国产精品福利无码专区午夜,国产又色又爽又黄的视频在线观看,在线观看少妇免费欧美

本書系統(tǒng)性地總結(jié)了Python 在數(shù)據(jù)分析中的應用方法，圍繞數(shù)據(jù)分析所需的編程技能進行了詳細的講解與實踐指導。本書從基本編程出發(fā)，逐步深入到面向?qū)ο缶幊獭⑹褂媚K、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，幵通過豐富的示例展示了如何將Python 的核心工具高效地應用于復雜的數(shù)據(jù)分析場景。本書注重實踐與理論結(jié)合，幫助讀者建立對數(shù)據(jù)分析任務(wù)的系統(tǒng)性理解。本書面向具有一定Python 基礎(chǔ)的讀者，包括數(shù)據(jù)分析、機器學習及相關(guān)領(lǐng)域的研究人員、工程師以及高等院校的高年級本科生和研究生。此外，本書也適合希望通過掌握數(shù)據(jù)分析工具提升項目實踐能力的讀者閱讀。無論是希望夯實編程基礎(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，都可以通過本書獲得清晰的思路和實用的工具支持。

前　言本書是基于我在加州大學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的，該課程是機器學習和數(shù)據(jù)科學研究生和本科生的必修課程。本書專門針對在數(shù)據(jù)分析領(lǐng)域中Python 的用語和方法進行講解，適用于有一定編程基礎(chǔ)和編程經(jīng)驗（如MATLAB 或Java）的讀者。具體而言，本書重點介紹如何使用特定的Python 語言來對混亂且復雜的原始數(shù)據(jù)進行整理，以及如何高效地完成數(shù)據(jù)預處理工作。在數(shù)據(jù)分析編程課程的教學過程中，我發(fā)現(xiàn)向?qū)W生進行相關(guān)知識點的背景講解和討論非常有助于初學者在代碼工程中做出更好的選擇。因此，本書除了講解如何使用Python 進行數(shù)據(jù)分析以外，還講解為什么這樣進行數(shù)據(jù)分析。另外，本書還提供了一些小技巧，幫助讀者創(chuàng)作出適合在實際生產(chǎn)和開發(fā)中使用的具有可讀性和可維護性的代碼。本書重點介紹了如何有效地使用Python 語言，然后介紹了一些關(guān)鍵的第三方模塊。首先，本書對Numpy 數(shù)值數(shù)組模塊進行了詳細講解，因為它是Python中所有數(shù)據(jù)科學和機器學習的基礎(chǔ)。接下來，本書介紹了Pandas 模塊，使用其功能來實現(xiàn)有效和流暢的數(shù)據(jù)處理。由于數(shù)據(jù)可視化對于數(shù)據(jù)科學和機器學習至關(guān)重要，因此本書還詳細介紹了Matplotlib 模塊以及基于Web 的Bokeh、Holoviews、Plotly 和Altair 等第三方模塊。本書非常適合已經(jīng)具備一些Python 基礎(chǔ)，并想通過了解Python 的工作方式和原因來提高自身水平的讀者。要想充分利用本書，請打開Python 解釋器并開始鍵入本書提供的代碼示例。

目　錄譯者序前言致謝第1 章　基本編程 11.1　基礎(chǔ)語言 11.1.1　入門 21.1.2　保留關(guān)鍵字 31.1.3　數(shù)字 31.1.4　復數(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　處理錯誤 341.1.11　掌握Python 的強大功能 371.1.12　生成器 401.1.13　裝飾器 451.1.14　迭代 491.1.15　使用Python 斷言進行預調(diào)試 571.1.16　使用sys.settrace 進行堆棧追蹤 581.1.17　使用IPython 進行調(diào)試 591.1.18　從Python 中進行日志記錄 59第2 章　面向?qū)ο缶幊?622.1　屬性 622.2　方法 642.3　繼承 652.4　類變量 672.5　類函數(shù) 682.6　靜態(tài)方法 702.7　哈希對子變量隱藏父變量 702.8　委托函數(shù) 712.9　使用super 進行委托 712.10　元編程：猴子補丁 732.11　抽象基類 742.12　描述符 762.13　具名元組和數(shù)據(jù)類 792.14　泛型函數(shù) 822.15　設(shè)計模式 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 87第3 章　使用模塊 883.1　標準庫 883.2　編寫和使用自己的模塊 903.2.1　將目錄用作模塊 913.3　動態(tài)導入 913.4　從Web 中獲取模塊 923.5　Conda 包管理 92參考文獻 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　線性代數(shù) 1074.12　廣播 1084.13　掩碼數(shù)組 1124.14　浮點數(shù) 1134.15　高級Numpy dtypes 116參考文獻 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　刪除項目 1275.5　高級索引 1275.6　廣播和數(shù)據(jù)對齊 1285.7　分類和合并 1315.8　內(nèi)存使用和數(shù)據(jù)類型dtypes 1335.9　常見的操作 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 1425.14　自定義Pandas 1435.15　滾動和填充操作 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　動畫 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　鍵盤事件 1706.1.20　鼠標事件 1726.2　Seaborn 1736.2.1　自動聚合 1766.2.2　多個繪圖 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 242

我要評論