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
- 349KB
Limbo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。
- 26KB
103-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...
- 2.29MB
python 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...
- 2.60MB
pandas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