Python資料科學學習手冊 pdf epub mobi txt 電子書下載 2024

圖書介紹

☆☆☆☆☆
簡體網頁||繁體網頁

作者

出版者齣版社：歐萊禮訂閱齣版社新書快訊新功能介紹

翻譯者譯者：何敏煌

出版日期齣版日期：2017/12/28

語言語言：繁體中文

下載鏈接在頁面底部

點擊這裡下載

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

想要找書就要到小特書站

ttbooks.qciss.net

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

發表於2024-11-20

類似圖書點擊查看全場最低價

圖書描述

需要處理大量資料的人必備的案頭書

　　對於許多研究人員來說，Python是首選的工具，因為它擁有豐富的儲存、操作、以及洞察資料的程式庫。這些資源散布在資料科學的領域中，但藉由本書，你可以一口氣取得這些資源，包括Ipython、NumPy、Pandas、Matplotlib、Scikit-Learn等等。

　　對於需要處理大量資料的人而言，這是一本非常有價值的案頭書，可以有效率地處理每天麵對的問題，像是操作、轉換，以及清理資料、視覺化不同形式的資料，建立統計學或機器學習的模型等等。

　　藉由這本手冊，你將可以學習到如何使用：
　　．IPython和Jupyter：提供資料科學傢使用的Python計算環境。
　　．NumPy：在Python中進行高效儲存以及操作密集資料陣列的ndarrys。
　　．Pandas：在Python中進行對於標簽式/欄位式的資料高效率儲存與操作。
　　．Matplotlib：在Python中進行彈性範圍的資料視覺化的能力。
　　．Scikit-Learn：提供機器學習演算法以及簡潔的Python實作。

名人推薦

　　”如果你想要藉由Python學習資料科學，本書是一個極佳的起點。我用來教授電腦科學以及統計學獲得極大的成功。Jake在這些開放源碼的工具上的基礎上更進一步；使用瞭清晰的語言以及易懂的解釋闡述資料科學基礎的概念、範式、以及抽象的內容。“ -- Brian Granger, Jupyter計畫聯閤創始人

著者信息

作者簡介

Jake VanderPlas

　　Python科學端的長期使用者以及開發者，目前是一位在Washington大學跨學科資料科學研究者。他主導自己的天文學研究，而且也會為來自於廣泛領域的本地科學傢提供建議以及接受諮詢。

Python資料科學學習手冊 pdf epub mobi txt 電子書下載

圖書目錄

第一章 IPython：更好用的Python
Shell還是Notebook
IPython 的求助與說明文件
在IPython Shell中的快捷鍵
IPython的Magic命令
輸入和輸齣的曆程
IPython和Shell命令
和Shell相關的Magic命令
錯誤以及除錯
剖析和測定程式碼的時間

第二章 NumPy介紹
瞭解Python的資料型態
NumPy陣列基礎
NumPy 陣列屬性
陣列索引：存取單一個陣列元素
在NumPy陣列中的計算：Universal Functions
聚閤操作：Min、Max、以及兩者間的所有事
在陣列上的計算：Broadcasting
比較、遮罩以及布林邏輯
Fancy索引
排序陣列
結構化的資料：NumPy的結構化陣列
更多進階的復閤型態

第三章使用Pandas操作資料
安裝並使用Pandas
Pandas 物件的介紹
資料的索引和選擇
在Pandas中操作資料
處理缺失資料
階層式索引
資料集的閤併：Concat 和Append
閤併資料集：Merge 以及Join
聚閤計算與分組
樞紐分析錶
嚮量化字串操作
使用時間係列
高效率Pandas：eval() 以及query()

第四章使用Matplotlib進行視覺化
通用的Matplotlib技巧
買一送一的介麵
簡單的綫條圖形
簡單的散佈圖
視覺化誤差
密度圖和等高綫圖
直方圖、分箱法及密度
自訂圖錶的圖例
自訂色彩條
多重子圖錶
文字和註解
自訂刻度
客製化Matplotlib：係統配置和樣式錶
在Matplotlib中的三維繪圖法
Basemap的地理資料
使用Seaborn進行視覺化

第五章機器學習
什麼是機器學習？
Scikit-Learn簡介
超參數以及模型驗證
特徵工程
深入探究：Naive Bayes Classification
深入探究：綫性迴歸（Linear Regression）
深入探究：Support Vector Machines
深入探究：決策樹（Decision Tree）和隨機森林（Random Forest）
深入探究：主成份分析（Principal Component Analysis）
深入探究：流形學習（Manifold Learning）
深入探究：k- 平均集群法
深入探究：高斯混閤模型（Gaussian Mixture Models）
深入探究：核密度估計（Kernel Density Estimation）
應用：臉部辨識的管綫