 이어 붙이기
___차원이 다른 시리즈와 데이터프레임 이어 붙이기
___그룹 키로 이어 붙이기
__5.1.2 데이터베이스 타입의 데이터프레임 또는 시리즈를 합치기
___merge( ) 함수로 합치기
___join( ) 메소드로 합치기
___멀티인덱스 객체 합치기
___열과 인덱스 레벨을 조합해 합치기
___중복되는 열 처리하기
___시리즈나 데이터프레임의 열 안에서 값을 합치기
__5.1.3 데이터 재형성하기
___데이터프레임 객체 피벗
___피벗 테이블
___교차표
___더미 변수 계산
___stack( )과 unstack( ) 메소드로 재형성
___melt( ) 메소드로 재형성
__5.1.4 파이썬 정규 표현식 사용하기
___정규 표현식 구문
___re 모듈
___정규 표현식 객체
___Match 객체
__5.1.5 텍스트 데이터 가공하기
___문자열을 분할하고 대체하기
___텍스트 이어 붙이기
___str로 인덱스 변경하기
___일기 형식의 텍스트 데이터 가공
_5.2 데이터의 그룹 연산
__5.2.1 데이터 객체를 그룹 연산
___GroupBy 객체 속성
___GroupBy 순서 정렬
___멀티인덱스가 있는 객체를 그룹 연산
___그룹 객체의 반복 처리
__5.2.2 GroupBy 객체를 그룹별 연산 및 변환
___데이터 집계하기
___한 번에 여러 함수 적용하기
___데이터프레임 열들에 각각 다른 함수 적용하기
___자동차 판매 대리점별 영업 현황 데이터 연산과 변환
__5.2.3 GroupBy 객체를 이용한 분할, 적용, 통합
___학교별 수학 성적에 분할, 적용, 통합 연산 실행
___apply( ) 메소드 적용
__5.2.4 기타 그룹 연산
___불필요한 부분을 자동으로 제거
___순서가 정렬된 요소를 그룹화
___각 그룹의 행 확인하기
_5.3 수학 계산
__5.3.1 통계 함수
___퍼센트 변화율
___공분산
___상관관계
___데이터 순위
__5.3.2 윈도우 함수
___시간 인식 이동
___이진 윈도우 함수
___쌍 단위의 공분산과 상관관계를 이동 윈도우로 계산하기
__5.3.3 집계 연산
___복수의 함수를 적용하기
___데이터프레임 열들에 여러 함수를 적용하기
__5.3.4 기타 윈도우 적용
___확장 윈도우
___지수 가중 윈도우

06장 matplotlib
_6.1 matplotlib 기본
__6.1.1 figure 구성
___Axes, Axis, Artist
___matplotlib과 pyplot
__6.1.2 pyplot 모듈
_6.2 matplotlib API
__6.2.1 그래프 그리기
___그래프 스타일 꾸미기
___범주형 변수로 서브플롯 생성
___Figure 객체로 서브플롯 생성
__6.2.2 라벨, 범례, 주석 추가
___add_subplot( )과 add_axes( ) 함수로 그래프를 그리고 라벨 붙이기
___스타일시트와 rcParams로 matplotlib 실행하기
___matplotlib.pyplot.legend 함수로 범례 설정하기
___범례 위치 정하기
___주석 달기
__6.2.3 텍스트 추가
___텍스트 생성 명령어
___matplotlib.axis 모듈
___눈금 위치와 형식 정하기
___눈금과 눈금 라벨
__6.2.4 기타 그래프
___막대그래프
___원그래프
_6.3 seaborn 라이브러리
__6.3.1 seaborn
___단변량 데이터 세트 분포를 시각화
___이변량 데이터 세트 분포를 시각화
___regplot으로 회귀 모델을 시각화
___figure 레벨과 axes 레벨의 함수들
___산점도
___선 그래프
__6.3.2 범주형 데이터 시각화
___범주형 산점도
___범주 내에서 관찰치 분포
__6.3.3 선형 관계 시각화
___선형 회귀 모델을 시각화하는 함수들
___다른 변수들에 조건 부여
___그래프 크기와 모양 수정
___컨텍스트에서 회귀 그래프 그리기
__6.3.4 멀티플롯 그리드 시각화
___스몰 멀티플스
_6.4 판다스 시각화
__6.4.1 그래프 종류
___기본 그래프
___막대그래프
___히스토그램
___상자 그림
___면적그래프
___산점도
___육각 산점도
___원그래프
___그래프별 손실 값 처리
__6.4.2 그래프 설정
___범례와 스케일 설정
___보조 축 설정
___서브플롯 및 멀티 axes 설정
___오차 막대 추가
___테이블 설정

07장 시계열
_7.1 파이썬의 날짜 및 시간 관련 객체
__7.1.1 datetime 객체
__7.1.2 시간대 객체
___tzinfo 객체
___timezone 객체
__7.1.3 timedelta 클래스
__7.1.4 Olson tz 데이터베이스
_7.2 판다스 시계열 기초
__7.2.1 판다스의 시계열 지원
__7.2.2 판다스의 datetime 객체
__7.2.3 시계열 인덱싱
___DatetimeIndex 객체
___TimedeltaIndex 객체
___PeriodIndex 객체
___시계열 인덱싱
___부분 문자열 인덱싱
___슬라이싱과 고급 인덱싱
__7.2.4 리샘플링
___resample 메소드 적용
___데이터프레임 리샘플링과 종합 연산
___Resampler 객체로 그룹화하고 반복
_7.3 타임스탬프
__7.3.1 타임스탬프와 시간
__7.3.2 타임스탬프로 변환하기
___format 인수 적용
___데이터프레임 열을 이용해 datetime 조합
___유닉스 에포크 시간과 타임스탬프
___origin 매개 변수 사용하기
__7.3.3 타임스탬프 생성 범위
__7.3.4 날짜 오프셋과 이동 객체
___오프셋 매개 변수 사용
___사용자 정의 영업일
___영업 시간
___오프셋 약칭 사용
___시계열 관련 인스턴스 메소드
_7.4 시간 범위와 시간대 처리
__7.4.1 기간과 연산
___PeriodIndex와 period_range( ) 함수
___PeriodIndex의 도수 변환 및 리샘플링
___PeriodIndex 데이터와 Timestamp 데이터 간 변환
__7.4.2 시간대 처리
___시간대 설정 및 제거
___시간대 Series 연산
___.dt 접근자

08장 빅데이터 분석
_8.1 서울시 구별 CCTV 설치 대비 범죄율 분석
__8.1.1 서울시 인구, CCTV 설치 및 범죄 데이터
__8.1.2 구별 CCTV 설치 및 인구 현황 분석
___read_excel( ) 함수로 열 선택
___iloc( ) 함수로 열 선택
___Index 객체로 열 라벨 이름 변경
___rename( ) 함수로 열 라벨 이름 변경
__8.1.3 구별 CCTV 설치 대비 범죄율 상관관계 분석
_8.2 삼성전자, SK하이닉스, LG전자 주식 데이터 분석
__8.2.1 주식 데이터 획득
__8.2.2 주가 현황 그래프 그리기
__8.2.3 주가 변동 연관성 분석
_8.3 국제 축구 경기 결과 분석
__8.3.1 데이터 전처리
__8.3.2 경기 결과 분석 및 그래프 그리기
__8.3.3 대한민국 축구 국가대표팀 경기 결과 분석