데이터 과학자가 되기 위한 첫걸음!파이썬 초급자나 중급자가 데이터 분석과 머신러닝을 배우고자 마음먹었다면 이 책을 선택해야 한다. 필수 라이브러리를 소개하고 설치부터 예제 코드를 따라 하면서 자연스럽게 익숙해지도록 안내하고 있기 때문이다. 어려울 것 같은 수학과 통계학적 이론은 가능한 한 낮추고 실습하며 최소한의 설명으로 결과값과 확인할 수 있도록 하였다. 또한 방대한 텍스트보다는 다이어그램 등과 같은 도식화에 신경을 기울여 한눈에 이해할 수 있도록 구성하였다. 누구나 데이터 과학자가 될 수 있다. 그 출발 선상에 섰다면 이 책과 함께 예제코드를 하나씩 실행해보면, 파이썬 데이터 분석을 즐기고 있는 본인을 발견할 것이다.
과학고, 서울대를 졸업하고, 중국 CKGSB MBA, FRM(미국 재무위험관리사) 자격을 보유하고 있다. 국내 주요 금융기관과 대기업에서 기업(산업) 분석 및 전략 기획 전문가로 근무했다. IT 비전공자이지만 Python과 R을 익히고, 데이터 기반 전략적 의사결정을 실무에 적용하기 위한 연구 중이다. Python 데이터 분석의 저변확대를 위해 블로그 운영 및 강연 활동 등을 통한 지식 나눔 활동을 병행하고 있다.
PART 1. 판다스 입문 1. 데이터과학자가 판다스를 배우는 이유 2. 판다스 자료구조 2-1. 시리즈 2-2. 데이터프레임 3. 인덱스 활용 4. 산술연산 4-1. 시리즈 연산 4-2. 데이터프레임 연산 PART 2. 데이터 입출력1. 외부 파일 읽어오기 1-1. CSV 파일 1-2. Excel 파일 1-3. JSON 파일 2. 웹(web)에서 가져오기 2-1. HTML 웹 페이지에서 표 속성 가져오기 2-2. 웹 스크래핑 3. API 활용하여 데이터 수집하기 4. 데이터 저장하기 4-1. CSV 파일로 저장 4-2. JSON 파일로 저장 4-3. Excel 파일로 저장 4-4. 여러 개의 데이터프레임을 하나의 Excel 파일로 저장 PART 3. 데이터 살펴보기1. 데이터프레임의 구조 1-1. 데이터 내용 미리보기 1-2. 데이터 요약 정보 확인하기 1-3. 데이터 개수 확인 2. 통계 함수 적용 2-1. 평균값 2-2. 중간값 2-3. 최대값 2-4. 최소값 2-5. 표준편차 2-6. 상관계수 3. 판다스 내장 그래프 도구 활용 PART 4. 시각화 도구1. Matplotlib - 기본 그래프 도구 1-1. 선 그래프 1-2. 면적 그래프 1-3. 막대 그래프 1-4. 히스토그램 1-5. 산점도 1-6. 파이 차트 1-7. 박스 플롯 2. Seaborn 라이브러리 - 고급 그래프 도구 3. Folium 라이브러리 - 지도 활용 PART 5. 데이터 사전 처리1. 누락 데이터 처리 2. 중복 데이터 처리 3. 데이터 표준화 3-1. 단위 환산 3-2. 자료형 변환 4. 범주형(카테고리) 데이터 처리 4-1. 구간 분할 4-2. 더미 변수 5. 정규화 6. 시계열 데이터 6-1. 다른 자료형을 시계열 객체로 변환 6-2. 시계열 데이터 만들기 6-3. 시계열 데이터 활용 PART 6. 데이터프레임의 다양한 응용1. 함수 매핑 1-1. 개별 원소에 함수 매핑 1-2. 시리즈 객체에 함수 매핑 1-3. 데이터프레임 객체에 함수 매핑 2. 열 재구성 2-1. 열 순서 변경 2-2. 열 분리 3. 필터링 3-1. 불린 인덱싱 3-2. isin( ) 메소드 활용 4. 데이터프레임 합치기 4-1. 데이터프레임 연결 4-2. 데이터프레임 병합 4-3. 데이터프레임 결합 5. 그룹 연산 5-1. 그룹 객체 만들기(분할 단계) 5-2. 그룹 연산 메소드(적용-결합 단계) 6. 멀티 인덱스 7. 피벗 PART 7. 머신러닝 데이터 분석1. 머신러닝 개요 1-1. 머신러닝이란? 1-2. 지도 학습 vs 비지도 학습 1-3. 머신러닝 프로세스 2. 회귀분석 2-1. 단순회귀분석 2-2. 다항회귀분석 2-3, 다중회귀분석 3. 분류 3-1. KNN 3-2. SVM 3-3. Decision Tree 4. 군집 4-1. k-Means 4-2. DBSCAN
