亚洲中文第一字幕,国产人无码a在线西瓜影音,色综合久久加勒比高清

本書(shū)系統(tǒng)性地總結(jié)了Python 在數(shù)據(jù)分析中的應(yīng)用方法，圍繞數(shù)據(jù)分析所需的編程技能進(jìn)行了詳細(xì)的講解與實(shí)踐指導(dǎo)。本書(shū)從基本編程出發(fā)，逐步深入到面向?qū)ο缶幊�、使用模塊、數(shù)組操作、數(shù)據(jù)處理以及可視化數(shù)據(jù)等關(guān)鍵領(lǐng)域，幵通過(guò)豐富的示例展示了如何將Python 的核心工具高效地應(yīng)用于復(fù)雜的數(shù)據(jù)分析場(chǎng)景。本書(shū)注重實(shí)踐與理論結(jié)合，幫助讀者建立對(duì)數(shù)據(jù)分析任務(wù)的系統(tǒng)性理解。本書(shū)面向具有一定Python 基礎(chǔ)的讀者，包括數(shù)據(jù)分析、機(jī)器學(xué)習(xí)及相關(guān)領(lǐng)域的研究人員、工程師以及高等院校的高年級(jí)本科生和研究生。此外，本書(shū)也適合希望通過(guò)掌握數(shù)據(jù)分析工具提升項(xiàng)目實(shí)踐能力的讀者閱讀。無(wú)論是希望夯實(shí)編程基礎(chǔ)的讀者，還是希望在數(shù)據(jù)分析領(lǐng)域深入探索的技術(shù)人員，都可以通過(guò)本書(shū)獲得清晰的思路和實(shí)用的工具支持。

前　言本書(shū)是基于我在加州大學(xué)圣地亞哥分校教授的ECE143 數(shù)據(jù)分析編程課程的講義而撰寫(xiě)的，該課程是機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)研究生和本科生的必修課程。本書(shū)專(zhuān)門(mén)針對(duì)在數(shù)據(jù)分析領(lǐng)域中Python 的用語(yǔ)和方法進(jìn)行講解，適用于有一定編程基礎(chǔ)和編程經(jīng)驗(yàn)（如MATLAB 或Java）的讀者。具體而言，本書(shū)重點(diǎn)介紹如何使用特定的Python 語(yǔ)言來(lái)對(duì)混亂且復(fù)雜的原始數(shù)據(jù)進(jìn)行整理，以及如何高效地完成數(shù)據(jù)預(yù)處理工作。在數(shù)據(jù)分析編程課程的教學(xué)過(guò)程中，我發(fā)現(xiàn)向?qū)W生進(jìn)行相關(guān)知識(shí)點(diǎn)的背景講解和討論非常有助于初學(xué)者在代碼工程中做出更好的選擇。因此，本書(shū)除了講解如何使用Python 進(jìn)行數(shù)據(jù)分析以外，還講解為什么這樣進(jìn)行數(shù)據(jù)分析。另外，本書(shū)還提供了一些小技巧，幫助讀者創(chuàng)作出適合在實(shí)際生產(chǎn)和開(kāi)發(fā)中使用的具有可讀性和可維護(hù)性的代碼。本書(shū)重點(diǎn)介紹了如何有效地使用Python 語(yǔ)言，然后介紹了一些關(guān)鍵的第三方模塊。首先，本書(shū)對(duì)Numpy 數(shù)值數(shù)組模塊進(jìn)行了詳細(xì)講解，因?yàn)樗荘ython中所有數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的基礎(chǔ)。接下來(lái)，本書(shū)介紹了Pandas 模塊，使用其功能來(lái)實(shí)現(xiàn)有效和流暢的數(shù)據(jù)處理。由于數(shù)據(jù)可視化對(duì)于數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)至關(guān)重要，因此本書(shū)還詳細(xì)介紹了Matplotlib 模塊以及基于Web 的Bokeh、Holoviews、Plotly 和Altair 等第三方模塊。本書(shū)非常適合已經(jīng)具備一些Python 基礎(chǔ)，并想通過(guò)了解Python 的工作方式和原因來(lái)提高自身水平的讀者。要想充分利用本書(shū)，請(qǐng)打開(kāi)Python 解釋器并開(kāi)始鍵入本書(shū)提供的代碼示例。

目　錄譯者序前言致謝第1 章　基本編程 11.1　基礎(chǔ)語(yǔ)言 11.1.1　入門(mén) 21.1.2　保留關(guān)鍵字 31.1.3　數(shù)字 31.1.4　復(fù)數(shù) 41.1.5　字符串 51.1.6　基本數(shù)據(jù)結(jié)構(gòu) 91.1.7　循環(huán)和條件 161.1.8　函數(shù) 201.1.9　文件輸入/ 輸出 321.1.10　處理錯(cuò)誤 341.1.11　掌握Python 的強(qiáng)大功能 371.1.12　生成器 401.1.13　裝飾器 451.1.14　迭代 491.1.15　使用Python 斷言進(jìn)行預(yù)調(diào)試 571.1.16　使用sys.settrace 進(jìn)行堆棧追蹤 581.1.17　使用IPython 進(jìn)行調(diào)試 591.1.18　從Python 中進(jìn)行日志記錄 59第2 章　面向?qū)ο缶幊?622.1　屬性 622.2　方法 642.3　繼承 652.4　類(lèi)變量 672.5　類(lèi)函數(shù) 682.6　靜態(tài)方法 702.7　哈希對(duì)子變量隱藏父變量 702.8　委托函數(shù) 712.9　使用super 進(jìn)行委托 712.10　元編程：猴子補(bǔ)丁 732.11　抽象基類(lèi) 742.12　描述符 762.13　具名元組和數(shù)據(jù)類(lèi) 792.14　泛型函數(shù) 822.15　設(shè)計(jì)模式 842.15.1　模板 852.15.2　單列模式 852.15.3　觀察者 862.15.4　適配器 87參考文獻(xiàn) 87第3 章　使用模塊 883.1　標(biāo)準(zhǔn)庫(kù) 883.2　編寫(xiě)和使用自己的模塊 903.2.1　將目錄用作模塊 913.3　動(dòng)態(tài)導(dǎo)入 913.4　從Web 中獲取模塊 923.5　Conda 包管理 92參考文獻(xiàn) 94第4 章　Numpy 954.1　Dtypes 954.2　多維數(shù)組 964.3　重塑和堆疊Numpy 數(shù)組 974.4　復(fù)制Numpy 數(shù)組 984.5　切片、邏輯數(shù)組操作 994.6　Numpy 數(shù)組和內(nèi)存 1004.7　Numpy 內(nèi)存數(shù)據(jù)結(jié)構(gòu) 1034.8　數(shù)組元素操作 1054.9　通用函數(shù) 1064.10　Numpy 數(shù)據(jù)輸入/ 輸出 1074.11　線(xiàn)性代數(shù) 1074.12　廣播 1084.13　掩碼數(shù)組 1124.14　浮點(diǎn)數(shù) 1134.15　高級(jí)Numpy dtypes 116參考文獻(xiàn) 117第5 章　Pandas 1185.1　使用Series 1185.2　使用數(shù)據(jù)幀 1215.3　重新索引 1255.4　刪除項(xiàng)目 1275.5　高級(jí)索引 1275.6　廣播和數(shù)據(jù)對(duì)齊 1285.7　分類(lèi)和合并 1315.8　內(nèi)存使用和數(shù)據(jù)類(lèi)型dtypes 1335.9　常見(jiàn)的操作 1365.10　顯示DataFrame 1375.11　分層索引 1395.12　Pipes 1425.13　數(shù)據(jù)文件和數(shù)據(jù)庫(kù) 1425.14　自定義Pandas 1435.15　滾動(dòng)和填充操作 144第6 章　可視化數(shù)據(jù) 1466.1　Matplotlib 1476.1.1　設(shè)置默認(rèn)值 1496.1.2　圖例 1496.1.3　子圖 1496.1.4　Spines 1506.1.5　共享軸 1516.1.6　三維曲面 1526.1.7　使用patch 1536.1.8　3d 中的patches 1536.1.9　使用transformation 1556.1.10　使用文本注釋 1586.1.11　使用箭頭注釋 1586.1.12　嵌入可縮放/ 不可縮放的子圖 1616.1.13　動(dòng)畫(huà) 1636.1.14　直接使用路徑 1646.1.15　使用滑塊與繪圖交互 1676.1.16　色彩圖 1686.1.17　使用setp 和getp 1696.1.18　與Matplotlib 圖形交互 1706.1.19　鍵盤(pán)事件 1706.1.20　鼠標(biāo)事件 1726.2　Seaborn 1736.2.1　自動(dòng)聚合 1766.2.2　多個(gè)繪圖 1806.2.3　分布圖 1816.3　Bokeh 1906.3.1　使用Bokeh 基元 1906.3.2　Bokeh 布局 1926.3.3　Bokeh 組件 1946.4　Altair 1996.4.1　Altair 細(xì)節(jié)化 2016.4.2　聚合和轉(zhuǎn)換 2036.4.3　Altair 交互 2076.5　Holoviews 2106.5.1　數(shù)據(jù)集 2146.5.2　圖像數(shù)據(jù) 2166.5.3　表格數(shù)據(jù) 2176.5.4　自定義交互 2196.5.5　流 2206.5.6　Pandas 與hvplot 集成 2216.5.7　網(wǎng)絡(luò)圖 2266.5.8　Holoviz Panel 2316.6　Plotly 234參考文獻(xiàn) 242

你還可能感興趣

我要評(píng)論