链接: https://pan.baidu.com/s/1sYoue_U5VCpa07s6pn_UcQ?pwd=awm5 提取码: awm5
出版社： 人民邮电出版社
ISBN：9787115475893
版次：1
商品编码：12293703
品牌：iTuring
包装：平装
丛书名： 图灵程序设计丛书
开本：16开
出版时间：2018-02-01
用纸：胶版纸
页数：448
正文语种：中文
产品特色
编辑推荐
Python语言拥有大量可用于存储、操作和洞察数据的程序库，已然成为深受数据科学研究人员推崇的工具。本书以IPython、NumPy、Pandas、Matplotlib和Scikit-Learn这5个能完成数据科学大部分工作的基础工具为主，从实战角度出发，讲授如何清洗和可视化数据、如何用数据建立各种统计学或机器学习模型等常见数据科学任务，旨在让各领域与数据处理相关的工作人员具备发现问题、解决问题的能力。
·IPython和Jupyter:为使用Python提供计算环境
·NumPy：用ndarray实现高维数组的高效存储与操作
·Pandas：用DataFrame实现带标签/列式数据的高效存储与操作
·Matplotlib：实现各种数据可视化
·Scikit-Learn：用高效整洁的Python实现重要的机器学习算法
内容简介
《Python数据科学手册》是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第 2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。
《Python数据科学手册》适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。
作者简介
Jake VanderPlas是Python科学栈的深度用户和开发人员，目前是华盛顿大学eScience学院物理科学研究院院长，研究方向为天文学。同时，他还为很多领域的科学家提供建议和咨询。
目录
译者序 xiii
前言 xv
第 1 章 IPython：超越Python 1
1．1 shell还是Notebook 1
1．1．1 启动IPython shell 2
1．1．2 启动Jupyter Notebook 2
1．2 IPython的帮助和文档 3
1．2．1 用符号 获取文档 3
1．2．2 通过符号 获取源代码 4
1．2．3 用Tab补全的方式探索模块 5
1．3 IPython shell中的快捷键 7
1．3．1 导航快捷键 7
1．3．2 文本输入快捷键 7
1．3．3 命令历史快捷键 8
1．3．4 其他快捷键 9
1．4 IPython魔法命令 9
1．4．1 粘贴代码块：%paste和%cpaste 9
1．4．2 执行外部代码：%run 10
1．4．3 计算代码运行时间：%timeit 11
1．4．4 魔法函数的帮助： 、%magic 和%lsmagic 11
1．5 输入和输出历史 12
1．5．1 IPython的输入和输出对象 12
1．5．2 下划线快捷键和以前的输出 13
1．5．3 禁止输出 13
1．5．4 相关的魔法命令 13
1．6 IPython和shell命令 14
1．6．1 shell快速入门 14
1．6．2 IPython中的shell命令 15
1．6．3 在shell中传入或传出值 15
1．7 与shell相关的魔法命令 16
1．8 错误和调试 17
1．8．1 控制异常：%xmode 17
1．8．2 调试：当阅读轨迹追溯不足以解决问题时 19
1．9 代码的分析和计时 21
1．9．1 代码段计时：%timeit和%time 22
1．9．2 分析整个脚本：%prun 23
1．9．3 用%lprun进行逐行分析 24
1．9．4 用%memit和%mprun进行内存分析 25
1．10 IPython参考资料 26
1．10．1 网络资源 26
1．10．2 相关图书 27
第 2 章 NumPy入门 28
2．1 理解Python中的数据类型 29
2．1．1 Python整型不仅仅是一个整型 30
2．1．2 Python列表不仅仅是一个列表 31
2．1．3 Python中的固定类型数组 32
2．1．4 从Python列表创建数组 32
2．1．5 从头创建数组 33
2．1．6 NumPy标准