NumPy和Pandas数据分析实用指南（初译）(it-ebooks)

书: https://pan.baidu.com/s/1o53U8DJYBlzPKes4X47C8Q?pwd=ymj8
笔记如下：

1. “NumPy的核心是ndarray（N维数组），支持矢量化运算，比Python原生列表快100倍。”
2. “np.where(condition, x, y)实现条件逻辑，避免低效的for循环。”
3. “Pandas的DataFrame是带标签的二维表，Series是带标签的一维数组，均基于NumPy构建。”
4. “pd.read_csv()的dtype参数指定列类型（如{'price': 'float32'}），减少内存占用。”
5. “df.groupby('category').agg({'sales': ['sum', 'mean']})实现多维度聚合分析。”
6. “pd.merge()的how参数（inner/left/right/outer）控制表连接逻辑，类似SQL的JOIN。”
7. “df.pivot_table(values='sales', index='region', columns='month')快速生成透视表。”
8. “df.isna().sum()统计缺失值，df.fillna(method='ffill')用前向填充填补空缺。”
9. “df.apply(lambda x: x*2)应用函数到列，df.apply(np.log, axis=1)按行计算。”
10. “pd.cut()和pd.qcut()将连续数据分箱（Binning），便于离散化分析。”
11. “df.nlargest(5, 'score')替代df.sort_values().head()，更高效获取Top N数据。”
12. “时间序列处理：pd.to_datetime()转换时间列，df.resample('D').mean()按天重采样。”
13. “df.duplicated()检测重复行，df.drop_duplicates(subset=['col'])删除重复项。”
14. “df.eval('profit = revenue - cost')字符串表达式计算，避免中间变量内存开销。”
15. “df.to_parquet()比CSV节省70%存储空间，且读写速度更快。”
16. “df.corr()计算列间相关系数，sns.heatmap()可视化相关性矩阵。”
17. “性能优化：df.itertuples()比iterrows()快10倍，df.values直接获取NumPy数组。”
18. “分类数据（df.astype('category')）减少内存占用，加速groupby操作。”
19. “pd.option_context临时修改显示设置（如display.max_rows），避免截断输出。”
20. “实战原则：先df.head()检查数据，再df.info()了解结构，最后df.describe()看统计摘要。”