python知识手册

封面 前言 目录 导读 手册内容 主要更新内容 如何阅读和使用《手册》 Python 语言的简单介绍 起源 为什么名字叫 ``Python'' Python的发展历史 Python语言的特点 Python 语言的应用 Python 语言的一些缺点 Python安装 安装方法一: 安装方法二:(推荐) 总结 第一个Python程序 输出函数 print() 输入函数 input() 小练习 创建第一个``.py'' 和 ``.ipynb'' 文件 创建和运行 ``.py'' 文件 文本编辑器 创建和运行 ``.ipynb'' 文件 总结 VS Code 中 Python 环境配置指南 软件准备 在终端运行程序 Python 环境配置 Python数据类型-字符串介绍 创建字符串 访问字符串中的值 字符串格式化 字符串的基本运算 Python数据类型-List介绍 初识 list 访问列表中的值 列表的操作、函数及方法 list中元素的类型可以多样 list 的切片(slices) 列表推导式(List Comprehension) 小结 Python数据类型-字典介绍 基本用法 字典推导式 字典合并 嵌套型字典 小结 Python内置时间模块:Datetime 前言 构建时间对象实例 时间转换 时间对象的运算 Python内置时间模块:Time 模块介绍 时间获取 时间转换 Python内置时间模块:Calendar 获取某年的日历 获取某月的日历 其他方法 Jupyter Notebook 主题设置、字体修改等 新的风格预览 主题更换过程 我的主题设置参数 Jupyter Notebook中自动补全代码 Jupyter Notebook输出pdf并支持中文显示 安装顺序 Anaconda安装虚拟环境到指定路径 曾经的困扰 安装虚拟环境 虚拟环境下安装python库 Numpy的基本用法 Numpy数组对象 创建ndarray数组 Numpy的数值类型 ndarray数组的属性 ndarray数组的切片和索引 处理数组形状 数组的类型转换 numpy常用统计函数 数组的广播 写在最后 Numpy的random函数简介 numpy.random.rand() numpy.random.randn() numpy.random.randint() 生成[0,1)之间的浮点数 numpy.random.choice() numpy.random.seed() Numpy中Meshgrid函数介绍及2种应用场景 Meshgrid函数的基本用法 Meshgrid函数的一些应用场景 Pandas:图解Pandas 写在前面 已发布的内容 部分内容介绍 03 专题汇总 Pandas:数据筛选query函数介绍 常用方法 通过数学表达式筛选 通过变量筛选 列表数据筛选 多条件筛选 列名称有空格的情况 筛选后选取数据列 小结 Pandas 的 Groupby 操作 groupby 的基础操作 分组后选择列进行运算 聚合方法 分组运算方法 agg() 分组运算方法 apply() 分组运算方法 transform() 将某列数据按数据值分成不同范围段进行分组(groupby)运算 Pandas数据排序 按索引排序 按数值排序 Pandas中将列(column)排序的几种方法 数据准备 几种排序方法 实战案例:自由排序 Pandas的DataFrame如何按指定list排序 分析过程 指定list元素多的情况: 指定list元素少的情况: 总结 Pandas: 如何将一列中的文本拆分为多行? Method-1 Method-2 Pandas中apply使用技巧 使用apply函数拆分文本 应用有两个参数的自定义函数 Pandas小册子:根据条件创建新的列 第一种方法 第二种方法 Pandas日期数据处理 读取并整理数据 按日期筛选数据 按日期显示数据 按日期统计数据 Pandas 表格样式设置指南 环境准备 隐藏索引 隐藏列 设置数据格式 颜色高亮设置 色阶颜色设置 数据条显示 自定义函数的使用 颜色设置范围选择 共享样式 导出样式到Excel 总结 Matplotlib 饼图简介 官方Demo 将实际数据应用于官方Demo 一些改善措施 Matplotlib 中等高线图(contour)的绘制 仅绘制等高线 仅填充等高区域颜色: 绘制完整的等高线图 Matplotlib可视化最有价值的 50 个图表 介绍 准备工作 关联 (Correlation) 偏差 (Deviation) 排序 (Ranking) 分布 (Distribution) 组成 (Composition) 变化 (Change) 分组 (Groups) Matplotlib 动态图绘制 数据准备 4种类型的动态 gif 图 轻松用 Seaborn 进行数据可视化 直方图 (Distplot) 联合分布图 (Jointplot) 矩阵图 (Pairplot) 条形图 (Barplot) 箱形图 (Boxplot) LM Plot Seaborn可视化:图形个性化设置的几个小技巧 概述 未个性化设置的情形 进行个性化设置 Seaborn热力图使用进阶 构造数据 Seaborn的heatmap各个参数介绍 案例应用:突出显示某些数据 Plotly:在IDE编辑器下使用 Plotly Express 第一个示例 第二个示例 Plotly Express 可视化使用指南 环境与数据准备 线形图(Line) 面积图(Area) 散点图(Scatter) 饼图(Pie) 柱状图(Bar) 箱形图(Box) 小提琴图(Violin) 联合分布图(Marginal) 直方图(Histogram) 漏斗图(Funnel) 平行坐标图(Parallel) 密度图(Density) 极坐标图(Polar) 图片显示(Imshow) 旭日图(Sunburst) 甘特图(Timeline) 树形图(Treemap) 三维散点图(Scatter 3D) 地图(Map) 颜色(Colors) Plotly 生态系统的一部分 Plotly中如何保存jpeg等图片? 保存静态图片的方法 项目案例演示 Plotly中绘制三种经典的股票交易图表(含视频讲解) 背景 数据来源 面积曲线图 蜡烛图 OHLC 图 Plotly 动态演示全球疫情变化趋势 数据来源 准备工作 获取国外的疫情数据 Plotly 动态曲线图对全球疫情进行演示 数据来源 准备工作 获取国外和国内的疫情数据 疫情可视化 Plotly:升级版,用多条曲线动态演示全球疫情变化 数据来源 准备工作 获取国外和国内的疫情数据 疫情可视化 动态曲线演示疫情情况 Plotly中4种文本类型设置详解 项目环境背景 数据获取 Plotly 中文本设置 Poltly中y轴文字位置控制 写在前面 初步实践 解决方案 Plotly:一个牛逼的生物信息 Python 库 - Dash Bio 探索 3d 状态下的小分子 分析显微镜图像中的细胞 进行药代动力学分析 可视化FASTA数据 突出基因组相似性 可视化微阵列结果 搜索和选择序列 3d 分子的环境遮挡 使用 Dash Ideogram 可视化染色体 可视化基因突变 测量和注释医学图像 构建系统发育树和网络图 Final Bokeh入门 常规步骤 绘制 circle() Bokeh:figure 详细解读 Bokeh 中绘图的一般步骤 综合小结 Bokeh: 29种基础可视化图形 Bokeh 中绘图的一般步骤 综合小结 Bokeh中独特的数据类型简介: ColumnDataSource 直接提供数据 通过 ColumnDataSource 来提供数据 小结 Bokeh中数据的添加、修改和筛选 添加新的数据 数据更新 筛选数据 Bokeh中图形与组件的布局简介 图形的布局 组件的布局 图形和组件混合布局 Manim:Python视频制作神器 视频制作神器:Manim 我的 Manim 之路 小结 财经:Tushare 介绍 前言 注册和使用 沪深股票 指数数据 使用权限 财经:用Python来做一个投资计划 表格制作过程 函数封装 有什么用? 财经:用Python快速追踪基金的收益情况 tushare 介绍 基金信息获取 小结 财经:用Python快速获取基金的持仓变化情况 akshare 介绍 单支基金 多支基金 小结 财经:用 Python 读取巴菲特最近的持仓数据 数据表格情况 数据读取 xml 格式内容读取 项目实战:Python数据分析, UFO长啥样? 数据整理与清洗 UFO长啥样? UFO在美国那些州(state)出现的次数比较多? UFO在哪些年份出现的次数较多? 1997年以后的UFO事件分析 项目实战:世界杯系列 第一篇:2018世界杯:用Python分析热门夺冠球队 第二篇:德国是2018世界杯夺冠最大热门? 项目实战:福布斯系列 数据分析思路 数据采集 数据完整性检查 补充数据收集 数据清洗-2007年数据 数据清洗-2008-2010年 数据清洗-2011-2015年 数据清洗-2016年 数据清洗-2017年 学习资料: 精选文章 付费阅读文章 免费阅读文章 读者投稿文章 学习资料: Python 网站 官方网站 个人博客 金融量化 优质网站 学习资料:Python 书籍 《笨办法学Python3》 《Python编程从入门到实践》,第2版 延伸阅读 我是谁 推荐内容