Python资料科学学习手册 pdf epub mobi txt 电子书下载 2024

图书介绍

☆☆☆☆☆
简体网页||繁体网页

著者

出版者出版社：欧莱礼订阅出版社新书快讯新功能介绍

翻译者译者：何敏煌

出版日期出版日期：2017/12/28

语言语言：繁体中文

下载链接在页面底部

点击这里下载

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 複製鏈接

想要找书就要到小特书站

ttbooks.qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

发表于2024-11-20

类似图书点击查看全场最低价

图书描述

需要处理大量资料的人必备的案头书

　　对于许多研究人员来说，Python是首选的工具，因为它拥有丰富的储存、操作、以及洞察资料的程式库。这些资源散布在资料科学的领域中，但借由本书，你可以一口气取得这些资源，包括Ipython、NumPy、Pandas、Matplotlib、Scikit-Learn等等。

　　对于需要处理大量资料的人而言，这是一本非常有价值的案头书，可以有效率地处理每天面对的问题，像是操作、转换，以及清理资料、视觉化不同形式的资料，建立统计学或机器学习的模型等等。

　　借由这本手册，你将可以学习到如何使用：
　　．IPython和Jupyter：提供资料科学家使用的Python计算环境。
　　．NumPy：在Python中进行高效储存以及操作密集资料阵列的ndarrys。
　　．Pandas：在Python中进行对于标签式/栏位式的资料高效率储存与操作。
　　．Matplotlib：在Python中进行弹性范围的资料视觉化的能力。
　　．Scikit-Learn：提供机器学习演算法以及简洁的Python实作。

名人推荐

　　”如果你想要借由Python学习资料科学，本书是一个极佳的起点。我用来教授电脑科学以及统计学获得极大的成功。Jake在这些开放源码的工具上的基础上更进一步；使用了清晰的语言以及易懂的解释阐述资料科学基础的概念、范式、以及抽象的内容。“ -- Brian Granger, Jupyter计画联合创始人

著者信息

作者简介

Jake VanderPlas

　　Python科学端的长期使用者以及开发者，目前是一位在Washington大学跨学科资料科学研究者。他主导自己的天文学研究，而且也会为来自于广泛领域的本地科学家提供建议以及接受谘询。

Python资料科学学习手册 pdf epub mobi txt 电子书下载

图书目录

第一章 IPython：更好用的Python
Shell还是Notebook
IPython 的求助与说明文件
在IPython Shell中的快捷键
IPython的Magic命令
输入和输出的历程
IPython和Shell命令
和Shell相关的Magic命令
错误以及除错
剖析和测定程式码的时间

第二章 NumPy介绍
了解Python的资料型态
NumPy阵列基础
NumPy 阵列属性
阵列索引：存取单一个阵列元素
在NumPy阵列中的计算：Universal Functions
聚合操作：Min、Max、以及两者间的所有事
在阵列上的计算：Broadcasting
比较、遮罩以及布林逻辑
Fancy索引
排序阵列
结构化的资料：NumPy的结构化阵列
更多进阶的复合型态

第三章使用Pandas操作资料
安装并使用Pandas
Pandas 物件的介绍
资料的索引和选择
在Pandas中操作资料
处理缺失资料
阶层式索引
资料集的合併：Concat 和Append
合併资料集：Merge 以及Join
聚合计算与分组
枢纽分析表
向量化字串操作
使用时间系列
高效率Pandas：eval() 以及query()

第四章使用Matplotlib进行视觉化
通用的Matplotlib技巧
买一送一的介面
简单的线条图形
简单的散佈图
视觉化误差
密度图和等高线图
直方图、分箱法及密度
自订图表的图例
自订色彩条
多重子图表
文字和註解
自订刻度
客制化Matplotlib：系统配置和样式表
在Matplotlib中的三维绘图法
Basemap的地理资料
使用Seaborn进行视觉化

第五章机器学习
什么是机器学习？
Scikit-Learn简介
超参数以及模型验证
特征工程
深入探究：Naive Bayes Classification
深入探究：线性回归（Linear Regression）
深入探究：Support Vector Machines
深入探究：决策树（Decision Tree）和随机森林（Random Forest）
深入探究：主成份分析（Principal Component Analysis）
深入探究：流形学习（Manifold Learning）
深入探究：k- 平均集群法
深入探究：高斯混合模型（Gaussian Mixture Models）
深入探究：核密度估计（Kernel Density Estimation）
应用：脸部辨识的管线