表紙
商標など
口絵
序文
まえがき
本書の構成
本書の読み方
データの入手方法など
謝辞
第1部 基本的な使い方の基本
第1章 DataFrameの基礎／1.1 はじめに
1.2 最初のデータセットをロードする
1.3 列、行、セルを見る
1.4 グループ化と集約
1.5 基本的なグラフ
1.6 まとめ
第2章 pandasのデータ構造／2.1 はじめに
2.2 データを自作する
2.3 Seriesについて
2.4 DataFrameについて
2.5 SeriesとDataFrameの書き換え
2.6 データのエクスポートとインポート
2.7 まとめ
第3章 プロットによるグラフ描画／3.1 はじめに
3.2 matplotlib
3.3 matplotlibによる統計的グラフィックス
3.4 seaborn
3.5 pandasのオブジェクト
3.6 seabornのテーマとスタイル
3.7 まとめ
第2部 データ操作によるクリーニング
第4章 データを組み立てる／4.1 はじめに
4.2 "整然データ"／4.3 連結
4.4 複数のデータセットをマージする
4.5 まとめ
第5章 欠損データへの対応／5.1 はじめに
5.2 NaNとは何か
5.3 欠損値はどこから来るのか
5.4 欠損データの扱い
5.5 まとめ
第6章 "整然データ"を作る／6.1 はじめに
6.2 複数列に（変数ではなく）値が入っているとき
6.3 複数の変数を含む列がある場合
6.4 行と列の両方に変数があるとき
6.5 1個の表に観察単位が複数あるとき（正規化）
6.6 同じ観察単位が複数の表にまたがっているとき
6.7 まとめ
第3部 データの準備―変換／整形／結合など
第7章 データ型の概要と変換／7.1 はじめに
7.2 データ型／7.3 型変換
7.4 カテゴリ型データ
7.5 まとめ
第8章 テキスト文字列の操作／8.1 はじめに
8.2 文字列
8.3 文字列メソッド
8.4 その他の文字列メソッド
8.5 文字列のフォーマッティング
8.6 正規表現
8.7 regexライブラリ／8.8 まとめ
第9章 applyによる関数の適用／9.1 はじめに
9.2 関数
9.3 applyの基本
9.4 applyの応用
9.5 関数のベクトル化
9.6 ラムダ関数
9.7 まとめ
第10章 groupby演算による分割-適用-結合／10.1 はじめに
10.2 集約
10.3 変換（transform）
10.4 フィルタリング
10.5 DataFrameGroupByオブジェクト
10.6 マルチインデックスを使う
10.7 まとめ
第11章 日付／時刻データの操作／11.1 はじめに
11.2 Pythonのdatetimeオブジェクト／11.3 datetimeへの変換
11.4 日付を含むデータをロードする
11.5 日付のコンポーネントを抽出する
11.6 日付の計算とtimedelta
11.7 datetimeのメソッド
11.8 株価データを取得する
11.9 日付によるデータの絞り込み
11.10 日付の範囲
11.11 値をシフトする
11.12 リサンプリング
11.13 時間帯
11.14 まとめ
第4部 モデルをデータに適合させる
第12章 線形モデル／12.1 はじめに／12.2 単純な線形回帰
12.3 重回帰
12.4 sklearnでインデックスラベルを残す
12.5 まとめ
第13章 一般化線形モデル／13.1 はじめに／13.2 ロジスティック回帰
13.3 ポアソン回帰
13.4 その他の一般化線形モデル／13.5 生存分析
13.6 まとめ
第14章 モデルを診断する／14.1 はじめに／14.2 残差
14.3 複数のモデルを比較する
14.4 k分割交差検証
14.5 まとめ
第15章 正則化で過学習に対処する／15.1 はじめに／15.2 なぜ正則化するのか
15.3 LASSO回帰
15.4 リッジ回帰
15.5 ElasticNet
15.6 交差検証
15.7 まとめ
第16章 クラスタリング／16.1 はじめに／16.2 k平均法
16.3 階層的クラスタリング
16.4 まとめ
ほか
