|
-- 會員 / 註冊 --
|
|
|
|
Python資料科學學習手冊 Python Data Science Handbook: Essential Tools for Working with Data ( 繁體 字) |
作者:Jake VanderPlas | 類別:1. -> 程式設計 -> Python |
譯者:何敏煌 |
出版社:歐萊禮圖書 | 3dWoo書號: 48233 詢問書籍請說出此書號!【缺書】 NT定價: 780 元 折扣價: 616 元
|
出版日:12/22/2017 |
頁數:550 |
光碟數:0 |
|
站長推薦: |
印刷:黑白印刷 | 語系: ( 繁體 版 ) |
|
加入購物車 │加到我的最愛 (請先登入會員) |
ISBN:9789864766857 |
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
作者序: |
譯者序: |
前言: |
內容簡介: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面對的問題,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:提供資料科學家使用的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中進行對於標籤式/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;使用了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計畫聯合創始人
|
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 輸入和輸出的歷程 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 聚合操作: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 更多進階的複合型態
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 資料集的合併:Concat 和Append 合併資料集:Merge 以及Join 聚合計算與分組 樞紐分析表 向量化字串操作 使用時間系列 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 買一送一的介面 簡單的線條圖形 簡單的散佈圖 視覺化誤差 密度圖和等高線圖 直方圖、分箱法及密度 自訂圖表的圖例 自訂色彩條 多重子圖表 文字和註解 自訂刻度 客製化Matplotlib:系統配置和樣式表 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:線性迴歸(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:高斯混合模型(Gaussian Mixture Models) 深入探究:核密度估計(Kernel Density Estimation) 應用:臉部辨識的管線
|
序: |
|