关于numpy:ApacheCN-数据科学译文集-20208

协定：CC BY-NC-SA 4.0

不要放心本人的形象，只关怀如何实现目标。——《准则》，生存准则 2.3.c

• 在线浏览
• ApacheCN 面试求职交换群 724187166
• ApacheCN 学习资源

目录

• TutorialsPoint NumPy 教程

• NumPy 秘籍中文第二版

  • 零、前言
  • 一、应用 IPython
  • 二、高级索引和数组概念
  • 三、把握罕用函数
  • 四、将 NumPy 与世界的其余中央连贯
  • 五、音频和图像处理
  • 六、非凡数组和通用函数
  • 七、性能剖析和调试
  • 八、质量保证
  • 九、应用 Cython 减速代码
  • 十、Scikits 的乐趣
  • 十一、最新最强的 NumPy
  • 十二、应用 NumPy 进行探索性和预测性数据分析

• NumPy 初学者指南中文第三版

  • 零、前言
  • 一、NumPy 疾速入门
  • 二、从 NumPy 基本原理开始
  • 三、相熟罕用函数
  • 四、为您带来便当的便当函数
  • 五、应用矩阵和 ufunc
  • 六、深刻摸索 NumPy 模块
  • 七、理解非凡例程
  • 八、通过测试确保品质
  • 九、matplotlib 绘图
  • 十、当 NumPy 不够用时 – SciPy 及更多
  • 十一、玩转 Pygame
  • 附录 A：小测验答案
  • 附录 B：其余在线资源
  • 附录 C：NumPy 函数的参考

• NumPy 基础知识

  • 零、前言
  • 一、NumPy 简介
  • 二、NumPy ndarray对象
  • 三、应用 NumPy 数组
  • 四、NumPy 外围和子模块
  • 五、NumPy 中的线性代数
  • 六、NumPy 中的傅立叶剖析
  • 七、构建和散发 NumPy 代码
  • 八、应用 Cython 减速 NumPy
  • 九、NumPy C-API 简介
  • 十、扩大浏览

• 精通 NumPy 数值剖析

  • 零、前言
  • 一、应用 NumPy 数组
  • 二、NumPy 线性代数
  • 三、应用 NumPy 统计函数对波士顿住房数据进行探索性数据分析
  • 四、应用线性回归预测房价
  • 五、应用 NumPy 对零售分销商的客户进行聚类
  • 六、NumPy，SciPy，Pandas 和 Scikit-Learn
  • 七、高级 NumPy
  • 八、高性能数值计算库概述
  • 九、性能基准

• NumPy 数组学习手册

  • 零、前言
  • 一、NumPy 入门
  • 二、NumPy 根底
  • 三、应用 NumPy 的根本数据分析
  • 四、应用 NumPy 的简略预测性剖析
  • 五、信号处理技术
  • 六、性能剖析，调试和测试
  • 七、Python 迷信生态系统

• 精通 SciPy

  • 零、前言
  • 一、数值线性代数
  • 二、插值和近似
  • 三、微分与积分
  • 四、非线性方程式和最优化
  • 五、常微分方程的初值问题
  • 六、计算几何
  • 七、描述性统计
  • 八、推断和数据分析
  • 九、数字图像处理

• Pandas 秘籍

  • 零、前言
  • 一、Pandas 根底
  • 二、数据帧基本操作
  • 三、开始数据分析
  • 四、抉择数据子集
  • 五、布尔索引
  • 六、索引对齐
  • 七、分组以进行汇总，过滤和转换
  • 八、将数据重组为参差的表格
  • 九、组合 Pandas 对象
  • 十、工夫序列剖析
  • 十一、Pandas，Matplotlib 和 Seaborn 的可视化

• Pandas 学习手册中文第二版

  • 零、前言
  • 一、Pandas 与数据分析
  • 二、启动和运行 Pandas
  • 三、用序列示意单变量数据
  • 四、用数据帧示意表格和多元数据
  • 五、数据帧的构造操作
  • 六、索引数据
  • 七、类别数据
  • 八、数值统计办法
  • 九、存取数据
  • 十、整顿数据
  • 十一、合并，连贯和重塑数据
  • 十二、数据聚合
  • 十三、工夫序列建模
  • 十四、可视化
  • 十五、历史股价剖析

• 精通 Pandas

  • 零、前言
  • 一、Pandas 和数据分析简介
  • 二、Pandas 装置和支持软件
  • 三、Pandas 数据结构
  • 四、Pandas 的操作，第一局部 — 索引和抉择
  • 五、Pandas 的操作，第二局部 — 数据的分组，合并和重塑
  • 六、解决缺失数据，工夫序列和 Matplotlib 绘图
  • 七、统计之旅 — 经典办法
  • 八、贝叶斯统计简介
  • 九、Pandas 库体系结构
  • 十、R 与 Pandas 的比拟
  • 十一、机器学习简介

• NumPy 和 Pandas 数据分析实用指南

  • 零、前言
  • 一、配置 Python 数据分析环境
  • 二、摸索 NumPy
  • 三、NumPy 数组上的运算
  • 四、Pandas 很乏味！什么是 Pandas？
  • 五、Pandas 的算术，函数利用以及映射
  • 六、排序，索引和绘图

• 精通 Pandas 探索性剖析

  • 零、前言
  • 一、解决不同品种的数据集
  • 二、数据抉择
  • 三、解决，转换和重塑数据
  • 四、像专业人士一样可视化数据

• Matplotlib 3.0 秘籍

  • 零、前言
  • 一、Matplotlib 的分析
  • 二、根本绘图入门
  • 三、绘制多个图表和子图
  • 四、开发可视化来进步公布品质
  • 五、应用高级性能的绘图
  • 六、嵌入文本和表达式
  • 七、以不同格局保留图形
  • 八、开发交互式绘图
  • 九、在图形用户界面中嵌入绘图
  • 十、应用 mplot3d 工具包绘制 3D 图形
  • 十一、应用 axisartist 工具包
  • 十二、应用 axes_grid1 工具包
  • 十三、应用 Cartopy 工具包绘制天文地图
  • 十四、应用 Seaborn 工具包的探索性数据分析

• Matplotlib 绘图秘籍

  • 零、前言
  • 一、第一步
  • 二、自定义色彩和款式
  • 三、解决标注
  • 四、解决图形
  • 五、文件输入
  • 六、解决地图
  • 七、解决 3D 图形
  • 八、用户界面

• Sklearn 秘籍

  • 第一章 模型预处理
  • 第二章 解决线性模型
  • 第三章 应用间隔向量构建模型
  • 第四章 应用 scikit-learn 对数据分类
  • 第五章 模型后处理

• Sklearn 学习手册

  • 一、机器学习 – 温和的介绍
  • 二、监督学习
  • 三、无监督学习
  • 四、高级性能

奉献指南

本我的项目须要校对，欢送大家提交 Pull Request。

请您怯懦地去翻译和改良翻译。尽管咱们谋求卓越，但咱们并不要求您做到美中不足，因而请不要放心因为翻译上犯错——在大部分状况下，咱们的服务器曾经记录所有的翻译，因而您不用放心会因为您的失误受到无法挽回的毁坏。（改编自维基百科）

联系方式

负责人

• 飞龙: 562826179

其余

• 在咱们的 apachecn/apachecn-ds-zh github 上提 issue.
• 发邮件到 Email: apachecn@163.com.
• 在咱们的 组织学习交换群 中分割群主 / 管理员即可.

资助咱们

通过平台自带的打赏性能，或点击这里。