Python是訪問、操作和從各種數據中獲得見解的理想選擇。Python for Data Science通過根植于實際示例和實踐活動的邊做邊學的方法向您介紹Python的數據分析世界。您將學習如何編寫Python代碼來獲取、轉換和分析數據，為業務管理、市場營銷和決策支持中的用例實踐最先進的數據處理技術。
您將發現Python豐富的用于基本操作的內置數據結構集，以及用于數據科學的魯棒的開源庫生態系統，包括NumPy、pandas、scikit-learn、matplotlib等。這些示例展示了如何以各種格式加載數據，如何簡化、分組和聚合數據集，以及如何創建圖表、地圖和其他可視化功能。后面的章節將深入展示真實世界的數據應用，包括使用位置數據來推動出租車服務，市場籃子分析來識別共同購買的商品，以及機器學習來預測股票價格。
Introduction
**Chapter 1: **The Basics of Data Chapter 2: Python Data Structures **Chapter 3: **Python Data Science Libraries Chapter 4: Accessing Data from Files and APIs Chapter 5: Working with Databases **Chapter 6: **Aggregating Data Chapter 7: Combining Datasets **Chapter 8: **Creating Visualizations **Chapter 9: **Analyzing Location Data Chapter 10: Analyzing Time Series Data Chapter 11: Gaining Insights from Data Chapter 12: Machine Learning for Data Analysis
付費5元查看完整內容
相關內容
Linux世界在不斷變化，作為Linux系統管理員需要新的知識和技能。Linux基本原理，第二版不僅更新了第一版的新材料，而且改變了一些重點，從基本的Linux方法到更高級的面向服務器的使用Linux。雖然第一版跟蹤滿足LPI Linux基礎考試要求所需的技能，這個版本跟蹤更高級的CompTIA Linux+考試要求。 第二版為Linux環境和命令行基礎知識提供了一個軟的、可訪問的和實用的介紹。新增的虛擬實驗室也將使學生能夠將理論應用到實際操作中，實時練習。這個版本深入研究了Linux服務器環境，涵蓋了您在Linux+考試中需要知道的命令。更新的章節提供了如何在多用戶網絡化的服務器環境中管理用戶、文件、設備和文件系統的擴展覆蓋范圍。
- 向學生介紹Linux操作系統及其在現代IT基礎設施中的作用
- 包括來自Red Hat和基于debian的Linux發行版的例子
- 關于Linux安全的新章節，涵蓋了流行的SELinux和AppArmor工具，以實現對文件的強制訪問控制，以及提供使用加密和防火墻的技巧
- 映射到CompTIA的Linux+認證
- 教師資源包括考試庫、ppt、教師指南和教學大綱樣本
目錄內容：
Chapter Chapter 1 Linux Basics * Chapter Chapter 2 Linux and Software * Chapter Chapter 3 Linux and Hardware * Chapter Chapter 4 Booting Linux * Chapter Chapter 5 Disk Management * Chapter Chapter 6 Command Line Basics * Chapter Chapter 7 File Management * Chapter Chapter 8 Networking Concepts * Chapter Chapter 9 Managing Processes * Chapter Chapter 10 Advanced Administration * Chapter Chapter 11 Linux Security * Chapter Chapter 12 Linux in the Cloud
付費5元查看完整內容
獲取使用Python操作、處理、清理和處理數據集的權威手冊。對于Python 3.10和pandas 1.4的更新，這個實踐指南的第三版包含了實踐案例研究，向您展示如何有效地解決大量數據分析問題。在此過程中，您將了解最新版本的pandas、NumPy和Jupyter。
本書涉及Python中操作、處理、清理和處理數據的具體細節。我的目標是為Python編程語言的各個部分及其面向數據的庫生態系統和工具提供指導，幫助您成為一名有效的數據分析師。雖然“數據分析”在這本書的標題中，但重點是Python編程、庫和工具，而不是數據分析方法。這是數據分析所需的Python編程。
在我2012年最初出版這本書之后的某個時候，人們開始用數據科學這個術語來概括從簡單的描述性統計到更高級的統計分析和機器學習的一切。從那時起，用于進行數據分析(或數據科學)的Python開源生態系統也得到了顯著的擴展。現在有很多其他的書專門關注這些更高級的方法。我希望本書能夠為您提供充分的準備，使您能夠轉向更具體的領域資源。
目錄內容：
Preface * Preliminaries * Python Language Basics, IPython, and Jupyter Notebooks * Built-In Data Structures, Functions, and Files * NumPy Basics: Arrays and Vectorized Computation * Getting Started with pandas * Data Loading, Storage, and File Formats * Data Cleaning and Preparation * Data Wrangling: Join, Combine, and Reshape * Plotting and Visualization
Data Aggregation and Group Operations* Time Series * Introduction to Modeling Libraries in Python * Data Analysis Examples * Advanced NumPy * More on the IPython System * Index * About the Author
付費5元查看完整內容
Python是訪問、操作和從各種數據中獲得見解的理想選擇。Python for Data Science通過根植于實際示例和實踐活動的邊做邊學的方法向您介紹Python的數據分析世界。您將學習如何編寫Python代碼來獲取、轉換和分析數據，為業務管理、市場營銷和決策支持中的用例實踐最先進的數據處理技術。
您將發現Python豐富的用于基本操作的內置數據結構集，以及用于數據科學的健壯的開源庫生態系統，包括NumPy、pandas、scikit-learn、matplotlib等。這些示例展示了如何以各種格式加載數據，如何簡化、分組和聚合數據集，以及如何創建圖表、地圖和其他可視化功能。后面的章節將深入展示真實世界的數據應用，包括使用位置數據為出租車服務提供動力，市場籃子分析來識別共同購買的商品，以及機器學習來預測股票價格。
這本書從數據處理和分析的概念介紹開始，解釋一個典型的數據處理管道。然后，我們將介紹Python的內置數據結構和一些廣泛用于數據科學應用程序的第三方Python庫。接下來，我們將探討用于獲取、組合、聚合、分組、分析和可視化不同大小和數據類型的數據集的日益復雜的技術。隨著本書的深入，我們將把Python數據科學技術應用到商業管理、市場營銷和金融領域的實際用例中。每一章都包含“練習”部分，這樣你就可以練習和鞏固你剛剛學到的知識。
第一章: 數據的基礎知識為理解使用數據的基本要素提供了必要的背景知識。您將了解到數據有不同的類別，包括結構化、非結構化和半結構化數據。然后，您將了解典型數據分析過程中涉及的步驟。
第二章:Python數據結構介紹Python內置的四種數據結構:列表、字典、元組和集合。您將看到如何使用每個結構，以及如何將它們組合成更復雜的結構，可以表示現實世界的對象。
第三章:Python數據科學庫討論了Python健壯的第三方數據分析和操作庫生態系統。您將看到pandas庫及其主要數據結構Series和DataFrame，它們已經成為面向數據的Python應用程序的實際標準。您還將了解NumPy和scikit-learn，這兩個庫通常用于數據科學。
第四章:從文件和api訪問數據深入了解獲取數據并將其加載到腳本中的細節。您將學習如何將不同來源的數據(如文件和api)加載到Python腳本中的數據結構中，以便進行進一步處理。
第五章:使用數據庫繼續討論將數據導入Python，涵蓋了如何使用數據庫數據。您將看到訪問和操作存儲在不同類型數據庫中的數據的示例，包括關系數據庫(如MySQL)和NoSQL數據庫(如MongoDB)。 第六章:聚合數據通過對數據進行分組并進行聚合計算來解決匯總數據的問題。您將學習使用pandas對數據進行分組，并生成小計、總計和其他聚合。 第七章:結合數據集介紹了如何將來自不同數據源的數據組合為一個單獨的數據集。您將學習SQL開發人員用于連接數據庫表的技術，并將它們應用于內置的Python數據結構、NumPy數組和pandas DataFrames。 第八章:創建可視化討論可視化是最自然的方式揭露隱藏的數據中的模式。您將了解不同類型的可視化，如線形圖、條形圖和直方圖，并將了解如何使用用于繪圖的主要Python庫Matplotlib創建它們。您還將使用Cartopy庫來生成映射。 第九章:分析位置數據解釋如何使用geopy和Shapely庫處理位置數據。您將學習獲取和使用靜止和移動物體的GPS坐標的方法，并將探索拼車服務如何為給定的皮卡識別最佳汽車的現實世界示例。 第十章:分析時間序列數據提出了一些分析技術可以應用于時間序列數據中提取有意義的數據。特別地，本章中的例子說明了時間序列數據分析如何應用于股票市場數據。 第十一章:從數據中獲得洞察力探討了從數據中獲得洞察力的策略，以便做出明智的決定。例如，您將學習如何發現超市中銷售的產品之間的關聯，從而確定在一次交易中經常一起購買的商品組(對推薦和促銷有用)。 第十二章:機器學習數據分析涵蓋了使用scikitlearn先進的數據分析任務。您將訓練機器學習模型，根據產品的星級評級對產品評論進行分類，并預測股票價格的趨勢。
付費5元查看完整內容
Python Book為任何與數據打交道但沒有編程經驗的人提供了學習Python的基本入門指南。作者是一位經驗豐富的數據科學家和Python程序員，他向讀者展示了如何使用Python進行數據分析、探索、清理和討論。讀者將了解Python語言中哪些內容對數據分析很重要，以及為什么重要。
Python Book為讀者提供了全面全面的Python介紹，它既簡單到對初學者來說是理想的，又深刻到對那些更有經驗的人來說是有用的。這本書幫助初出乍到的程序員在閱讀過程中逐漸提高他們的技能，并始終理解他們所涉及的內容以及為什么它是有用的。Python被谷歌、Facebook、Instagram、Spotify等大公司使用，在未來的幾年里，它將繼續成為編程領域的中心。
包含了Python編程主題的深入討論，如變量，等式和比較，元組和字典數據類型，while和for循環，以及if語句，讀者還將學習:
- 如何使用非常有用的Python編程庫，包括Pandas和Matplotlib
- 如何編寫Python函數和類
- 如何編寫和使用Python腳本
- 在Python中處理不同的數據類型
完美的統計學家，計算機科學家，軟件程序員，和從業人員在私營行業和醫學，Python書也將對任何上述領域的學生感興趣。因為它假設沒有編程經驗或知識，所以這本書非常適合那些使用數據工作并希望學習使用Python來增強他們工作的人。
付費5元查看完整內容
《數據科學家的統計基礎:使用R和Python》是一本一學期或兩學期的數學統計入門教材，供培養成為數據科學家的學生使用。它深入介紹了任何數據科學家都應該熟悉的統計科學主題，包括概率分布、描述性和推理統計方法以及線性建模。這本書假設有基本的微積分知識，所以演示可以集中在“為什么它可以工作”以及“如何做它”上。然而，與傳統的“數理統計”教科書相比，這本書較少強調概率論，而更強調使用軟件來實現統計方法和進行模擬來說明關鍵概念。書中所有的統計分析都使用R軟件，還有一個附錄展示了用Python進行的相同分析。
這本書還介紹了現代主題，通常不出現在數理統計文本，但與數據科學家高度相關，如貝葉斯推理，非正態響應的廣義線性模型(例如，邏輯回歸和泊松loglinear模型)，和正則模型擬合。將近500個練習被分為“數據分析與應用”和“方法與概念”。附錄介紹了R和Python，并包含了奇數號練習的解決方案。本書的網站擴展了R, Python和Matlab的附錄，以及來自示例和練習的所有數據集。
付費5元查看完整內容
預測數據分析
·
現在的組織收集了大量的數據。要使數據對組織產生價值，就必須通過數據進行分析來提取見解，以更好地進行決策。
付費5元查看完整內容
本書總結了使用Python進行計算工程和科學計算的一些核心思想。重點是介紹一些與數值算法相關的基本Python(編程)概念。后面的幾章涉及數字庫，如numpy和scipy，它們比這里提供的空間要大得多。我們的目標是讓讀者能夠獨立學習如何使用可用的文檔(在線和通過包本身)使用這些庫的其他功能。
目錄內容： Chapter 1 Introduction Chapter 2 A powerful calculator Chapter 3 Data Types and Data Structures Chapter 4 Introspection Chapter 5 Input and Output Chapter 6 Control Flow Chapter 7 Functions and modules Chapter 8 Functional tools Chapter 9 Common tasks Chapter 10 From Matlab to Python Chapter 11 Python shells Chapter 12 Symbolic computation Chapter 13 Numerical Computation Chapter 14 Numerical Python (numpy): arrays Chapter 15 Visualising Data Chapter 16 Numerical Methods using Python (scipy) Chapter 17 Where to go from here?
付費5元查看完整內容
圖數據科學
·
Graph Data Science For Dummies將帶您了解圖數據科學的基礎——從定義圖分析和算法到向您展示如何使用它們進行機器學習和解決現實世界的問題。
-
了解圖表數據科學基礎
-
用圖表分析做出更好的預測
-
使用GDS技術升級您的應用程序
付費5元查看完整內容
在Python中獲得操作、處理、清理和處理數據集的完整說明。本實用指南的第二版針對Python 3.6進行了更新，其中包含了大量的實際案例研究，向您展示了如何有效地解決廣泛的數據分析問題。在這個過程中，您將學習最新版本的panda、NumPy、IPython和Jupyter。
本書由Python panda項目的創建者Wes McKinney編寫，是對Python中的數據科學工具的實用的、現代的介紹。對于剛接觸Python的分析人員和剛接觸數據科學和科學計算的Python程序員來說，它是理想的。數據文件和相關材料可以在GitHub上找到。
- 使用IPython外殼和Jupyter筆記本進行探索性計算
- 學習NumPy (Numerical Python)中的基本和高級特性
- 開始使用pandas庫的數據分析工具
- 使用靈活的工具來加載、清理、轉換、合并和重塑數據
- 使用matplotlib創建信息可視化
- 應用panda groupby工具對數據集進行切片、切割和匯總
- 分析和處理有規律和不規則的時間序列數據
- 學習如何解決現實世界的數據分析問題與徹底的，詳細的例子
付費5元查看完整內容
簡介： 深度學習無處不在。例如，當在線使用許多應用程序甚至在購物時，都會看到它。我們被深度學習所包圍，甚至根本沒有意識到這一點，這使學習深度學習變得至關重要，因為可以利用它做很多事情，這遠遠超出了您的想象。當您學習本書時，您可以在Mac，Linux或Windows系統上運行的許多示例代碼。您也可以使用Google Colab之類的工具在線運行代碼。 本書的第一部分為您提供了一些入門信息，除了安裝一些必備軟件，還會了解一些基本數學知識。
目錄：
-
說明
-
Chapter 1：深度學習介紹
- 深度學習的意義
- 真實世界中的深度學習
- 深度學習項目的環境
-
Chapter 2：機器學習介紹
- 機器學習定義
- 思考學習的不同方法
- 機器學習的正確使用
-
Chapter 3：使用python
- anaconda
- 下載數據集與代碼
- 創建應用
- 云端使用
-
chapter 4：利用深度學習看框架
- 框架介紹
- 了解tensorflow
-
chapter 5：回顧數學與優化
- 矩陣介紹
- 理解向量，scalar等
- 優化介紹
-
chapter 6：線性回歸基礎
- 組合變量
- 混合變量類型
- 概率
- 特征介紹
-
chapter 7：神經網絡
- 感知機
- 神經網絡復雜度
- 過擬合
-
Chapter 8：構建基礎神經網絡
- 理解神經網絡
- 神經網絡的核心
-
Chapter 9：深度學習
- 數據
- 提升速度
- 解釋深度學習的不同
-
Chapter 10：解釋卷積神經網絡
-
Chapter 11：循環神經網絡
-
Chapter 12：圖片分類
-
Chapter 13：循環神經網絡
-
Chapter 14：語言處理
-
Chapter 15：生成音樂和虛擬藝術
-
Chapter 16：生成對抗網絡
-
Chapter 17：深度強化學習
-
Chapter 18：深度學習的應用
-
Chapter 19：十個必備的深度學習工具
-
Chapter 20：十個使用深度學習的場景
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191