Python 資料科學學習手冊 (Python Data Science Handbook: Essential Tools for Working with Data)

Jake VanderPlas 著、何敏煌 譯

立即出貨 (庫存 > 10)

  • 9789864766857 b1
  • 9789864766857 b2
  • 9789864766857 b3
  • 9789864766857 b4
  • 9789864766857 b5
  • 9789864766857 b6
  • 9789864766857 b7
  • 9789864766857 b8
  • 9789864766857 b9
  • 9789864766857 b10
  • 9789864766857 b11
  • 9789864766857 b12
9789864766857 b1

買這商品的人也買了...

相關活動主題

20180309 data science gif
20180917 python%e7%b9%81%e4%b8%ad small1

商品描述

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。

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家提供建議以及接受諮詢。 

目錄大綱

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