1. 時系列分析を始める
　技術要件
　レシピ1　開発環境の設定
　レシピ2　Python ライブラリをインストール
　レシピ3　JupyterLab とJupyterLab 拡張をインストール
2. ファイルから時系列データを読む
　技術要件
　レシピ4　CSV や他の区切り符号ファイルからデータを読み込む
　レシピ5　Excel ファイルからデータを読み込む
　レシピ6　URL からデータを読み込む
　レシピ7　SAS データセットからデータを読み込む
3. データベースから時系列データを読む
　技術要件
　レシピ8　リレーショナルデータベースからデータを読み込む
　レシピ9　Snowflake からデータを読み込む
　レシピ10　ドキュメントデータベース（MongoDB）からデータを読み込む
　レシピ11　API を使ってサードパーティの金融データを読み込む
　レシピ12　時系列データベース（InfluxDB）からデータを読み込む
4. 時系列データをファイルに保存
　技術要件
　レシピ13　pickle で時系列データのシリアライゼーション
　レシピ14　CSV や他の区切り付きファイルを出力
　レシピ15　Excel ファイルを出力
　レシピ16　プライベートS3 バケットにデータを保存
5. 時系列データをデータベースに保存
　技術要件
　レシピ17　リレーショナルデータベース（PostgreSQL とMySQL）に時系列データを書き出す
　レシピ18　MongoDB に時系列データを書き出す
　レシピ19　InfluxDB に時系列データを書き出す
　レシピ20　Snowflake に時系列データを書き出す
6. Python の日付と時刻を扱う
　技術要件
　レシピ21　DatetimeIndex を扱う
　レシピ22　DateTime にフォーマット引数を与える
　レシピ23　Unix epoch タイムスタンプを扱う
　レシピ24　時間差を扱う
　レシピ25　DateTime をタイムゾーン情報で変換する
　レシピ26　日付オフセットを扱う
　レシピ27　カスタム営業日を扱う
7. 欠測データを扱う
　技術要件
　欠測データの理解
　レシピ28　データ品質をチェックする
　レシピ29　欠測データをpandas で一変量補完する
　レシピ30　欠測データをscikit-learn で一変量補完する
　レシピ31　欠測データを多変量補完する
　レシピ32　欠測データを内挿補完する
8. 統計手法を使って外れ値を検出
　技術要件
　外れ値の理解
　レシピ33　時系列データのリサンプリング
　レシピ34　可視化を用いた外れ値検出
　レシピ35　テューキー法を用いた外れ値検出
　レシピ36　z 値を用いた外れ値検出
　レシピ37　修正z 値を用いた外れ値検出
訳者あとがき
索引