목차 일부

들어가며 = ⅲ
이 책을 보는 방법 = ⅳ
개발환경 준비 = ⅴ
  ① 아나콘다(Anaconda) 배포판 설치 = ⅴ
  ② 스파이더(Spyder) 사용법 = xi
  ③ 필수 라이브러리 설치 = xiv
PART 1 판다스 입문
  ① 데이터과학자가 판다스를 배우는 이유 = 2
  ② 판다스 자료구조 = 3
    2-1 시리즈 = 4
 ...

더보기

목차 전체

들어가며 = ⅲ
이 책을 보는 방법 = ⅳ
개발환경 준비 = ⅴ
  ① 아나콘다(Anaconda) 배포판 설치 = ⅴ
  ② 스파이더(Spyder) 사용법 = xi
  ③ 필수 라이브러리 설치 = xiv
PART 1 판다스 입문
  ① 데이터과학자가 판다스를 배우는 이유 = 2
  ② 판다스 자료구조 = 3
    2-1 시리즈 = 4
    2-2 데이터프레임 = 11
  ③ 인덱스 활용 = 39
  ④ 산술연산 = 46
    4-1 시리즈 연산 = 46
    4-2 데이터프레임 연산 = 52
PART 2 데이터 입출력
  ① 외부 파일 읽어오기 = 58
    1-1 CSV 파일 = 58
    1-2 Excel 파일 = 62
    1-3 JSON 파일 = 64
  ② 웹(web)에서 가져오기 = 65
    2-1 HTML 웹 페이지에서 표 속성 가져오기 = 65
    2-2 웹 스크래핑 = 68
  ③ API 활용하여 데이터 수집하기 = 70
  ④ 데이터 저장하기 = 74
    4-1 CSV 파일로 저장 = 74
    4-2 JSON 파일로 저장 = 75
    4-3 Excel 파일로 저장 = 77
    4-4 여러 개의 데이터프레임을 하나의 Excel 파일로 저장 = 78
PART 3 데이터 살펴보기
  ① 데이터프레임의 구조 = 84
    1-1 데이터 내용 미리보기 = 84
    1-2 데이터 요약 정보 확인하기 = 86
    1-3 데이터 개수 확인 = 90
  ② 통계 함수 적용 = 92
    2-1 평균값 = 92
    2-2 중간값 = 93
    2-3 최대값 = 94
    2-4 최소값 = 95
    2-5 표준편차 = 96
    2-6 상관계수 = 97
  ③ 판다스 내장 그래프 도구 활용 = 98
    선 그래프 = 99
    막대 그래프 = 101
    히스토그램 = 103
    산점도 = 104
    박스 플롯 = 105
PART 4 시각화 도구
  ① Matplotlib - 기본 그래프 도구 = 108
    1-1 선 그래프 = 108
    1-2 면적 그래프 = 128
    1-3 막대 그래프 = 132
    1-4 히스토그램 = 136
    1-5 산점도 = 138
    1-6 파이 차트 = 141
    1-7 박스 플롯 = 143
  ② Seaborn 라이브러리 - 고급 그래프 도구 = 147
    데이터셋 가져오기 = 147
    회귀선이 있는 산점도 = 148
    히스터그램／커널 밀도 그래프 = 149
    히트맵 = 151
    범주형 데이터의 산점도 = 152
    막대 그래프 = 153
    빈도 그래프 = 154
    박스 플롯／바이올린 그래프 = 155
    조인트 그래프 = 157
    조건을 적용하여 화면을 그리드로 분할하기 = 159
    이번수 데이터의 분포 = 160
  ③ Folium 라이브러리 - 지도 활용 = 161
    Folium 설치하기 = 161
    지도 만들기 = 162
    지도 스타일 적용하기 = 163
    지도에 마커 표시하기 = 165
    지도 영역에 단계구분도(Choropleth Map) 표시하기 = 167
PART 5 데이터 사전 처리
  ① 누락 데이터 처리 = 172
    누락 데이터 확인 = 172
    누락 데이터 제거 = 176
    누락 데이터 치환 = 178
  ② 중복 데이터 처리 = 182
    중복 데이터 확인 = 182
    중복 데이터 제거 = 184
  ③ 데이터 표준화 = 186
    3-1 단위 환산 = 186
    3-2 자료형 변환 = 188
  ④ 범주형(카테고리) 데이터 처리 = 192
    4-1 구간 분할 = 192
    4-2 더미 변수 = 194
  ⑤ 정규화 = 198
  ⑥ 시계열 데이터 = 201
    6-1 다른 자료형을 시계열 객체로 변환 = 201
    6-2 시계열 데이터 만들기 = 206
    6-3 시계열 데이터 활용 = 209
PART 6 데이터프레임의 다양한 응용
  ① 함수 매핑 = 218
    1-1 개별 원소에 함수 매핑 = 218
    1-2 시리즈 객체에 함수 매핑 = 222
    1-3 데이터프레임 객체에 함수 매핑 = 226
  ② 열 재구성 = 229
    2-1 열 순서 변경 = 229
    2-2 열 분리 = 232
  ③ 필터링 = 234
    3-1 불린 인덱싱 = 234
    3-2 isin() 메소드 활용 = 237
  ④ 데이터프레임 합치기 = 239
    4-1 데이터프레임 연결 = 239
    4-2 데이터프레임 병합 = 245
    4-3 데이터프레임 결합 = 251
  ⑤ 그룹 연산 = 254
    5-1 그룹 객체 만들기(분할 단계) = 254
    5-2 그룹 연산 메소드(적용-결합 단계) = 261
  ⑥ 멀티 인덱스 = 271
  ⑦ 피벗 = 273
PART 7 머신러닝 데이터 분석
  ① 머신러닝 개요 = 284
    1-1 머신러닝이란? = 284
    1-2 지도 학습 vs 비지도 학습 = 284
    1-3 머신러닝 프로세스 = 285
  ② 회귀분석 = 286
    2-1 단순회귀분석 = 286
    2-2 다항회귀분석 = 298
    2-3 다중회귀분석 = 304
  ③ 분류 = 308
    3-1 KNN = 308
    3-2 SVM = 319
    3-3 Decision Tree = 323
  ④ 군집 = 331
    4-1 k-Means = 332
    4-2 DBSCAN = 339
찾아보기 = 359

더보기 닫기