我爱电子书-《Python数据科学手册》| pdf + epub + mobi + awz3, 高清版, 带目录，Kindle版, 多看精排版下载

注重体验与质量的电子书资源下载网站

分类于: 其它

简介

Python数据科学手册豆 9.3分

资源最后更新于 2020-03-20 17:45:50

作者：https://itpanda.net/book/111/download/109

译者：陶俊杰陈小莉

出版社：出版社人民邮电出版社

出版日期：2018-01

文件格式： pdf

标签：编程图灵程序设计丛书计算机科学数据分析机器学习数据 Python

简介· · · · · ·

本书是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为最重要的机器学习算法提供了高效整洁的Python版实现。本书适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。Jake VanderPlas:Python科学栈深度用户和开发者，尤其擅长Python科学计算和数据可视化，是altair等可视化程序库的创建人，并为Scikit-Learn、IPython等Python程序库做了大量贡献。现任美国华盛顿大学eScience学院物理科学研究院院长。

直接下载

简介

Python数据科学手册 豆 9.3分

简介· · · · · ·

目录

版权声明

O'Reilly Media, Inc. 介绍

业界评论

译者序

前言

什么是数据科学

目标读者

为什么用Python

内容概览

使用代码示例

软件安装注意事项

O'Reilly Safari

联系我们

第 1 章 IPython：超越Python

1.1 shell还是Notebook

1.2 IPython的帮助和文档

1.3 IPython shell中的快捷键

1.4 IPython魔法命令

1.5 输入和输出历史

1.6 IPython和shell命令

1.7 与shell相关的魔法命令

1.8 错误和调试

1.9 代码的分析和计时

1.10 IPython参考资料

第 2 章 NumPy入门

2.1 理解Python中的数据类型

2.2 NumPy数组基础

2.3 NumPy数组的计算：通用函数

2.4 聚合：最小值、最大值和其他值

2.5 数组的计算：广播

2.6 比较、掩码和布尔逻辑

2.7 花哨的索引

2.8 数组的排序

2.9 结构化数据：NumPy的结构化数组

第 3 章 Pandas数据处理

3.1 安装并使用Pandas

3.2 Pandas对象简介

3.3 数据取值与选择

3.4 Pandas数值运算方法

3.5 处理缺失值

3.6 层级索引

3.7 合并数据集： Concat 与 Append 操作

3.8 合并数据集：合并与连接

3.9 累计与分组

3.10 数据透视表

3.11 向量化字符串操作

3.12 处理时间序列

3.13 高性能Pandas： eval() 与 query()

3.14 参考资料

第 4 章 Matplotlib数据可视化

4.1 Matplotlib常用技巧

4.2 两种画图接口

4.3 简易线形图

4.4 简易散点图

4.5 可视化异常处理

4.6 密度图与等高线图

4.7 频次直方图、数据区间划分和分布密度

4.8 配置图例

4.9 配置颜色条

4.10 多子图

4.11 文字与注释

4.12 自定义坐标轴刻度

4.13 Matplotlib自定义：配置文件与样式表

4.14 用Matplotlib画三维图

4.15 用Basemap可视化地理数据

4.16 用Seaborn做数据可视化

4.17 参考资料

第 5 章 机器学习

5.1 什么是机器学习

5.2 Scikit-Learn简介

5.3 超参数与模型验证

5.4 特征工程

5.5 专题：朴素贝叶斯分类

5.6 专题：线性回归

5.7 专题：支持向量机

5.8 专题：决策树与随机森林

Python数据科学手册豆 9.3分

第 1 章　IPython：超越Python

1.1　shell还是Notebook

1.2　IPython的帮助和文档

1.3　IPython shell中的快捷键

1.4　IPython魔法命令

1.5　输入和输出历史

1.6　IPython和shell命令

1.7　与shell相关的魔法命令

1.8　错误和调试

1.9　代码的分析和计时

1.10　IPython参考资料

第 2 章　NumPy入门

2.1　理解Python中的数据类型

2.2　NumPy数组基础

2.3　NumPy数组的计算：通用函数

2.4　聚合：最小值、最大值和其他值

2.5　数组的计算：广播

2.6　比较、掩码和布尔逻辑

2.7　花哨的索引

2.8　数组的排序

2.9　结构化数据：NumPy的结构化数组

第 3 章　Pandas数据处理

3.1　安装并使用Pandas

3.2　Pandas对象简介

3.3　数据取值与选择

3.4　Pandas数值运算方法

3.5　处理缺失值

3.6　层级索引

3.7　合并数据集： Concat 与 Append 操作

3.8　合并数据集：合并与连接

3.9　累计与分组

3.10　数据透视表

3.11　向量化字符串操作

3.12　处理时间序列

3.13　高性能Pandas： eval() 与 query()

3.14　参考资料

第 4 章　Matplotlib数据可视化

4.1　Matplotlib常用技巧

4.2　两种画图接口

4.3　简易线形图

4.4　简易散点图

4.5　可视化异常处理

4.6　密度图与等高线图

4.7　频次直方图、数据区间划分和分布密度

4.8　配置图例

4.9　配置颜色条

4.10　多子图

4.11　文字与注释

4.12　自定义坐标轴刻度

4.13　Matplotlib自定义：配置文件与样式表

4.14　用Matplotlib画三维图

4.15　用Basemap可视化地理数据

4.16　用Seaborn做数据可视化

4.17　参考资料

第 5 章　机器学习

5.1　什么是机器学习

5.2　Scikit-Learn简介

5.3　超参数与模型验证

5.4　特征工程

5.5　专题：朴素贝叶斯分类

5.6　专题：线性回归

5.7　专题：支持向量机

5.8　专题：决策树与随机森林

5.9　专题：主成分分析

5.10　专题：流形学习

5.11　专题：k-means聚类

5.12　专题：高斯混合模型

5.13　专题：核密度估计

5.14　应用：人脸识别管道

5.15　机器学习参考资料