新書推薦：
《
游戏改变未来
》
售價：HK$
167.9
《
能源与动力工程测试技术（穆林）
》
售價：HK$
94.8
《
大学问·明清江南商业的发展
》
售價：HK$
106.8
《
金庸评传
》
售價：HK$
201.6
《
西方哲学史
》
售價：HK$
106.8
《
中国财富管理发展指数（2022）
》
售價：HK$
69.6
《
希腊神话和仪式中的结构与历史
》
售價：HK$
93.6
《
世界花纹与图案大典
》
售價：HK$
357.6
|
| 內容簡介： |
|
本书是为使用Python进行科学计算的新手或刚入门者量身定做的，是作者学习和使用Python进行人工智能项目研发的体会与经验总结，涵盖了实际开发中的基础知识点，内容详尽，代码可读性及可操作性强。本书主要介绍NumPy、Pandas、Matplotlib的基本操作。本书使用通俗易懂的描述，引入了丰富的示例代码，同时结合智慧城市中的一些事件，使内容呈现尽可能生动有趣，让一些原本复杂的处理能够通过另一种辅助解释得以简单化，从而使读者充分感受学习的乐趣和魅力。本书可供有一定Python基础但没有NumPy、Pandas、Matplotlib操作经验的人员，有Python基础并且想进一步学习使用Python进行科学计算的人员，有一些Python基础并且打算入门人工智能的人员，以及培训机构、中学及大专院校的学生阅读。
|
| 關於作者： |
|
刘宇宙，先后供职于上海海鼎、上海云卯、上海宏力达，目前供职于广州棒谷科技股份有限公司人工智能开发部，从事大数据研发。先后从事过卡系统的研发，云计算项目中IAAS系统的研发，大数据项目研发，物联网研发。对Java、Python有深入研究。Python技术爱好者，在CSDN发表原创Python博文多篇。
|
| 目錄：
|
|
目 录部分 数据分析与处理简介第1章 数据分析与处理概述21.1 了解大数据21.2 数据分析与处理的需求41.3 数据分析与处理的发展前景5第二部分 科学计算之门——NumPy第2章 NumPy入门82.1 NumPy简介82.2 NumPy安装82.3 NumPy——ndarray对象92.4 NumPy数据类型112.4.1 数据类型112.4.2 数据类型对象（dtype）122.5 NumPy数组属性162.6 NumPy创建数组192.6.1 numpy.empty192.6.2 numpy.zeros192.6.3 numpy.ones202.6.4 numpy.asarray212.6.5 numpy.frombuffer222.6.6 numpy.fromiter232.6.7 numpy.arange232.6.8 numpy.linspace242.6.9 numpy.logspace262.7 NumPy切片和索引272.7.1 切片和索引272.7.2 整数数组索引292.7.3 布尔索引302.7.4 花式索引312.8 NumPy迭代数组322.9 NumPy数组操作372.9.1 修改数字形状372.9.2 翻转数组392.9.3 修改数组维度422.9.4 连接数组452.9.5 分割数组482.9.6 数组的添加与删除502.10 NumPy位运算552.10.1 bitwise_and()函数552.10.2 bitwise_or()函数552.10.3 invert()函数562.10.4 left_shift()函数562.10.5 right_shift()函数562.11 实战演练57第3章 NumPy函数583.1 字符串函数583.1.1 numpy.char.add()函数583.1.2 numpy.char.multiply()函数593.1.3 numpy.char.center()函数593.1.4 numpy.char.capitalize()函数593.1.5 numpy.char.title()函数593.1.6 numpy.char.lower()函数603.1.7 numpy.char.upper()函数603.1.8 numpy.char.split()函数603.1.9 numpy.char.splitlines()函数613.1.10 numpy.char.strip()函数613.1.11 numpy.char.join()函数613.1.12 numpy.char.replace()函数623.1.13 numpy.char.encode()函数623.1.14 numpy.char.decode()函数623.2 数学函数623.2.1 三角函数623.2.2 舍入函数643.2.3 numpy.floor()函数653.2.4 numpy.ceil()函数653.3 算术函数65?3.4 统计函数673.4.1 numpy.amin()函数和numpy.amax()函数673.4.2 numpy.ptp()函数683.4.3 numpy.percentile()函数683.4.4 numpy.median()函数693.4.5 numpy.mean()函数703.4.6 numpy.average()函数703.4.7 标准差713.4.8 方差723.5 排序、搜索和计数函数723.5.1 numpy.sort()函数723.5.2 numpy.argsort()函数733.5.3 numpy.lexsort()函数743.5.4 numpy.argmax()函数和numpy.argmin()函数743.5.5 numpy.nonzero()函数753.5.6 numpy.where()函数763.5.7 numpy.extract()函数763.5.8 其他排序773.6 字节交换783.7 副本和视图793.7.1 无复制793.7.2 视图803.7.3 副本813.8 矩阵库823.9 线性代数853.10 NumPy IO903.11 实战演练93第三部分 数据处理法宝——Pandas第4章 Pandas入门964.1 Pandas简介964.2 Pandas安装及数据结构964.3 系列974.3.1 创建空系列984.3.2 由ndarray创建系列984.3.3 由字典创建系列994.3.4 使用标量创建系列994.3.5 从系列中访问数据1004.3.6 使用标签检索数据1014.4 数据帧1014.4.1 创建空数据帧1024.4.2 使用列表创建数据帧1024.4.3 使用ndarrays/lists的字典创建数据帧1034.4.4 使用字典列表创建数据帧1044.4.5 使用系列的字典创建数据帧1054.4.6 列选择1054.4.7 列添加1064.4.8 列删除1064.4.9 行选择、添加和删除1074.4.10 行切片1084.5 面板1094.5.1 面板创建1104.5.2 数据选择1104.6 基本功能1114.6.1 T转置1124.6.2 axes1134.6.3 dtypes1134.6.4 empty1134.6.5 ndim1144.6.6 shape1144.6.7 size1144.6.8 values1154.6.9 head()方法与tail()方法1154.7 描述性统计1164.7.1 sum()函数1164.7.2 mean()函数1174.7.3 std()函数1184.7.4 describe()函数1184.8 函数应用1204.8.1 表格函数1204.8.2 行列合理函数1214.8.3 元素合理函数1224.9 重建索引1234.9.1 重建对象对齐索引1234.9.2 填充时重新加注1244.9.3 重建索引时的填充限制1244.9.4 重命名1254.10 迭代1264.11 排序1274.11.1 按标签排序1274.11.2 排序顺序1284.11.3 按列排序1294.11.4 按值排序1294.11.5 排序算法1294.12 字符串和文本数据1304.12.1 lower()函数1304.12.2 upper()函数1304.12.3 len()函数1314.12.4 strip()函数1314.12.5 split()函数1314.12.6 cat()函数1324.12.7 get_dummies()函数1324.12.8 contains()函数1324.12.9 replace()函数1334.12.10 repeat()函数1334.12.11 count()函数1334.12.12 startswith()函数1334.12.13 endswith()函数1344.12.14 find()函数1344.12.15 findall()函数1344.12.16 swapcase()函数1354.12.17 islower()函数1354.12.18 isupper()函数1354.12.19 isnumeric()函数1364.13 选项和自定义1364.13.1 get_option()函数1364.13.2 set_option()函数1364.13.3 reset_option()函数1374.13.4 describe_option()函数1374.13.5 option_context()函数1384.14 选择和索引数据1384.14.1 .loc()1384.14.2 .iloc()1394.14.3 .ix()1394.14.4 使用符号1394.14.5 属性访问1404.15 实战演练140第5章 Pandas进阶1415.1 统计函数1415.1.1 pct_change()函数1415.1.2 协方差1425.1.3 相关性1435.1.4 数据排名1435.2 窗口函数1445.2.1 .rolling()函数1445.2.2 .expanding()函数1455.2.3 .ewm()函数1455.3 聚合1455.3.1 在整个DataFrame上应用聚合1465.3.2 在DataFrame的单列上应用聚合1465.3.3 在DataFrame的多列上应用聚合1475.3.4 在DataFrame的单列上应用多个函数1475.3.5 在DataFrame的多列上应用多个函数1485.3.6 将不同的函数应用于DataFrame的不同列1485.4 缺失数据1495.4.1 为什么会缺失数据1495.4.2 检查缺失值1495.4.3 缺失数据的计算1505.4.4 缺失数据填充1505.4.5 向前和向后填充1505.4.6 清除缺失值1515.4.7 值替换1515.5 分组1515.5.1 将数据拆分成组1525.5.2 查看分组1525.5.3 迭代遍历分组1535.5.4 选择一个分组1535.5.5 聚合1545.5.6 使用多个聚合函数1545.5.7 转换1555.5.8 过滤1555.6 合并/连接1565.6.1 合并一个键上的两个数据帧1575.6.2 合并多个键上的两个数据帧1575.6.3 使用how参数1585.7 级联1595.7.1 concat()函数1595.7.2 append()函数1615.7.3 时间序列1615.8 日期功能1625.9 时间差1645.10 分类数据1655.11 稀疏数据1695.12 实战演练170第四部分 优雅的艺术——Matplotlib第6章 Matplotlib 入门1726.1 Matplotlib简介1726.2 Matplotlib安装1736.3 Pyplot教程1736.3.1 控制线条属性1766.3.2 处理多个图形和轴域1776.3.3 处理文本1786.3.4 在文本中使用数学表达式1796.3.5 对数和其他非线性轴1806.4 使用GridSpec自定义子图位置1816.4.1 subplot2grid1816.4.2 GridSpec和SubplotSpec1826.4.3 调整GridSpec布局1836.4.4 使用SubplotSpec创建GridSpec1846.4.5 调整GridSpec布局1856.5 布局1866.5.1 简单示例1866.5.2 和GridSpec一起使用1906.5.3 和AxesGrid1一起使用1936.5.4 颜色条1946.6 艺术家教程1956.6.1 自定义对象1966.6.2 图形容器1976.6.3 轴域容器1976.6.4 轴容器（Axis）1996.6.5 刻度容器2016.7 图例指南2026.7.1 控制图例条目2026.7.2 代理艺术家2036.7.3 图例位置2046.7.4 同轴域的多个图例2046.7.5 图例处理器2056.7.6 自定义图例处理器2066.8 变换2086.8.1 数据坐标2086.8.2 混合变换2096.8.3 创建阴影效果2106.9 路径2126.9.1 贝塞尔示例2136.9.2 复合路径2146.9.3 路径效果2166.9.4 添加阴影2176.9.5 其他218第7章 Matplotlib更多处理2207.1 基本文本命令2207.2 文本属性及布局2227.3 标注2257.3.1 基本标注2257.3.2 使用框和文本标注2277.3.3 使用箭头标注2287.4 数学表达式2317.5 颜色指定2357.6 事件处理及拾取236
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
