编辑推荐
从计算环境配置到机器学习的实战书籍，带你掌握计算机工具高效存储和分析数据，切实解决工作痛点 。
内容简介
一本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。如何将数据格式读取到脚本中？如何操作、改变、清洗数据？如何对数据可视化？如何使用数据获得更深的洞察力、解答问题，或者开发统计或机器学习模型？本书涵盖了有效处理计算和统计的技巧，以常见用例为讲解手段，展示了可被用作分析、操作、可视化以及学习数据的众多开源Python工具。
作者简介
作者杰克·万托布拉斯，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。
章节目录
版权信息
O'Reilly Media, Inc. 介绍
业界评论
译者序
前言
什么是数据科学
目标读者
为什么用Python
内容概览
使用代码示例
软件安装注意事项
O'Reilly Safari
联系我们
电子书
第1章 IPython：超越Python
1.1 shell还是Notebook
1.2 IPython的帮助和文档
1.3 IPython shell中的快捷键
1.4 IPython魔法命令
1.5 输入和输出历史
1.6 IPython和shell命令
1.7 与shell相关的魔法命令
1.8 错误和调试
1.9 代码的分析和计时
1.10 IPython参考资料
第2章 NumPy入门
2.1 理解Python中的数据类型
2.2 NumPy数组基础
2.3 NumPy数组的计算：通用函数
2.4 聚合：最小值、最大值和其他值
2.5 数组的计算：广播
2.6 比较、掩码和布尔逻辑
2.7 花哨的索引
2.8 数组的排序
2.9 结构化数据：NumPy的结构化数组
第3章 Pandas数据处理
3.1 安装并使用Pandas
3.2 Pandas对象简介
3.3 数据取值与选择
3.4 Pandas数值运算方法
3.5 处理缺失值
3.6 层级索引
3.7 合并数据集：Concat与Append操作
3.8 合并数据集：合并与连接
3.9 累计与分组
3.10 数据透视表
3.11 向量化字符串操作
3.12 处理时间序列
3.13 高性能Pandas：eval()与query()
3.14 参考资料
第4章 Matplotlib数据可视化
4.1 Matplotlib常用技巧
4.2 两种画图接口
4.3 简易线形图
4.4 简易散点图
4.5 可视化异常处理
4.6 密度图与等高线图
4.7 频次直方图、数据区间划分和分布密度
4.8 配置图例
4.9 配置颜色条
4.10 多子图
4.11 文字与注释
4.12 自定义坐标轴刻度
4.13 Matplotlib自定义：配置文件与样式表
4.14 用Matplotlib画三维图
4.15 用Basemap可视化地理数据
4.16 用Seaborn做数据可视化
4.17 参考资料
第5章 机器学习
5.1 什么是机器学习
5.2 Scikit-Learn简介
5.3 超参数与模型验证
5.4 特征工程
5.5 专题：朴素贝叶斯分类
5.6 专题：线性回归
5.7 专题：支持向量机
5.8 专题：决策树与随机森林
5.9 专题：主成分分析
5.10 专题：流形学习
5.11 专题：k-means聚类
5.12 专题：高斯混合模型
5.13 专题：核密度估计
5.14 应用：人脸识别管道
5.15 机器学习参考资料
关于作者
关于封面
看完了
Python数据科学手册是2018年由人民邮电出版社出版,作者[美]杰克·万托布拉斯(JakeVanderPla。
得书感谢您对《Python数据科学手册》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
