使用Python进行数据分析并不难。如果你会使用电子表格，就能学会Pandas！虽然它的网格样式布局可能会让你想起Excel，但Pandas要灵活和强大得多。Python库可以快速对数百万行数据执行操作，并且可以轻松地与Python数据生态系统中的其他工具进行交互。这是提升你的数据游戏的完美方式。
《Pandas数据分析实战》介绍了使用令人惊叹的Pandas库在Python中进行数据分析。你将学习如何对重复操作进行自动化，并让你对在Excel中很难实现，甚至不可能实现的数据分析有更深的理解。本书每章都可以独立成篇。通过下载真实的数据集，可以让你的学习更加贴近现实工作。

鲍里斯·帕斯哈弗（Boris Paskhaver），是一名软件工程师、敏捷顾问和在线教育家。已有来自190个国家的30万名学生学习了他的编程课程。

第Ⅰ部分 Pandas核心基础
第1章 Pandas概述
1.1 21世纪的数据
1.2 Pandas介绍
1.2.1 Pandas与图形电子表格应用程序
1.2.2 Pandas与它的竞争对手
1.3 Pandas之旅
1.3.1 导入数据集
1.3.2 操作DataFrame
1.3.3 计算Series中的值
1.3.4 根据一个或多个条件筛选列
1.3.5 对数据分组
1.4 本章小结
第2章 Series对象
2.1 Series概述
2.1.1 类和实例
2.1.2 用值填充Series对象
2.1.3 自定义Series索引
2.1.4 创建有缺失值的Series
2.2 基于其他Python对象创建Series
2.3 Series属性
2.4 检索第一行和最后一行
2.5 数学运算
2.5.1 统计操作
2.5.2 算术运算
2.5.3 广播
2.6 将Series传递给Python的内置函数
2.7 代码挑战
2.7.1 问题描述
2.7.2 解决方案
2.8 本章小结
第3章 Series方法
3.1 使用read csv函数导入数据集
3.2 对Series进行排序
3.2.1 使用sort values方法按值排序
3.2.2 使用sort_index方法按索引排序
3.2.3 使用nsmallest和nlargest方法检索最小值和最大值
3.3 使用 inplace参数替换原有Series
3.4 使用value _counts方法计算值的个数
3.5 使用apply方法对每个Series值调用一个函数
3.6 代码挑战
3.6.1 问题描述
3.6.2 解决方案
3.7 本章小结
第4章 DataFrame对象
4.1 DataFrame概述
4.1.1 通过字典创建DataFrame
4.1.2 通过NumPy ndarray创建DataFrame
4.2 Series和DataFrame的相似之处
4.2.1 使用read csv函数导入DataFrame
4.2.2 Series和DataFrame的共享与专有属性
4.2.3 Series和DataFrame的共有方法
4.3 对 DataFrame进行排排序
……
第Ⅱ部分 应用Pandas
附录A 安装及配置
附录B Python速成课程
附录C NumPy速成教程
附录D 用Faker生成模拟数据
附录E 正则表达式