×
思维导图备注
利用 Python 进行数据分析 · 第 2 版
首页
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
3.4 结论
浏览
1278
扫码
分享
2020-01-09 01:31:49
3.4 结论
我们已经学过了Python的基础、环境和语法,接下来学习NumPy和Python的面向数组计算。
上一篇:
下一篇:
练习
利用 Python 进行数据分析 · 第 2 版
第 1 章 准备工作
1.1 本书的内容
1.3 重要的Python库
1.2 为什么要使用Python进行数据分析
1.4 安装和设置
1.5 社区和会议
1.6 本书导航
第 2 章 Python 语法基础,IPython 和 Jupyter Notebooks
2.2 IPython基础
2.1 Python解释器
2.3 Python语法基础
第 3 章 Python 的数据结构、函数和文件
3.1 数据结构和序列
3.2 函数
3.3 文件和操作系统
3.4 结论
第 4 章 NumPy 基础:数组和矢量计算
4.1 NumPy的ndarray:一种多维数组对象
4.2 通用函数:快速的元素级数组函数
4.3 利用数组进行数据处理
4.4 用于数组的文件输入输出
4.5 线性代数
4.6 伪随机数生成
4.7 示例:随机漫步
4.8 结论
第 5 章 pandas 入门
5.1 pandas的数据结构介绍
5.2 基本功能
5.3 汇总和计算描述统计
5.4 总结
第 6 章 数据加载、存储与文件格式
6.1 读写文本格式的数据
6.2 二进制数据格式
6.3 Web APIs交互
6.5 总结
6.4 数据库交互
7.1 处理缺失数据
第 7 章 数据清洗和准备
7.2 数据转换
7.3 字符串操作
7.4 总结
第 8 章 数据规整:聚合、合并和重塑
8.1 层次化索引
8.2 合并数据集
8.3 重塑和轴向旋转
第 9 章 绘图和可视化
8.4 总结
9.1 matplotlib API入门
9.2 使用pandas和seaborn绘图
9.3 其它的Python可视化工具
第 10 章 数据聚合与分组运算
9.4 总结
10.2 数据聚合
10.1 GroupBy机制
10.3 apply:一般性的“拆分-应用-合并”
10.5 总结
10.4 透视表和交叉表
第 11 章 时间序列
11.1 日期和时间数据类型及工具
11.2 时间序列基础
11.3 日期的范围、频率以及移动
11.5 时期及其算术运算
11.4 时区处理
11.6 重采样及频率转换
11.7 移动窗口函数
第 12 章 pandas 高级应用
11.8 总结
12.1 分类数据
12.2 GroupBy高级应用
12.3 链式编程技术
12.4 总结
第 13 章 Python 建模库介绍
13.1 pandas与模型代码的接口
13.2 用Patsy创建模型描述
13.3 statsmodels介绍
13.4 scikit-learn介绍
13.5 继续学习
第 14 章 数据分析案例
14.1 来自Bitly的USA.gov数据
14.2 MovieLens 1M数据集
14.3 1880-2010年间全美婴儿姓名
14.4 USDA食品数据库
14.5 2012联邦选举委员会数据库
附录 A NumPy 高级应用
14.6 总结
A.1 ndarray对象的内部机理
A.2 高级数组操作
A.3 广播
A.4 ufunc高级应用
A.5 结构化和记录式数组
A.6 更多有关排序的话题
A.7 用Numba编写快速NumPy函数
A.9 性能建议
A.8 高级数组输入输出
B.1 使用命令历史
附录 B 更多关于 IPython 的内容
B.2 与操作系统交互
B.3 软件开发工具
B.4 使用IPython高效开发的技巧
B.5 IPython高级功能
B.6 总结
暂无相关搜索结果!
本文使用
EduBoo.COM
构建
×
分享,让知识传承更久远
×
文章二维码
手机扫一扫,轻松掌上读
×
文档下载
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档
×
书签列表
×
阅读记录
阅读进度:
0.00%
(
0/0
)
重置阅读进度