최소 한 그릇 집밥 또는 Pandas로 하는 데이터 과학 > 도서

최소 한 그릇 집밥



도서명 : 최소 한 그릇 집밥
저자/출판사 : 신소희, 더디퍼런스
쪽수 : 176쪽
출판일 : 2019-02-01
ISBN : 9791161251776
정가 : 11500

들어가는 말
최소 한 그릇 집밥이란?
집밥을 위한 최소 양념
레시피 일러두기

Part1 밥심으로 산다, 든든한 한 그릇
01 싫어할 수 없는 맛, 불고기덮밥
02 밥으로도 안주로도 오징어덮밥
03 매콤함과 부드러움의 앙상블 마파두부덮밥
<최소 에세이> 세 가지 두부를 위한 마음가짐
04 푸짐하게 부담 없이 제육덮밥
05 누가 느끼하다 했는가! 차돌 강된장덮밥
06 봄 바다가 그리울 때 멍게비빔밥
07 이국적인 맛, 파인애플 새우볶음밥
08 계란 너울 속에 보물이 가득 오므라이스
09 바람직하고 익숙한 조합 삼겹살 김치볶음밥
10 멀리 보면 돈가스 가까이 보면 돈가스돈부리
<최소 에세이> 밥은 버릴 수 있는 음식이 아니었다

Part2 상처받은 위(we)를 위한 한 그릇
11 속도 쉬어야 할 때 흰죽
12 힘내자, 전복죽
13 우유의 영양이 가득 타락죽
14 고기죽 안 부럽다, 콩죽
15 국과 밥으로 만드는 국죽
16 몸과 마음에 평화를 호박죽
17 고소함에 어깨가 들썩 깨죽
최소 에세이 들깨 잎이 깻잎이야?
18 입안에서 툭툭 터지는 재미 옥수수죽
19 귀한 당신을 위한 잣죽
20 소의 힘을 그대에게 소고기죽
<최소 에세이> 쓸쓸한 날에, 쌀을 씻어 죽을 끓이자


Part3
입맛 살려 주는 호로록 국수 한 그릇
21 흥겨운 국물 맛 잔치국수
22 바람이 분다 먹어야겠다, 제물국수
23 카레와 우동의 운명적 만남 카레우동
24 단짠의 정석 볶음우동
25 화려한 유혹 잡채
최소 에세이 우리 집 밥상은 현재 무사하다
26 맛없으면 반칙 닭칼국수
27 쫄깃하고 아삭한 차돌박이 숙주쌀국수
28 제주가 내 젓가락에 고기국수
29 눈 돌아가는 매콤함 골뱅이소면
30 어죽 품은 국수 어탕국수
<최소 에세이> 추어탕을 통해 알게 된 것

Part4
밥인 듯 아닌 듯 별미 한 그릇
31 묵직한 고소함 들깨수제비
32 부들부들한 목 넘김 묵밥
33 멀티 메뉴 감자바게트
최소 에세이 조작된 음식들
34 밥의 변신은 무죄 밥크로켓
35 밥솥에서 떡이 된 약밥
36 나이 먹을 때만 먹지 마, 떡국
37 입안에 비단길 누룽지탕
38 여행이 그리워질 때 김밥
39 알록달록 눈으로 먹는 파프리카잡채
40 계란이 왔어요, 계란빵
<최소 에세이> 미신이 덕지덕지 붙어 있는 장 담그기

Part5 밥만 잘하면 되는 한 그릇
41 먹고 나면 소화되는 무밥
42 익숙하고 향긋한 콩나물밥
43 따뜻한 겨울 손님 굴밥
44 가지인지 고기인지 돼지고기 가지밥
최소 에세이 언제나 내 곁에 삼겹살처럼
45 입맛 찾으러 왔드래요, 곤드레밥
46 밥인가 감자인가 떡인가 감자범벅
47 힘을 내시오, 마늘밥
48 살캉살캉 씹히는 맛이 일품 시래기밥
49 몸속 청소부들의 단합대회 모듬버섯밥
50 바다에서 왔습니다, 톳밥
<최소 에세이> 소박한 밥상의 힘 최소> 최소> 최소> 최소> 최소> 최소>




Pandas로 하는 데이터 과학



도서명 : Pandas로 하는 데이터 과학
저자/출판사 : 마이클 헤이트, 에이콘출판
쪽수 : 472쪽
출판일 : 2018-09-27
ISBN : 9791161752136
정가 : 35000

1장. pandas와 데이터 분석
__pandas 소개
__데이터 조작, 분석, 과학과 pandas
____데이터 조작
____데이터 분석
____데이터 과학
____pandas의 적정 영역
__데이터 분석 프로세스
____프로세스
__이 책에서 각 단계의 관련 위치
__pandas 여행을 위한 데이터와 분석의 개념
____데이터 유형
____변수
____시계열 데이터
____분석과 통계의 기초 개념
__기타 유용한 파이썬 라이브러리
____수학과 과학: NumPy와 SciPy
____통계 분석: StatsModels
____머신 러닝: scikit-learn
____스토캐스틱 베이지안 모델링: PyMC
____데이터 시각화: matplotlib과 seaborn
__정리

2장. pandas의 설치와 가동
__아나콘다 설치
__아이파이썬과 주피터 노트북
____아이파이썬
____주피터 노트북
__pandas Series와 데이터 프레임 소개
____pandas의 임포트
____pandas Series
____pandas DataFrame
____데이터 프레임으로 파일 데이터 로딩
__시각화
__정리

3장. Series로 단변량 데이터 표현
__pandas 설정
__Series 생성
____파이썬 리스트와 딕셔너리를 사용한 생성
____NumPy 함수를 사용한 생성
____스칼라 값을 사용한 생성
__.index와 .values 속성
__Series의 크기와 형태
__생성 시 인덱스 지정
__head, tail, take
__레이블과 포지션으로 값 가져오기
____[] 연산자와 .ix[] 속성을 사용하는 레이블 검색
____.iloc[]을 사용하는 명시적 포지션 검색
____.loc[]을 사용하는 명시적 레이블 검색
__서브셋으로 Series 슬라이싱
__인덱스 레이블을 통한 정렬
__불리언 선택
__리인덱싱
__시리즈 즉석 변경
__정리

4장. DataFrame으로 단변량 데이터 표현
__pandas 설정
__데이터 프레임 객체 생성
____NumPy 함수로 데이터 프레임 만들기
____파이썬 딕셔너리와 pandas Series로 DataFrame 만들기
____CSV로 DataFrame 만들기
__DataFrame 안의 데이터 접근
____DataFrame의 칼럼 선택
____데이터 프레임의 로우 선택
____.at[]이나 .iat[]을 사용해 레이블이나 위치로 스칼라 검색
____[] 연산자를 사용한 슬라이싱
__불리언 선택을 통한 로우 선택
__로우와 칼럼의 동시 선택
__정리

5장. DataFrame 구조 다루기
__pandas 설정
__칼럼명 변경
__[]와 .insert()를 사용한 칼럼 추가
__확장을 통한 칼럼 추가
__접합을 통한 칼럼 추가
__칼럼 재배열
__칼럼의 콘텐츠 교체
__칼럼 삭제
__새 로우 추가
__로우 접합
__확장을 통한 로우 추가 및 교체
__을 .drop() 사용한 로우 삭제
__불리언 선택을 통한 로우 삭제
__슬라이싱을 통한 로우 삭제
__정리

6장. 데이터 인덱싱
__pandas 설정
__인덱스의 중요성
__인덱스 유형
____기본 유형: Index
____정수 유형: Int64Index와 RangeIndex
____부동소수점 유형: Float64Index
____이산 간격 유형: IntervalIndex
____범주형: CategoricalIndex
____날짜 및 시간 유형: DatetimeIndex
____기간 유형: PeriodIndex
__인덱스로 작업
____시리즈와 데이터 프레임에서의 인덱스 생성과 사용
____인덱스로 값 선택
____인덱스 사이의 데이터 이동
____pandas 객체의 리인덱싱
__계층형 인덱스
__정리

7장. 범주형 데이터
__pandas 설정
__Categorical 생성
__범주 이름 변경
__새 범주 추가
__범주 삭제
__미사용 범주 삭제
__범주 설정
__Categorical의 기술 통계 정보
__성적 데이터 가공
__정리


8장. 수치 해석과 통계 기법
__pandas 설정
__수치 계산법
____DataFrame과 Series의 산술 연산
____값의 개수 세기
____고윳값과 그 개수
____최솟값과 최댓값 찾기
____n개 최솟값과 n개 최댓값 찾기
____누적 값 계산
__pandas 객체의 통계 처리
____약식 기술 통계
____중심 경향성 측정: 평균, 중위수, 최빈수
____분산과 표준 편차 계산
____공분산과 상관관계
____이산화와 분위수
____값 순위 계산
____각 표본의 변동률 계산
____롤링 윈도우 작업
____무작위 표집
__정리

9장. 데이터 접근
__pandas 설정
__CSV, 텍스트, 테이블 형식의 데이터
____CSV 데이터셋 예제 확인
____CSV를 데이터 프레임으로 로딩
____CSV 로딩 시 인덱스 칼럼 지정
____데이터 타입의 추론과 지정
____칼럼명 지정
____특정 칼럼의 로딩
____데이터 프레임을 CSV 파일로 저장
____필드 구분 데이터로 작업
____필드 구분 데이터의 다양한 형식 다루기
__엑셀 데이터의 읽기와 쓰기
__JSON 파일의 읽기와 쓰기
__HTML 데이터 읽기
__HDF5 파일의 읽기와 쓰기
__웹을 통한 CSV 데이터 접근
__데이터베이스의 읽기와 쓰기
__원격 데이터 서비스로부터 데이터 읽기
____야후!와 구글로부터 주식 데이터 읽기
____구글 파이낸스의 옵션 데이터 가져오기
____세인트루이스 연방준비은행의 FRED 데이터 가져오기
____케네스 프렌치 데이터에 접근
____세계은행의 데이터 읽기
__정리

10장. 데이터 정돈
__pandas 설정
__데이터 정돈이란?
__결측 데이터 다루기
____NaN 값 찾기
____결측 데이터의 판별과 삭제
____수학 연산에서의 NaN 처리 방식
____결측 데이터 보강
____결측 값 채우기
____인덱스 레이블을 사용한 채우기
____보간법을 사용한 결측 값 채우기
__중복 데이터 다루기
__데이터 변형
____데이터를 다른 인덱스에 매핑
____데이터 대체
____데이터 변형을 위한 함수 적용
__정리

11장. 데이터의 조합, 연관, 재형성
-- pandas 설정
-- 복수 객체의 데이터 접합
-- 접합의 기본 의미
-- 정렬 기준 축의 전환
-- 조인 유형 지정
-- 데이터 덧붙이기
-- 인덱스 레이블의 무시

-- 데이터 병합과 조인
-- 여러 pandas 객체로부터의 데이터 병합
-- 병합의 조인 유형 지정

-- 데이터 피버팅

-- 스태킹과 언스태킹
-- 비계층형 인덱스에서의 스태킹
-- 계층형 인덱스에서의 언스태킹
-- 데이터 멜팅

-- 스택 데이터의 성능상 이점

--정리

12장 데이터 집계
-- pandas 설정

-- 분할-적용-조합(SAC) 패턴

-- 예제 데이터 준비

-- 데이터 분할
-- 단일 칼럼의 그룹화
-- 그룹화된 결과 접근
-- 복수 칼럼의 그룹화
-- 인덱스 레벨을 이용한 그룹화

-- 집계 함수 적용, 변형, 필터링
-- 집계 함수의 적용

-- 데이터 그룹의 변형
-- 데이터 변형의 일반적인 과정
-- 그룹의 평균으로 결측 값 채우기
-- 정규 표준 점수의 계산
--그룹 필터링

--정리

13장 시계열 모델링
-- Pandas 설정

-- 날짜, 시간, 인터벌의 표현
-- datetime, date, time 객체
-- Timestamp로 특정 시점 나타내기
-- Timedelta로 인터벌 표현

-- 시계열 데이터
-- Datetimelndex를 사용한 인덱싱
-- 특정 빈도의 시계열 생성

-- 오프셋을 사용한 날짜 계산
-- 시간 오프셋으로 인터벌 표현
-- 고정 오프셋

-- Period로 기간 표현
-- Period로 시간 인터벌 모델링
-- PeriodIndex를 사용한 인덱싱

-- 캘린더를 사용한 휴일 다루기

-- 시간대를 사용한 타임스탬프 정규화

-- 시계열 데이터 조작
-- 시프팅과 래깅
-- 시계열 데이터의 빈도 변환
-- 업샘플링과 다운샘플링

-- 시계열 데이터의 롤링 윈도우

-- 정리

14장 시각화
-- pandas 설정

-- 플로팅의 기본

-- 시계열 차트 만들기
-- 시계열 차트의 스타일링과 꾸미기
-- 제목의 추가와 축 레이블 변경
-- 범례의 내용과 위치 지정
-- 라인 색상, 스타일, 두께, 마커 지정
-- 틱 마크 위치와 틱 레이블 지정
-- 틱의 날짜 레이블 포맷팅

-- 통계 분석에서 흔히 사용되는 차트
-- 막대그래프를 통한 상대 비교
-- 히스토그램으로 데이터 분포 표현
-- 박스-수염 그래프로 범주형 데이터의 분포 표현
-- 영역 그래프로 누계 표현
-- 산점도 행렬로 다중 변수의 상관관계 나타내기
-- 히트맵으로 다중 변수의 관계 강도 나타내기

-- 수작업으로 한 번에 여러 차트 그리기

-- 정리

15장 과거 주가 분석
-- pandas 설정
-- 주식 데이터 취득과 조직화
-- 시계열 주가 플로팅
-- 거래량 데이터 플로팅
-- 종가의 단순 일별 변동률
-- 단순 일별 누적 수익률
-- 일별에서 월별로 수익률 재표집
-- 수익률 분포의 분석
-- 이동 평균 계산
-- 주식의 일별 수익률 비교
-- 일별 주가 변동률에 기초한 상관관계
-- 주가 변동성 계산
-- 위험 대비 수익률 나타내기
-- 정리

찾아보기