스크립트가 작동하지 않으면 사이트 일부 기능을 사용할 수 없습니다.

본문바로가기

에너지경제연구원

메인메뉴

  • 검색
    • 통합검색
    • 소장자료
    • 메타검색
    • 신착자료
    • 정기간행물
  • 전자자료
    • e-Journals A to Z
    • Core Journals
    • e-Books
    • 학술DB
    • 통계DB
    • 전문정보DB
    • 최신 e-리포트
  • KEEI발간물
    • KEEI연구보고서
    • 정기간행물
    • 발간물회원
  • 참고웹사이트
    • 국제기구
    • 통계기관
    • 국가별에너지관련부처
    • 국내외유관기관
    • 경제인문사회연구기관
    • 에너지 전문지
  • My Library
    • 개인정보수정
    • 대출/연장/예약
    • 희망도서신청
    • 입수알림신청
    • 원문신청
    • 내보관함
    • 검색이력조회
  • 도서관서비스
    • Mission&Goals
    • 전자도서관이용안내
    • 도서관 이용안내
    • RefWorks 이용안내
    • 공지사항
    • 웹진

전체메뉴

  • 검색
    • 통합검색
    • 소장자료
    • 메타검색
    • 신착자료
    • 정기간행물
  • 전자자료
    • e-Journals A to Z
    • Core Journals
    • eBooks
    • 학술 DB
    • 통계 DB
    • 전문정보 DB
    • 최신 e-리포트
  • KEEI 발간물
    • 연구보고서
    • 정기간행물
    • 발간물회원
  • 참고웹사이트
    • 국제기구
    • 통계기관
    • 국가별 에너지관련부처
    • 국내외 유관기관
    • 경제인문사회연구기관
    • 에너지전문지
  • My Library
    • 개인정보수정
    • 대출/연장/예약
    • 희망도서신청
    • 입수알림신청
    • 원문신청
    • 내보관함
    • 검색이력조회
  • 도서관서비스
    • Mission&Goals
    • 전자도서관이용안내
    • 도서관이용안내
    • RefWorks 이용안내
    • 공지사항
    • 웹진

닫기

검색

홈아이콘 > 검색 > 상세보기

상세보기

표지이미지
자료유형 : 단행본
서명 / 저자 : 파이썬 라이브러리를 활용한 데이터 분석 : 영화평점, 이름통계, 선거 데이터 등 실사례 사용 / 웨스 맥키니 지음 ; 김영근 옮김
원서명 : Python for Data Analysis
개인저자 : 맥키니, 웨스 | / 김영근 |
판사항 : 제2판
발행사항 : 서울 : 한빛미디어, 2019
형태사항 : 590 p. : 삽화 ; 24 cm
일반사항 : 권말부록: 고급 NumPy 및 IPYTHON 시스템 더 알아보기
원저자명: Wes Mckinney
서지주기 : 색인: p. 657-664
원저저록 : Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython
주제명 : 파이썬[Python]
컴퓨터 프로그래밍[computer programming]
Python(Computer program language)
Programming languages(Electronic computers)
Data mining
키워드 : 파이썬, 데이터, 프로그래밍언어
ISBN : 9788968480478
청구기호 : QA76.73.P98 맥876ㅍ
QR Code 정보
 

태그

입력된 태그 정보가 없습니다. 태그추가

소장자료

관련콘텐츠

관계명 연결정보
원서 Python for Data Analysis / McKinney, Wes , O'Reilly Media, 2017

부가정보

CHAPTER 1 시작하기 전에
1.1 이 책에서 다루는 내용
1.2 왜 데이터 분석에 파이썬을 사용하나
1.3 필수 파이썬 라이브러리
1.4 설치 및 설정
1.5 커뮤니티와 컨퍼런스
1.6 이 책을 살펴보는 방법

CHAPTER 2 파이썬 언어의 기본, IPython, 주피터 노트북
2.1 파이썬 인터프리터
2.2 IPython 기초
2.3 파이썬 기초

CHAPTER 3 내장 자료구조, 함수, 파일
3.1 자료구조와 순차 자료형
3.2 함수
3.3 파일과 운영체제
3.4 마치며

CHAPTER 4 NumPy 기본: 배열과 벡터 연산
4.1 NumPy ndarray: 다차원 배열 객체
4.2 유니버설 함수: 배열의 각 원소를 빠르게 처리하는 함수
4.3 배열을 이용한 배열지향 프로그래밍
4.4 배열 데이터의 파일 입출력
4.5 선형대수
4.6 난수 생성
4.7 계단 오르내리기 예제
4.8 마치며

CHAPTER 5 pandas 시작하기
5.1 pandas 자료구조 소개
5.2 핵심 기능
5.3 기술 통계 계산과 요약
5.4 마치며

CHAPTER 6 데이터 로딩과 저장, 파일 형식
6.1 텍스트 파일에서 데이터를 읽고 쓰는 법
6.2 이진 데이터 형식
6.3 웹 API와 함께 사용하기
6.4 데이터베이스와 함께 사용하기
6.5 마치며

CHAPTER 7 데이터 정제 및 준비
7.1 누락된 데이터 처리하기
7.2 데이터 변형
7.3 문자열 다루기
7.4 마치며

CHAPTER 8 데이터 준비하기: 조인, 병합, 변형
8.1 계층적 색인
8.2 데이터 합치기
8.3 재형성과 피벗
8.4 마치며

CHAPTER 9 그래프와 시각화
9.1 matplotlib API 간략하게 살펴보기
9.2 pandas에서 seaborn으로 그래프 그리기
9.3 다른 파이썬 시각화 도구
9.4 마치며

CHAPTER 10 데이터 집계와 그룹 연산
10.1 GroupBy 메카닉
10.2 데이터 집계
10.3 Apply: 일반적인 분리-적용-병합
10.4 피벗테이블과 교차일람표
10.5 마치며

CHAPTER 11 시계열
11.1 날짜, 시간 자료형, 도구
11.2 시계열 기초
11.3 날짜 범위, 빈도, 이동
11.4 시간대 다루기
11.5 기간과 기간 연산
11.6 리샘플링과 빈도 변환
11.7 이동창 함수
11.8 마치며

CHAPTER 12 고급 pandas
12.1 Categorical 데이터
12.2 고급 GroupBy 사용
12.3 메서드 연결 기법
12.4 마치며

CHAPTER 13 파이썬 모델링 라이브러리
13.1 pandas와 모델 코드의 인터페이스
13.2 Patsy를 이용해서 모델 생성하기
13.3 statsmodels 소개
13.4 scikit-learn 소개
13.5 더 공부하기

CHAPTER 14 데이터 분석 예제
14.1 Bit.ly의 1.USA.gov 데이터
14.2 MovieLens의 영화 평점 데이터
14.3 신생아 이름
14.4 미국농무부 영양소 정보
14.5 2012년 연방선거관리위원회 데이터베이스
14.6 마치며

APPENDIX A 고급 NumPy
A.1 ndarray 객체 구조
A.2 고급 배열 조작 기법
A.3 브로드캐스팅
A.4 고급 ufunc 사용법 .
A.5 구조화된 배열과 레코드 배열
A.6 정렬에 관하여
A.7 umba를 이용하여 빠른 NumPy 함수 작성하기
A.8 고급 배열 입출력
A.9 성능 팁

APPENDIX B IPython 시스템 더 알아보기
B.1 명령어 히스토리 사용하기
B.2 운영체제와 함께 사용하기
B.3 소프트웨어 개발 도구
B.4 IPython을 이용한 생산적인 코드 개발에 관한 팁
B.5 IPython 고급 기능
B.6 마치며

서평

등록된 서평이 없습니다. 첫 서평의 주인공이 되어 보세요.