思维导图备注

Python数据科学手册 - [美] Jake VanderPlas
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

2.9 结构化数据：NumPy的结构化数组

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2022-03-01 07:35:15
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 版权声明
  • O'Reilly Media, Inc. 介绍
  • 业界评论
  • 译者序
  • 前言
  • 目标读者
  • 为什么用Python
  • 内容概览
  • 使用代码示例
  • 软件安装注意事项
  • O'Reilly Safari
  • 联系我们
  • 电子书
  • 第 1 章 IPython：超越Python
  • 1.1 shell还是Notebook
  • 1.2 IPython的帮助和文档
  • 1.3 IPython shell中的快捷键
  • 1.4 IPython魔法命令
  • 1.5 输入和输出历史
  • 1.6 IPython和shell命令
  • 1.7 与shell相关的魔法命令
  • 1.8 错误和调试
  • 1.9 代码的分析和计时
  • 1.10 IPython参考资料
  • 第 2 章 NumPy入门
  • 2.1 理解Python中的数据类型
  • 2.2 NumPy数组基础
  • 2.3 NumPy数组的计算：通用函数
  • 2.4 聚合：最小值、最大值和其他值
  • 2.5 数组的计算：广播
  • 2.6 比较、掩码和布尔逻辑
  • 2.7 花哨的索引
  • 2.8 数组的排序
  • 2.9 结构化数据：NumPy的结构化数组
  • 第 3 章 Pandas数据处理
  • 3.1 安装并使用Pandas
  • 3.2 Pandas对象简介
  • 3.3 数据取值与选择
  • 3.4 Pandas数值运算方法
  • 3.5 处理缺失值
  • 3.6 层级索引
  • 3.7 合并数据集：Concat与Append操作
  • 3.8 合并数据集：合并与连接
  • 3.9 累计与分组
  • 3.10 数据透视表
  • 3.11 向量化字符串操作
  • 3.12 处理时间序列
  • 3.13 高性能Pandas：eval()与query()
  • 3.14 参考资料
  • 第 4 章 Matplotlib数据可视化
  • 4.1 Matplotlib常用技巧
  • 4.2 两种画图接口
  • 4.3 简易线形图
  • 4.4 简易散点图
  • 4.5 可视化异常处理
  • 4.6 密度图与等高线图
  • 4.7 频次直方图、数据区间划分和分布密度
  • 4.8 配置图例
  • 4.9 配置颜色条
  • 4.10 多子图
  • 4.11 文字与注释
  • 4.12 自定义坐标轴刻度
  • 4.13 Matplotlib自定义：配置文件与样式表
  • 4.14 用Matplotlib画三维图
  • 4.15 用Basemap可视化地理数据
  • 4.16 用Seaborn做数据可视化
  • 4.17 参考资料
  • 第 5 章 机器学习
  • 5.1 什么是机器学习
  • 5.2 Scikit-Learn简介
  • 5.3 超参数与模型验证
  • 5.4 特征工程
  • 5.5 专题：朴素贝叶斯分类
  • 5.6 专题：线性回归
  • 5.7 专题：支持向量机
  • 5.8 专题：决策树与随机森林
  • 5.9 专题：主成分分析
  • 5.10 专题：流形学习
  • 5.11 专题：k-means聚类
  • 5.12 专题：高斯混合模型
  • 5.13 专题：核密度估计
  • 5.14 应用：人脸识别管道
  • 5.15 机器学习参考资料
  • 关于作者
  • 关于封面
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《Python数据科学手册 - [美] Jake VanderPlas》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度