【陪你读书】利用Python进行数据分析 第11章 时间序列(7 时区区间和区间算术及区间频率转换)
正在缓冲...
【陪你读书】利用Python进行数据分析
建议先看基础视频-> Python编程从入门到实践
利用Python进行数据分析
（84/113）
自动连播
1.9万播放
简介
订阅合集
第1章 准备工作
05:58
第2章 Python语言基础 IPython及Jupyte Notebook(1->Python解释器)
06:50
第2章 (2 IPython基础)
28:07
第2章 (3 Python语言语义)
34:07
第2章 (4 Python标量类型)
28:01
第2章 (5 Python控制流)
22:09
第3章 内建数据结构、函数及文件(1 元组)
19:49
第3章 (2 列表)
20:47
第3章 (3 内建序列函数)
19:15
第3章 (4 字典)
25:55
第3章 (5 集合)
09:00
第3章 (6 列表集合和字典的推导式)
18:21
第3章 (7 命名空间、作用域和本地函数以及返回多个值)
15:19
第3章 (8 匿名函数Lambda以及柯里化：部分参数应用)
17:59
3章 (9 生成器)
16:24
第3章 (10 错误和异常处理)
15:08
第3章 (11文件与操作系统)
21:09
第4章 Numpy基础：数组与向量化计算(1 生成ndarray)
13:24
第4章 (2 ndarray数据类型及Numpy数组算术)
12:15
第4章 (3 基础索引与切片)
18:27
第4章 (4 布尔索引)
14:54
4章 (5 神奇索引及数组转置和换轴)
15:45
4章 (6 通用函数：快速的逐元素数组函数)
10:06
4章 (7 将条件逻辑作为数组操作以及数学和统计方法)
22:43
第4章 (8 布尔值数组的方法及排序及唯一值与其他集合逻辑)
13:27
第4章 (9 使用数组进行文件输入和输出及线性代数)
19:09
第4章 (10 伪随机数生成及示例：随机漫步)
20:07
第5章 Pandas入门 (1 Series)
17:05
第5章 Pandas(2 DataFrame)
19:01
第5章 Pandas(3 索引对象)
09:03
第5章 Pandas(4 重建索引)
09:02
第5章 Pandas(5 轴向上删除条目)
07:43
第5章 Pandas(6 索引、选择与过滤)
12:04
第5章 Pandas(7 整数索引及算术和数据对齐)
11:25
第5章 Pandas(8 算术填充值及广播机制)
15:32
第5章 Pandas(9 函数应用和映射、排序和排名以及还有重复标签的轴索引)
25:52
第5章 Pandas(10 描述性统计的概述与计算以及唯一值、计数和成员属性)
22:11
第6章 数据载入、存储及文件格式(1 文本格式数据的读写及分块读入文本文件)
29:58
第6章 数据(2 将数据写入文本格式)
10:21
第6章 数据(3 使用分隔格式及JSON数据)
14:51
第6章 数据(4 XML和HTML网络抓取)
11:24
第6章 数据(5 二进制格式使用HDf5格式及读取Microsoft Excel文件)
09:43
第6章 数据(6 与Web API交互及与数据库交互)
09:27
第7章 数据清洗与准备(1 过滤缺失值处理)
13:16
第7章 数据清洗(2 补全缺失值处理)
10:59
第7章 数据清洗(3 删除重复值及使用函数或映射进行数据转换)
18:30
第7章 数据清洗(4 替代值及重命名轴索引)
14:21
第7章 数据清洗(5 离散化和分箱)
19:40
第7章 数据清洗(6 检测过滤异常值及置换和随机抽样)
19:49
第7章 数据清洗(7 计算指标及虚拟变量)
29:32
第7章 数据清洗(8 字符串操作)
55:30
第8章 数据规整_连接、联合与重塑(1 分层索引)
13:47
第8章 数据(2 重排序和层级排序)
10:46
第8章 数据(3 按层级进行汇总统计及使用DataFrame的列进行索引)
13:57
第8章 数据(4 数据库风格的DataFrame连接)
23:33
第8章 数据(5 根据索引合并)
28:36
第8章 数据(6 沿轴向连接)
22:29
第8章 数据(7 联合重叠数据)
12:03
第8章 数据(8 使用多层索引进行重塑)
17:03
第8章 数据(9 将长透视为宽)
16:00
第8章 数据(10 将宽透视为长)
15:07
第9章 绘图与可视化(1 图片与子图)
16:03
第9章 可视化(2 颜色、标记和线段类型)
16:36
第9章 可视化(3 刻度、标签和图例)
17:01
第9章 可视化(4 注释与子图加工)
29:03
第9章 可视化(5 使用pandas和seaborn绘图_折线图及柱状图)
28:49
第9章 可视化(6 直方图和密度图及散点图或点图及分面网格和分类数据)
32:58
第10章 数据聚合与分组操作(1 GroupBy机制)
16:11
第10章 数据聚合(2 遍历各分组及选择一列或所有列的子集)
11:54
第10章 数据聚合(3 使用字典和Series分组及使用函数分组及根据索引层级分组)
18:51
第10章 数据聚合(4 数据聚合及逐列及多函数应用及返回不含行索引的聚合数据)
20:53
第10章 数据聚合(5 应用_通用拆分-应用-联合及压缩分组键)
12:09
第10章 数据聚合(6 分位数与桶分析)
15:15
第10章 数据聚合(7 示例_使用指定分组值填充缺失值)
13:27
第10章 数据聚合(8 示例_随机采样与排列)
16:16
第10章 数据聚合(9 示例_分组加权平均和相关性)
16:09
第10章 数据聚合(10 示例_逐组线性回归及数据透视表和交叉表)
26:00
第11章 时间序列(1 日期和时间数据的类型及工具)
15:48
第11章 时间(2 时间序列基础及索引、选择、子集)
19:19
第11章 时间(3 含有重复索引的时间序列及生成日期范围)
19:05
第11章 时间(4 频率和日期偏置)
08:57
第11章 时间(5 移位日期_前向和后向)
19:56
第11章 时间(6 时区处理)
23:55
第11章 时间(7 时区区间和区间算术及区间频率转换)
15:13
第11章 时间(8 季度区间频率及将时间戳转换为区间及从数组生成PeriodIndex)
17:40
第11章 时间(9 重新采样与频率转换及向下采样及OHLC重新采样)
17:45
第11章 时间(10 向上采样与插值及使用区间进行重新采样)
17:52
第11章 时间(11 移动窗口函数)
18:26
第11章 时间(12 指数加权函数及二元移动窗口函数及用户自定义的移动窗口函数)
21:22
第12章 高阶Pandas(1 分类数据的背景和目标及Pandas中的Categorical类型)
19:29
第12章 高阶Pandas(2 使用Categorical对象进行计算以及分类方法)
20:08
第12章 高阶Pandas(3 高阶GroupBy应用及分组转换和“展开”GroupBy及分组的时间重新采样)
21:20
第13章 Python建模库介绍(1 Pandas与建模代码的结合及使用Patsy创建模型描述)
38:39
第13章 建模(2 statsmodels介绍及评估线型模型及评估时间序列处理)
25:55
第13章 建模(3 scikit-learn介绍)
18:35
第14章 数据分析实例(1 从 Bitly 获取 1.USA.gov数据及纯Python方法的时区计数)
20:29
第14章 分析实例(2 使用Pandas进行时区计数)
46:19
第14章 分析实例(3 MovieLens 1M 数据集及测量评分分歧)
34:15
第14章 分析实例(4 美国1880~2010年的婴儿名字)
21:53
第14章 分析实例(5 从数据中分析名字趋势以及计量命名多样性的增加)
27:39
第14章分析实例(6 从数据中分析名字最后一个字母变化及男孩名字变成女孩名字)
24:18
第14章 分析实例(7 从数据中分析美国农业部食品数据库)
29:10
第14章 分析实例(8 从数据中分析2012年联邦选举委员会数据库及按职业和雇主捐献统计)
33:15
第14章 分析实例(9 从数据中分析2012年联邦选举委员捐赠金额分桶及按州进行捐赠统计)
20:23
附录A 高阶Numpy(1 ndarray对象内幕及Numpy dtype层次结构及高阶数组的重塑数组操作)
23:21
附录A 高阶Numpy(2 高阶数组操作及C顺序和Fortran顺序及连接和分隔数组及堆叠助手r_和c_)
17:22
附录A 高阶Numpy(3 高阶数组操作及重复元素tile和repeat及神奇索引的等价方法take和put)
26:07
附录A 高阶Numpy(3 Numpy的广播操作及在其他轴上广播及通过广播设定数组的值)
30:40
附录A 高阶Numpy(5 Numpy的高阶ufunc用法以及ufunc实例方法)
32:45
附录A 高阶Numpy(6 使用Python编写新的ufunc方法及结构化和记录数组及嵌套dtype和多维字段)
20:58
附录A 高阶Numpy(7 更多关于排序的内容及间接排序argsort和lexsort)
25:33
附录A 高阶Numpy(8 其他的排序算法及数组的部分排序及searchsorted在已排序的数组寻找元素)
26:11
附录A 高阶Numpy(9 使用Numba编写快速Numpy函数及高阶数组输入和输出及性能技巧)
27:10
顶部