分享
利用Python进行数据分析（原书第2版）
作者：Wes McKinney
出版社：机械工业出版社
ISBN：9787111603702
VIP会员免费
（仅需0.8元/天）
¥ 60.0
温馨提示： 价值40000元的1000本电子书，VIP会员随意看哦！
电子书推荐
-
-
《利用Python进行数据分析》中文高清完整PDF版 评分:
【好资源，无须多说】还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程？本书含有大量的实践案例，你将学会如何利用各种Python库（包括NumPy、pandas、matplotlib以及IPython等）高效地解决各式各样的数据分析问题。 由于作者Wes McKinney是pandas库的主要作者，所以本书也可以作为利用Python实现数据密集型应用的科学计算实践指南。本书适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。 •将IPython这个交互式Shell作为你的首要开发环境。 •学习NumPy（Numerical Python）的基础和高级知识。 •从pandas库的数据分析工具开始。 •利用高性能工具对数据进行加载、清理、转换、合并以及重塑。 •利用matplotlib创建散点图以及静态或交互式的可视化结果。 •利用pandas的groupby功能对数据集进行切片、切块和汇总操作。 •处理各种各样的时间序列数据。 •通过详细的案例学习如何解决Web分析、社会科学、金融学以及经•济学等领域的问题。
上传时间：2014-11 大小：78.42MB
349KBLimbo虚拟机使用方法（简略版）.docx
2023-06-27Limbo虚拟机使用方法（简略版）.docx
27KB研究生毕业难度matlab设计多式联运求解完整版
2022-04-13研究生毕业难度matlab设计多式联运求解完整版（路路，水路，航天，火车等）
- 1.66MB
苹果手机微信聊天记录备份导出神器：WX Backup、Mac版本
2023-03-12微信里积累了数年的聊天记录，连iPhone都吃不消了，可惜你依旧不能删掉它们。 把重要的聊天记录导出来吧，然后你就可以在电脑上好好收藏和品味了。 WX Backup的优点： 1、没有广告，不收费，软件非常简约 2、保存的聊天记录可以跟微信一样打开浏览，可以保存图片、视频、语音、表情、链接分享等 3、支持增量导出，即有新的内容更新到iPhone备份文件后，可以增加更新的内容到导出记录中，不会每次新增记录都要新增一个文件 4、可以搜索聊天记录，可以按月选择聊天记录。 WX Backup操作： 1、iTunes备份:用iTunes连接iPhone，将内容备份到电脑上。请注意，不要选择”给iPhone备份加密“！ 2。打开软件选择备份文件夹。根据选择的账号和联系人导出聊天记录，瞬间即可导出选中的聊天记录。支持增量导出，即有新的内容更新到iPhone备份文件后，可以增加更新的内容到导出记录中。
26KB103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)
2022-06-15103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS1302可调时钟(51单片机C语言实例Proteus仿真和代码)103-DS
- 1.86MB
基于SpringBoot实现的毕业生就业信息管理系统（含源码、数据库、课设报告）
2022-06-12本项目适用于课程设计，包含所有源码及课设报告，运行简单。 项目用到的技术： 1. SpringBoot 2. MySQL 3. MyBaits 功能简要： 分为管理员登录及用户登录 管理员：可进行对就业信息的增删改查，可对用户信息进行管理 用户：可对就业信息进行按条件查询
- 15.91MB
《利用python进行数据分析》全书内涉及的数据集和代码.rar
2021-04-15附件包含《利用python进行数据分析》全书的学习笔记和自己寻找数据集做的练习代码， 书中需要用到的数据集和示例代码也都包含在其中，在学习的过程中可以直接调用并参考。 原本还有全书的中文pdf版，但是由于版权...
23B利用python进行数据分析 中文第二版-附件资源
2021-03-02利用python进行数据分析 中文第二版-附件资源
- 255KB
python_for_data_analysis_2nd_chinese_version：《利用Python进行数据分析·第2版》
2021-02-23关于更高级的熊猫工具，外加一些技巧简要介绍了使用StatsModels和scikit-learn（译者注1：最大的改变是把第1版附录中的Python教程，单列变成现在的第2章和第3章，并且进行了扩充。可以说，本书第2版对新手更加友好了...
2.29MBpython for data Analysis
2018-11-02该文档是pdf格式，主要就是利用python进行数据分析。这本书是比较经典的数据分析的书籍
- 724KB
php图书管理系统（源码+数据库+截图）.rar
2021-12-22php图书管理系统（源码+数据库+截图）.rar
32KB操作系统课后答案
2013-06-30第一章节的课后答案，非常全 1．计算机由 硬件 系统和 软件 系统两个部分组成，它们构成了一个完整的计算机系统。 2．按功能划分，软件可分为 系统 软件和 应用 软件两种。 3．操作系统是在 裸机 上加载的第一层软件，是对计算机硬件系统功能的 首次 扩充。 4．操作系统的基本功能是 处理机（包含作业） 管理、 存储 管理、 设备 管理和 文件 管理。 5．在分时和批处理系统结合的操作系统中引入“前台”和“后台”作业的概念，其目的是 改善系统功能，提高处理能力 。
- 1014KB
基于PLC的玻璃生产流水线控制系统设计.pdf
2021-08-07#资源达人分享计划#
- 10.37MB
2017年电赛国赛H题《远程幅频特性测试装置》AD原理图及pcb.zip
2021-04-22这是我们实验室做电赛国赛训练题的时候，我使用AD09画的各个电路的原理图及PCB，其中40M低通滤波是用作待测网络，40M全保留低通滤波用于信号源滤波，经本组测试，所有电路功能均正常。
- 624KB
《利用python进行数据分析》数据集.rar
2020-03-25《利用python进行数据分析》中所用的CSV文件，用于各种python pandas以及其他第三方包的功能的展示。
- 13.20MB
深度学习、pytorch、python、深度学习基础PDF
2022-03-25有利于深度学习的学习与入门。深度学习的概念源于人工神经网络的...深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
- 65.94MB
几乎最全的中文NLP资源库.zip
2021-11-17情感分析-文本分类-语料及模型、一个拍照做题程序、世界各国大规模人名库、一个利用有趣中文语料库 qingyun 训练出来的中文聊天机器人、中文聊天机器人seqGAN、省市区镇行政区划数据带拼音标注、教育行业新闻语料库...
- 69.21MB
NLP资源库.zip
2023-06-24情感分析-文本分类-语料及模型、一个拍照做题程序、世界各国大规模人名库、一个利用有趣中文语料库 qingyun 训练出来的中文聊天机器人、中文聊天机器人seqGAN、省市区镇行政区划数据带拼音标注、教育行业新闻语料库...
3.55MB精通qt4编程（源代码）
2010-03-17\ 第11章 事件机制 李立夏介绍了Qt的事件处理模型，详细介绍了在Qt程序设计中处理事件的五种方法，并讨论了如何利用Qt事件机制加快用户界面响应速度。 283 \ 第12章 数据库 李立夏介绍了Qt的数据库处理，重点介绍了...
2.60MBpandas官网教程pdf
2018-04-28pandas官网教程pdf， 含有详细标签， 文字清晰可直接复制， 图文教程方便理解， 另附该pdf对应的代码， 可直接运行， 无错误！
- 83.21MB
利用PYTHON进行数据分析.pdf
2021-09-30利用PYTHON进行数据分析.pdf
- 17KB
python中使用pandas
2018-10-23接下来pandas介绍中将学习到如下8块内容： 1、数据结构简介：DataFrame和Series 2、数据索引index 3、利用pandas查询数据 4、利用pandas的DataFrames进行统计分析 5、利用pandas实现SQL操作 6、利用pandas进行缺失值的处理 7、利用pandas实现Excel的数据透视表功能 8、多层索引的使用
- 4.91MB
pandas.pdf
2019-12-09pandas: powerful Python data analysis toolkit Release 0.25.3 最新发布文档
- 5.49MB
使用Python操作数据库.pdf
2019-05-13第15章 使用Python操作数据库.pdf
- 433KB
Python操作Mysql实例教程手册高清完整PDF版
2017-09-18本文介绍了 Python 操作 MYSQL、执行 SQL 语句、获取结果集、遍历结果集、取得某个字段、获取表字段名、将图片插入数据库、执行事务等各种代码实例和详细介绍，代码居多，是一桌丰盛唯美的代码大餐。
- 2.86MB
python下数据分析库pandas简明教程
2017-09-28python下 数据分析库pandas常用功能整理，配合实例，快速上手。网页版，图文并茂，方便加入有道笔记等，
- 9.77MB
pydata-book:利用Python进行数据分析源代码整理版
2021-03-23pydata-book:利用Python进行数据分析源代码整理版
- 126.7MB
Python数据分析与应用资源
2019-05-05《Python数据分析与应用》，测试资料，源代码以及PPT讲义。
- 104KB
《python数据分析基础教程》.pdf
2022-12-23《python数据分析基础教程》 ⼀、导⼊常⽤numpy模块 from numpy import * //可以直接引⽤numpy中的属性XXX import numpy as np //引⽤numpy中的属性⼀定要np.XXX ⼆、常⽤函数以及转化关系 np.arange() 对应 python中的range() np.array() 对应 python中的list np.dtype() 对应 python中的type() tolist()函数可以将numpy数组转换成python列表： 列表转为数组： warning:Passing 1d arrays as data is deprecated in 0.17 and willraise ValueError in 0.19. Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample. 这个warning主要就是有些函数参数应该是输⼊数组，当输⼊列表时就会警告！！ 三、numpy中数组操作函数 数组组合函数 将ndarray对象构成的元组作为参数输⼊ (1)⽔平组合：hstack((a,b)) 或者concatenate((a,b),axis=1) (2)垂直组合：vstack((a,b)) 或者concatenate((a,b),axis=0) (3)列组合:column((a,b)) (4)⾏组合:row_stack((a,b)) 数组的分割函数 (1)⽔平分割：hsplit(a,3) 或者 split(a,3,axis=1) (2)垂直分割：vsplit(a,3) 或者 split(a,3,axis=0) 四、⽂件处理——os库 1.os.system() 运⾏shell命令 2.os.listdir(path) 获得⽬录中的内容 3.os.mkdir(path) 创建⽬录 4.os.rmdir(path) 删除⽬录 5.os.isdir(path) os.isfile(path) 判断是否为⽬录或者⽂件 6.os.remove(path) 删除⽂件 7.os.rename(old, new) 重命名⽂件或者⽬录 8.os.name 输出字符串指⽰正在使⽤的平台。如果是window 则⽤'nt'表⽰，对于Linux/Unix⽤户，它是'posix' 9.os.path.join() 在⽬录后⾯接上⽂件名 10.os.path.split() 返回⼀个路径的⽬录名和⽂件名 11.os.path.splitext() 分离⽂件名与扩展名 12.os.path.getsize(name) 获得⽂件⼤⼩，如果name是⽬录返回0L 14.os.path.abspath(")获得当前路径 15.os.path.dirname()返回⼀个路径的⽬录名 五、使⽤matplotlib画图(第九章 ) 前⾯⼏个列⼦主要讲解了通过多项式函数通过plt.plot()函数构建绘图，补充⼀下在机器学习中散点绘制 import numpy as np import matplotlib.pyplot as plt fig=plt.figure() ax=fig.add_subplot(111) x1=[2, 2.6, 2.8] y1=[2, 2.4, 3] x2=[4,5 ,6] y2=[1.3, 2, 1.2] ax.scatter(x1,y1,s=20,c='red') ax.scatter(x2,y2,s=50,c='blue') plt.show() 另外：做数据分析——sklearn库 from sklearn import preprocessing 数据预处理：归⼀化、标准化、正则化处理 from sklearn import preprocessing preprocessing.normalize(features, norm='l2')//正则化
- 31.94MB
《Python数据分析与应用》教学课件04pandas数据处理.pdf
2022-06-22《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf《Python数据分析与应用》教学课件04pandas数据处理.pdf
